高校专区
GRAFT：面向精细机器人操作的 grounded 高效在线强化适应
机构 * Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州高等研究院） ； School of Biomedical Engineering, Division of Life Sciences and Medicine, University of Science and Technology of China（中国科学技术大学生命科学与医学部生物医学工程学院）
AI总结 GRAFT是一种高效在线VLA适应框架，通过特定视角视觉锚点聚焦任务相关线索，在四项生物医学操作任务中提升25个百分点成功率并降低计算开销。
多图像视觉语言模型中的多图像视觉令牌剪枝
机构 * University of Science and Technology of China（中国科学技术大学） ； Xiaohongshu Inc.（小红书科技有限公司）
AI总结 本文针对现有LVLMs多图像剪枝方法的局限，提出无需训练的AVTP框架，在多类LVLMs上实现显著推理加速，同时保持较高准确率，部分模型性能甚至优于基线。
Comments 14 pages, 3 figures
DEEPCHART：大型语言模型在忠实的数据科学图表生成方面存在多大差距？
机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司）
AI总结 该研究推出专家标注的DEEPCHART基准，将图表生成分为提取-推理-可视化流程，发现现有LLMs生成的图表常隐藏数据幻觉，仅靠大上下文窗口无法实现忠实图表生成，需可靠的证据提取与定量推理。
基于3D视觉几何的玻璃表面检测
机构 * Jiangnan University（江南大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Wurzburg（维尔茨堡大学） ； City University of Hong Kong (Dongguan)（香港城市大学（东莞））
AI总结 本文提出将玻璃表面检测（GSD）基于3D视觉几何的新范式，结合VGGT、FSAM与GeGB，在7个基准上达最优性能，泛化性好且提升玻璃场景重建效果。
Comments 9 pages, 10 figures. Accepted by ACM Multimedia 2026
SOLO：稳定全地形长视距感知类人机器人运动
机构 * Artificial General Intelligence Institute, University of Science and Technology of China（中国科学技术大学通用人工智能研究院） ； X-Humanoid（X-人形机器人） ； The University of Hong Kong（香港大学） ； The Australian National University（澳大利亚国立大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学）
AI总结 SOLO是解决长视距类人机器人运动脆弱性的统一框架，通过QR与TA-MSE蒸馏提升地形感知与策略学习，仿真及实际测试中通行成功率显著优于基线方法，可零样本完成长距离复杂地形任务。
Multi2AV-Safety：多模态到音视频生成的安全性基准测试
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Hefei University of Technology（合肥工业大学）
AI总结 本研究推出首个覆盖11种非单例多模态条件配置的音视频生成安全性基准Multi2AV-Safety，发现现有安全守卫存在组合风险感知不足的系统性弱点。
StreamAV-Bench：面向流式音视频生成的综合基准测试集
机构 * BAAI（北京智源人工智能研究院） ； PKU（北京大学） ； Kling ； THU（清华大学） ； USTC（中国科学技术大学）
AI总结 该研究针对现有基准无法捕捉流式音视频生成特性的问题，推出首个综合基准StreamAV-Bench，构建含双赛道的评估框架并评估13个系统，揭示当前模型的缺陷并给出模型开发见解。
RePolicy：用于智能体安全保障中安全策略调用的强化学习方法
机构 * Zhejiang University（浙江大学） ； Zhongguancun Academy（中关村学院） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对现有智能体安全保障方法难以适应未见轨迹和变化策略上下文的问题，提出RePolicy方法，结合PolicyTraj-20K与带可验证奖励和策略上下文扰动的GRPO，在六个智能体安全基准上取得良好安全检测与策略调用效果。
REOPD：面向在线策略蒸馏的可靠性自适应奖励外推
机构 * Peking University（北京大学） ； Southwest Jiaotong University（西南交通大学） ； University of Science and Technology of China（中国科学技术大学） ； School of Computer Science and Technology,University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； University of Electronic Science and Technology of China（电子科技大学） ； School of Automation Engineering,University of Electronic Science and Technology of China（电子科技大学自动化工程学院） ； Renmin University of China（中国人民大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Autonomous Driving, Shanghai Artificial Intelligence Laboratory（上海人工智能实验室自动驾驶研究中心）
AI总结 本文提出面向在线策略蒸馏的可靠性自适应奖励外推框架REOPD，通过token级系数实现细粒度可靠性自适应，在多场景下优于基线方法，无需额外模型即可提升训练稳定性与性能。
Checkerboard：一种简单、有效、高效且无需学习的清洁标签后门攻击，具有低污染预算
机构 * School of Computer Science and Information Engineering（计算机科学与信息工程学院） ； Hefei University of Technology（合肥工业大学） ； School of Information Science and Technology（信息科学与技术学院） ； University of Science and Technology of China（中国科学技术大学） ； Faculty of Business Data Science（商务数据科学学院） ； Kansai University（大阪大学） ； RIKEN Center for Advanced Intelligence Project（日本RIKEN先进人工智能研究中心） ； The University of Electro-Communications（电通大学） ； Agency for Science, Technology and Research (A*STAR)（科技研究局（A*STAR））
AI总结 Checkerboard提出一种无需学习的清洁标签后门攻击方法，通过线性可分性公式推导出检查板触发器，无需代理模型训练和触发器优化，在低污染预算下实现高攻击成功率。
超越线性化：属性表格图用于表格推理
机构 * The University of Melbourne（墨尔本大学） ； The University of New South Wales（新南威尔士大学） ； The University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出TABGR模型，通过属性表格图保留表格结构并提升推理可解释性，实验表明其在表格推理任务中优于现有方法。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈