高校专区
FoRIS：用于无需训练的上下文内分割的渐进式前景细化
机构 * Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences（中国科学院西安光学精密机械研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Xi’an Jiaotong University（西安交通大学） ； Zhongnan Hospital of Wuhan University（武汉大学中南医院）
AI总结 该研究针对上下文内分割任务提出无需训练的FoRIS框架，通过前景纯化、定位、整合三阶段渐进细化实现SOTA性能，1次和5次设置下mIoU较现有方法分别提升4.5、4.8点。
VertiCue-Bench: 诊断多模态大语言模型是否利用高度线索解决遥感自然场景中的二维歧义
机构 * Xi’an Jiaotong University（西安交通大学） ； Xidian University（西安电子科技大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 提出VertiCue-Bench基准，通过17个任务1534个实例诊断MLLMs是否真正利用冠层高度模型（CHM）的垂直线索解决遥感自然场景中的语义歧义，发现模型在感知高度线索与语义推理之间存在显著脱节。
CameraEditor：基于视频先验序列建模的相机控制图像编辑
机构 * Xi’an Jiaotong University（西安交通大学） ； Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局）
AI总结 CameraEditor是将相机控制编辑转化为时间序列预测任务的图像编辑框架，通过几何感知与动态参考机制实现高精度相机控制，在自建数据集和CamEditor-Bench上表现优于现有方法。
Comments Accepted to ACM Multimedia 2026
从滚动输出到配方：大型语言模型的自包含后训练
机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； Zhongguancun Academy, Beijing, China（北京中关村学院） ； National Engineering Research Center for Visual Information and Applications（视觉信息与应用国家工程研究中心）
AI总结 针对大模型后训练采用单一配方的问题，提出Self-Routing框架，通过样本行为状态路由至不同优化方式，在Qwen系列模型数学推理任务中性能优于基线，减少不必要更新。
Comments 14 pages, 5 figures. Accepted at EMNLP 2026
编译而非记忆：用于上下文学习的上下文编译架构（CCA）
机构 * The Chinese University of Hong Kong（香港中文大学） ； Macao Polytechnic University（澳门理工大学） ； Xi’an Jiaotong University（西安交通大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 该研究针对大型语言模型上下文学习的脆弱性问题，提出上下文编译架构（CCA），在CL-bench上优于普通提示及两种基线方法，提升了Kimi K2.5的任务完成率。
Comments Accepted to EMNLP 2026 (Findings). Code, data, and cached completions available at https://github.com/TonyQJH/cca-emnlp2026
超越人类监督扩展大型推理模型：通往超级智能的路径
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Zhongguancun Academy（中关村学院） ； Xi’an Jiaotong University（西安交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Hong Kong Baptist University（香港浸会大学） ； Hunyuan Tencent（腾讯混元） ； National University of Singapore（新加坡国立大学） ； Xiamen University（厦门大学）
AI总结 本文研究人类监督逐步退出时大型推理模型（LRMs）的扩展路径，提出五级阶梯框架，分析自主化带来的风险，围绕策略能力等开展评估，为开发通往超级智能的自我维持学习系统提供结构化方案。
Comments 72pages
Hyper-Fold：通过超图建模探索蛋白质序列-几何学习的表达极限
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Shanghai University（上海大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 Hyper-Fold通过超图建模探索蛋白质序列-几何学习的表达极限，其相关变体在多项蛋白质结构相关任务中取得最优结果，且Hyper-Fold-Pocket性能优于对比模型，参数与延迟更优。
面向点云视频理解的运动显著性互补掩码建模
机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； State Key Laboratory of Intelligent Geotechnics and Tunnelling (FSDI)（智能岩土与隧道工程国家重点实验室） ； School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件学院） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； School of Information and Communication Engineering, Xi’an Jiaotong University（西安交通大学信息与通信工程学院）
AI总结 该研究提出MoSaiC框架，结合CMSM、NFM、CTCP组件实现自监督点云视频表示学习，在多个下游任务上验证了方法的有效性。
EMERGE-Policy：超越单一策略的机器人心智涌现
机构 * Tsinghua University（清华大学） ； Nanjing University of Science and Technology（南京理工大学） ； Xi’an Jiaotong University（西安交通大学） ； Xidian University（西安电子科技大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学）
AI总结 EMERGE-Policy是一种图结构智能体框架，通过多角色子智能体协作划分功能子任务，无需额外微调即可在公开基准和真实机器人实验中实现出色性能，扩展了机器人策略的应用范围。
用于提升大语言模型指令遵循能力的跨关系偏好学习
机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； Shaanxi Provincial Key Laboratory of Big Data Knowledge Engineering, Xi’an Jiaotong University（西安交通大学陕西省大数据知识工程重点实验室） ； School of Distance Education, Xi’an Jiaotong University（西安交通大学远程教育学院）
AI总结 针对LLMs遵循复杂指令时忽略不同指令允许响应空间关系的问题，提出CRPL框架，通过两项关键技术构建高质量偏好数据，在多方法、主干及基准上实现显著改进与强泛化。
分布外声音：同人小说子类型作为对齐LLM的通用白话越狱
机构 * School of Science and Engineering, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）科学与工程学院） ； The Shenzhen Future Network of Intelligence Institute (FNii-Shenzhen)（深圳未来网络智能研究院） ； The Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来网络智能重点实验室） ； School of Microelectronics, Xi’an Jiaotong University（西安交通大学微电子学院）
AI总结 本文发现安全训练覆盖不足的自然人类写作语域是对齐LLM的真正失败模式，并提出首个利用真实同人小说子类型作为通用攻击载体的越狱方法，显著提升攻击成功率。
Comments Accepted by EMNLP 2026 Main Conference, 25 pages
基于原型蒸馏的通才图异常检测
机构 * School of Computer Science and Technology, Xi'an Jiaotong University, Xi'an, China（西安交通大学计算机科学与技术学院） ； National Engineering Research Center for Visual Information and Applications, Xi'an, China（视觉信息与应用国家工程研究中心） ； University of Virginia, Charlottesville, USA（弗吉尼亚大学） ； University of Central Florida, Orlando, USA（佛罗里达大学） ； School of Distance Education, Xi’an Jiaotong University, Xi'an, China（西安交通大学继续教育学院） ； School of Cyber Science and Engineering, Xi'an Jiaotong University, Xi'an, China（西安交通大学网络安全学院）
AI总结 提出首个无监督通才图异常检测框架ProMoS，通过知识蒸馏从冻结的自监督图神经网络教师模型中提取正常性先验，并利用原型引导的软标签蒸馏实现跨图零样本异常检测。
Comments Accepted by ICML 2026
通过有界一致性实现多样性：多模态融合的几何正则化
机构 * Department of Informatics University of Bern（伯尔尼大学信息学院） ； College of Computing and Data Science Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； School of Software Engineering Xi’an Jiaotong University（西安交通大学软件工程学院）
AI总结 提出一种轻量级即插即用的几何正则化框架，通过有界一致性原则在保持模态特异多样性的同时约束跨模态漂移，提升多模态融合性能。
CF-VLA：面向视觉-语言-动作策略的高效粗到细动作生成
机构 * Southern University of Science and Technology（南方科技大学） ； Xi’an Jiaotong University（西安交通大学） ； United Nova Technology（联合Nova技术） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出CF-VLA，通过粗到细两阶段方法优化视觉-语言-动作策略的动作生成，提升效率与性能，在低NFE条件下实现更优的效率-性能平衡。
Comments Accepted to ACM Multimedia (ACM MM) 2026 as an Oral Presentation
评分、推理与选择最佳！通过同行评审过程进行大型语言模型的集成
机构 * Beihang University, Beijing, China（北京航空航天大学） ； Zhongguancun Laboratory, Beijing, China（中关村实验室） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Xi'an Jiaotong University, Xi'an, China（西安交通大学） ； Tsinghua University, Beijing, China（清华大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 本文提出LLM-PeerReview方法，通过同行评审机制集成多个大型语言模型，提升响应质量。实验显示其在多个数据集上优于Smoothie-Global，适用于事实性问答、数学推理等任务。
缓解实例依赖部分标签学习中的实例纠缠
机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering, Xi’an Jiaotong University（陕西省大数据知识工程重点实验室） ； School of Distance Education, Xi’an Jiaotong University（西安交通大学继续教育学院）
AI总结 本文提出CAD框架，通过内在和类间调节缓解实例依赖部分标签学习中的实例纠缠问题，提升分类性能。
Comments Accepted to CVPR2026
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 39659-39668
SpecPV：通过部分验证改进长上下文生成的自我推测解码
机构 * School of Computer Science and Technology, Xi'an Jiaotong University, Xi'an, China（计算机科学与技术学院，西安交通大学，西安，中国）
AI总结 SpecPV通过部分验证和周期性完整验证提升长上下文生成效率，实现6倍解码加速
VICT：用于长 horizon LLM 智能体强化学习的验证器插装式信用追踪
机构 * Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） ； Jiaxing Nanhu University（嘉兴南湖学院）
AI总结 针对长 horizon LLM 智能体强化学习的细粒度信用分配挑战，提出 VICT 方法，通过验证器侧的证明边追踪分配信用，在 ALFWorld 和 WebShop 上性能显著优于仅结果训练。
Comments accepted by EMNLP2026
SEPO：基于证据的结构化编辑提示优化
机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院） ； Xi’an Jiaotong University（西安交通大学） ； Shenzhen Future Network of Intelligence Institute (FNiI-Shenzhen)（深圳未来智能网络研究院） ； Guangdong Provincial Key Laboratory of Future Networks of Intelligence, CUHK(SZ)（香港中文大学（深圳）广东省未来网络智能重点实验室）
AI总结 本文提出SEPO提示优化器，通过结构化编辑与编辑-效果谱系反馈优化提示，在14任务套件中较GEPA提升准确率，同时在帕累托前沿上优化效率更高、提示更短。
HyQuant：面向大语言模型注意力机制的混合精度量化方法
机构 * Xiamen University（厦门大学） ； Tencent Penglai Lab（腾讯蓬莱实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 HyQuant是一种面向LLM注意力的混合精度量化框架，通过保留关键区域高精度、量化其余部分，在各类任务上实现近乎无损精度，提升效率。
仅知道两跳信息是不够：理解语言模型中的两跳泛化
机构 * Xi’an Jiaotong University（西安交通大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本研究针对语言模型两跳查询失败问题，在受控环境训练Transformer，揭示其泛化规律与跨层不匹配机制，提出循环式训练策略以提升分布外两跳泛化能力。
Comments EMNLP 2026, findings
TouchThinker: 通过大规模数据和动作感知表示将触觉常识推理扩展到开放世界
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； National University of Singapore（新加坡国立大学） ； Zhongguancun Academy（中关村学院） ； Xiamen University（厦门大学） ； Xi’an Jiaotong University（西安交通大学） ； Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学）
AI总结 提出TouchThinker框架，通过构建百万级多源触觉数据集TouchThinker-1M和动作感知建模，将触觉常识推理扩展到开放世界，在多个数据集上取得竞争性表现。
Comments 18 pages, 11 figures
GRIP：用于高效推理的粒度奖励引导参数插值
机构 * Peking University（北京大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 针对推理模型与指令模型的准确性-效率不匹配问题，提出GRIP框架，通过优化同架构两模型模块的可学习插值比例，实现更优的准确性-效率权衡。
Comments 13 pages, 8 figures
EvoCurr：面向复杂决策的、结合行为代码生成的自演进课程框架
机构 * Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； University of Science and Technology of China（中国科学技术大学） ； King Abdullah University of Science and Technology（国王 Abdullah 科学技术大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 提出EvoCurr这一推理时框架，协同演进课程与可执行策略，在《星际争霸II》等任务上实现高胜率，且具有通用性，无需训练LLM参数。
CoDrift：面向离线强化学习的组合漂移方法
机构 * Xi’an Jiaotong University（西安交通大学）
AI总结 CoDrift是面向离线强化学习的组合框架，通过组合三类目标场生成策略，在OGBench和D4RL的73个任务中，于离线和离线转在线设置均取得最优平均排名。
用于卫星轨道预测的速度耦合表示精化
机构 * Xi’an Jiaotong University（西安交通大学） ； Zhejiang University（浙江大学）
AI总结 该研究针对现有卫星轨道预测方法未利用位置与速度耦合关系的问题，提出OrbitNet方法，通过速度耦合表示精化和轨道片段建模，在Starlink域内及6个星座零样本评估中均优于对比模型。
Comments 18 pages, 6 figures
Visual-OPSD：用于高效统一多模态推理的跨模态在策略自蒸馏
机构 * Xi’an Jiaotong University（西安交通大学） ； MOE KLINNS Lab（MOE KLINNS实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering（陕西省大数据知识工程重点实验室） ； Sun Yat-sen University（中山大学）
AI总结 提出Visual-OPSD方法，通过跨模态在策略自蒸馏，将多步扩散生成的可视化思维推理能力转移到纯文本学生模型，实现14.3倍加速且性能提升3.40个百分点。
通过薛定谔桥：法医死后自溶前图像修复的基准测试以增强法医诊断
机构 * Xi’an Jiaotong University（西安交通大学） ； Sun Yat-Sen University（中山大学）
AI总结 本研究针对法医组织病理学中死后自溶导致的图像修复难题，构建首个同源无配对数据集AutoPath，提出基于薛定谔桥的方法，建立法医自溶修复的可复现基准及评估方法。
单环随机双层优化的收敛性研究：近似隐式微分
机构 * Xi’an Jiaotong University（西安交通大学） ； Fudan University（复旦大学） ； SGIT AI Lab（SGIT人工智能实验室）
AI总结 本文提出单环随机近似隐式微分算法，证明其在O(κ⁷ ε⁻²)复杂度下达到ε-静态点，兼顾多环方法的最优收敛速度与单环的高效计算。
MIRROR: 一种用于运筹学优化建模的具有迭代自适应修正与分层检索的多智能体框架
机构 * Xi’an Jiaotong University（西安交通大学） ； Northwestern Polytechnical University（西北工业大学）
AI总结 提出一种免微调的多智能体框架MIRROR，通过执行驱动的迭代自适应修正和分层检索机制，将自然语言优化问题直接转化为数学模型和求解器代码，在标准运筹学基准上优于现有方法。
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