IEEE TPAMI

Learning Evolution via Optimization Knowledge Adaptation

通过优化知识适应学习进化

Chao Wang, Lingling Li, Licheng Jiao, Jiaxuan Zhao, Fang Liu, Shuyuan Yang

机构 * Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education（教育部智能感知与图像理解重点实验室） ； International Research Center for Intelligent Perception and Computation（智能感知与计算国际研究中心） ； Xidian University（西安电子科技大学） 纠错

AI总结 本文提出OKAEM模型，通过注意力机制参数化进化算子，实现优化知识的预训练和自适应优化，提升进化算法的知识转移与在线适应能力。

Comments This work has been accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence

Task Switching Without Forgetting via Proximal Decoupling

通过近邻解耦实现无需遗忘的任务切换

Pourya Shamsolmoali, Masoumeh Zareapoor, Eric Granger, William A. P. Smith, Yue Lu

机构 * Department of Computer Science, University of York, UK（英国约克大学计算机科学系） ； SEIEE, Shanghai Jiao Tong University, China（上海交通大学SEIEE学院） ； LIVIA, Dept. of Systems Engineering, ETS Montreal, Canada（加拿大蒙特利尔工程学院LIVIA部门） ； School of Communication and Electronic Eng., East China Normal University, China（华东师范大学通信与电子工程学院） 纠错

AI总结 本文提出通过操作符分裂分离任务学习与稳定性维持，提升持续学习的稳定性和适应性，无需使用回放缓冲区、贝叶斯采样或元学习组件。

Comments Submitted to IEEE TPAMI January 2026

Multi-Domain Learning with Global Expert Mapping

多域学习与全局专家映射

Pourya Shamsolmoali, Masoumeh Zareapoor, Huiyu Zhou, Oscar Mendez, Dacheng Tao, Xuelong Li

机构 * Department of Computer Science, University of York, UK（英国约克大学计算机科学系） ； School of Computing and Mathematical Sciences, University of Leicester, UK（英国莱斯特大学计算与数学科学学院） ； Centre for Vision Speech and Signal Processing, University of Surrey, UK（英国萨里大学视觉语音与信号处理中心） ； College of Computing and Data Science at Nanyang Technological University, Singapore（新加坡南洋理工大学计算与数据科学学院） ； Institute of Artificial Intelligence (TeleAI) of China Telecom（中国电信人工智能研究院（TeleAI）） 纠错

AI总结 本文提出GEM框架，通过全局调度器替代传统路由器，解决多域学习中专家分配不均问题，提升模型在罕见域和分布外域的表现。

Comments Submitted to IEEE TPAMI on August 2025

Catching Every Ripple: Enhanced Anomaly Awareness via Dynamic Concept Adaptation

捕捉每一个涟漪：通过动态概念适应提升异常意识

Jiaqi Zhu, Shaofeng Cai, Jie Chen, Fang Deng, Beng Chin Ooi, Wenqiao Zhang

机构 * School of Automation and the National Key Laboratory of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology（自动化学院和自主智能无人系统国家重点实验室，北京理工大学） ； School of Computing, National University of Singapore（computing 学院，新加坡国立大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Digital Media Computing & Design Lab, Zhejiang University（数字媒体计算与设计实验室，浙江大学） 纠错

AI总结 本文提出DyMETER框架，通过动态概念适应机制提升在线异常检测的适应性与效率，采用超网络生成实例感知参数位移，并引入轻量级进化控制器和动态阈值优化模块以实现鲁棒和可解释的适应。

Comments Accepted by IEEE TPAMI

OmniParser V2: Structured-Points-of-Thought for Unified Visual Text Parsing and Its Generality to Multimodal Large Language Models

OmniParser V2：结构化思维点用于统一的视觉文本解析及其在多模态大语言模型中的通用性

Wenwen Yu, Zhibo Yang, Jianqiang Wan, Sibo Song, Jun Tang, Wenqing Cheng, Yuliang Liu, Xiang Bai

机构 * School of Information Science and Engineering, East China University of Science and Technology（东华大学信息科学与工程学院） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） ； School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 本文提出OmniParser V2，通过结构化思维点提示方案统一视觉文本解析任务，简化流程并提升性能，在多个数据集上取得最佳结果，并验证其在多模态大语言模型中的通用性。

Comments Accepted by IEEE TPAMI