Aura · 时间线

HandFlow：基于流匹配的全生成式4D手部重建

HandFlow采用流匹配全生成式方法，实现单目视频4D手部重建，精度、平滑性和速度均达SOTA。

DeepBias: 大型视觉语言模型中社会偏见的自适应深度探测

DeepBias采用生成-进化-探测循环，自适应深度暴露LVLM社会偏见，构建了挑战性基准。

面向Android到OpenHarmony的GUI测试迁移的实证研究

首个实证研究：现有迁移方法成功率仅15%-26%，改进后ITeM-HM提升至81%。

迈向可预测、对齐且可扩展的机器人学习

通过潜在空间推理与多阶段模态对齐，实现跨模态一致的预测动作生成，在复杂任务中优于现有模型。

PRISM Edit：一个向量应对所有时间性答案

提出PRISM Edit，利用模型固有调制路径优化多义表示，实现时间正确预测，性能提升超2倍。

中文标题：一个用于全面心脏CT分割和表型分析的统一框架：人在回路数据标注、视觉基础模型开发、多中心评估和临床验证

中文摘要：提出统一框架，集成人在回路标注与自监督预训练，构建最大心脏CT标注数据集，多中心验证优于现有工具，支持人群表型分析，已开源。

编程语言政策作为人工智能素养公平问题：一项十五国比较分析

十五国课程分析揭示编程教育缺失与“语法天花板”问题，考试驱动不公，需重构AI素养公平路径。

与智能机器人长期物理共存的初步探索

提出PHILIA多机器人系统，通过统一接口解耦推理与执行，实现插件式集成，完成长期复杂服务任务。

故障感知且可解释的测试预言预测

提出FOCAL模型，通过代码LLM预测测试结果，重点强化失败案例并给出语句级解释，显著提升未知项目的故障检测能力。

Mako：面向自主网络利用的自进化智能体操作系统

Mako是首个自进化智能体操作系统，自主网络利用全覆盖104个CTF应用，揭示能力稀缺定律。

纵向多视角乳腺癌风险预测

提出LMV-Net模型，结合纵向对齐的CC和MLO多视角，提升乳腺癌风险预测性能，优于现有方法。

理解AI代码助手对安全API使用的影响：一项实证研究

研究表明AI编码助手Copilot改善功能正确性，但未显著提升安全API使用，开发者安全意识不足。

BackgroundMellow：一种多模态协同框架，用于叙事驱动的丰富电影音景生成

提出主-专智能体架构和NLP模块，将文本分解为多层音频线索并精准混音，实现叙事连贯的电影级音景生成。

AutoMatBench：用于加速材料性能预测基准测试的自动化优化工具包

提出AutoMatBench，自动优化配置，12步内达MatBench效果，成本减半，助力新材料发现。

EO回归任务的不确定性量化：建筑物高度、树冠高度和地上生物量估计

提出高斯与分位数两种不确定性量化方法，提升遥感回归任务置信度，超越现有模型。

面向能源领域大语言模型应用的多模态数据集

提出 mAIEnergy 多模态数据集，整合海量文本、图像、时序及地理数据，支持能源领域大语言模型应用，遵循 FAIR 原则。

像机器人一样看：面向视觉-语言-动作模型的以机器人为中心的点图

提出机器人中心点图，解决VLA模型观测与动作坐标系不一致，提升跨视角泛化能力。

李代数胚上的智能体技能优化

LASKO框架用李代数胚数学结构，以微秒级筛选测试替代大模型验证，实现技能优化数量级加速。

代理探索与可复用引导：一种通过代理引导更新信号的模块化LLM后训练范式

提出PUST框架，用轻量代理探索高奖励行为，提取相对改进信号转移给主模型，实现解耦、可复用、跨模型迁移的高效后训练。

CDFM：迈向通用因果发现基础模型

提出通用因果发现基础模型CDFM，基于变分框架和大规模预训练，实现零样本因果结构推断，性能超越传统算法。

借助人工智能实现包容肢体差异的头像设计

AI可克服数据稀缺与动画限制，推动包容肢体差异的3D头像设计。

IG-GAN: 基于内在几何的空气动力学数据生成对抗网络

提出IG-GAN，用贝塞尔曲面表示流形生成空气动力学数据，预测均方误差降低82%-97%。

Vinci2：在连续自我中心视频中提供主动辅助

Vinci2通过记忆增强代理实现上下文驱动的主动辅助，并构建EgoServe基准和EgoMemo模型。

使用编码代理进行主动流控制的启发式学习

提出用编码代理搜索显式控制律的启发式学习，在13个流控基准中10个超越DRL，控制器紧凑可解释。

具有摘要记忆的可解释智能体对话诈骗检测系统

提出可解释智能体系统检测对话诈骗，准确率97.8%，用户信任和信心显著提升。

小米机器人-U0：基于世界基础模型的统一具身合成

提出38B参数多模态自回归模型U0，统一具身合成任务，支持多视图场景生成与可控转移，SOTA性能并提升机器人成功率。

闭环：物联网自动化异常驱动网络撤销的访问控制架构

提出闭环架构，用标准协议自动撤销异常IoT设备，AUC达0.9964，断开平均335.8ms，撤销111.5ms。

关于CVPR 2026@AdvML研讨会挑战的技术报告

针对自动驾驶VLA的对抗多模态攻击挑战，发现图像攻击、多视图优化等五大关键模式。

通过交替约束优化的结构-特征对齐图学习

提出约束双视图框架，交替优化对齐GNN嵌入与特征先验，CSAG-GNN动态路由，提升结构鲁棒性。

从世界行动模型到具身大脑：开放世界物理智能的路线图

提出从世界行动模型到具身大脑的路线图，解决模型碎片化，通过共享契约和闭环后训练实现自适应具身智能。

DiffEEG：一种用于学习脑电图通用表征的自监督去噪扩散模型

DiffEEG通过扩散预训练和强化学习微调，在极不平衡的EEG癫痫检测中实现高准确率和F1分数。

智能体攻防：面向生产环境智能体的自动化红队研究

提出AHA框架，通过漏洞假设与反证循环发现可复用漏洞知识，红队性能提升14.2%，可跨场景迁移。

VoxENES 2026：针对大语言模型时代语音合成与转换的语音欺骗检测器泛化能力基准测试

VoxENES 2026基准测试显示，LLM时代语音合成使现有检测器性能大幅下降，最佳EER仅28.98%，多数接近随机，凸显对脆弱伪影的依赖。

主动式离线到在线强化学习

提出主动策略选择方法，平衡评估与微调，基于上置信界分配交互预算，显著提升有限交互下的性能。

StoryTeller：无需训练的长篇音频描述叙事锚定

提出StoryTeller框架，通过叙事记忆实现跨场景连贯描述，无需额外数据，显著提升叙事质量。

考虑时滞的深度强化学习在PPVC模块工厂柔性作业调度中的应用

提出时滞感知深度强化学习方法，在模块工厂调度中逼近约束规划最优解，优于所有调度规则和遗传算法。

一个极简的重定向引导的强化学习方案用于灵巧操作

REGRIND方法从单个人类演示学习灵巧操作策略，通过重定向和残差RL实现零样本迁移到真实硬件。

MM-ToolSandBox：评估视觉工具调用代理的统一框架

提出视觉工具调用评估框架，覆盖500+工具和16领域，测试12个模型最好成功率不足50%，主要瓶颈在视觉精度。

评估面向可解释性的需求工程实践：整合戴姆勒卡车洞察的可解释RE框架提案

戴姆勒卡车案例揭示现有需求工程实践难以系统应对可解释性需求，存在概念模糊、可测试性差等挑战。

基于LoRA的级联多模态融合在医疗培训环境中的动作识别

级联LoRA多模态融合框架分阶段整合模态，参数高效，在医疗培训数据上优于单模态，性能接近基线。

大型音频-语言模型中用于声学感知的编码器侧神经元识别与放大

IAAN无需训练，通过识别并放大编码器声学神经元，在非语义语音属性上平均提升25.7%准确率，证明编码器内神经元级干预有效。

Transformer引导的群体智能实现节俭神经架构搜索

提出融合Transformer和蜂群算法的节俭NAS，消费级GPU上3小时搜索CIFAR-10达84.85%精度（17.4万参数），并有效应用于欺诈检测。