🦾具身智能P1 顶会ECCV 2026
REAL 在无 oracle 感知与人在回路交互下训练移动操作智能体，REAL-Bench 与实体机器人验证 sim-to-real 迁移。
- sim-to-real 一致环境 API 与模拟用户支持开放世界交互与消歧
- REAL-Bench 覆盖 241 项探索、干扰、关节操作与交互消歧任务
- 实体双臂移动机器人 60 个真实 episode 报告 78.3% 端到端成功率
🧊3D 生成P1 顶会ECCV 2026
提出可微 Geometry Image，以连续 2D TSDF 与可微 Marching Squares 实现端到端薄壳 3D 压缩与条件生成。
- 用连续 2D TSDF 替代二值占用图，在固定网格下亚像素编码边界
- 可微 Marching Squares 使 3D 表面损失梯度回传至 2D latent
- DiffGI-VAE 与 flow-matching latent 扩散用于条件 3D 生成
🧊3D 生成P1 顶会ICML 2026
单张场景图经粗场景、2D–3D 组件对齐与层次体素超分，coarse-to-fine 生成高分辨率 3D 场景。
- 层次体素增强框架支持单图高质量 3D 场景生成
- 分割与注意力检索对齐 2D 图像组件与 3D 场景组件
- 体素超分在保持与粗体素一致性的同时细化各组件
🎧音频P1 顶会INTERSPEECH 2026
用 ALLM 作指令级评判构建偏好对做 DPO，并发布 S3Bench，提升多事件与时序的文本生音频指令遵循。
- ALLM 细粒度验证生成音频中的目标事件与时序关系
- 基于 ALLM 反馈构造偏好对进行 direct preference optimization
- 提出叙事基准 S3Bench 评估多事件时序指令遵循
👁️VLMP1 顶会ECCV 2026
CANVAS 按关系类型学习多嵌入的对比对齐，在艺术品多关系检索与理解上优于单空间 VLM 基线。
- 层论启发的 CANVAS 框架学习关系感知的视觉-语言表示
- 提出 WikiArt+、HertzianaDP、SemArt+ 三个多关系艺术理解基准
- 上下文条件对比损失，推理不依赖外部关系数据
💬LLMP1 顶会NeurIPS 2026
举办竞赛，依据内部机制区分数学推理模型中的稳健推理与投机捷径，并建立开放鲁棒性基准。
- 提供奥数级新问题、符号表示及前沿推理模型访问以研究生成变体鲁棒性
- 面向参与者评估模型对抗鲁棒性并识别稳健解题机制
- 产出开放鲁棒性 benchmark 与 baseline 系统
👁️VLMP1 顶会INTERSPEECH 2026
发布含面对面与视频会议配对录制的群组多模态数据集，用于跨场景群组对话建模与分析。
- 59 小时、32 组、105 参与者的跨设置 within-subject 配对录制
- 提供原始音视频、心理测量、多模态特征与时间解析人工标注
- 揭示两种设置间多模态行为分布的显著差异