✏️图编辑P1 顶会ECCV 2026
MIEdit 用多历史步 SDE 反演与反演期语义角掩码，免训练编辑并构建 EditEval++ 评测集。
- predictor-corrector 多历史步 SDE 反演，更少步数下提升编辑质量与可塑性
- IASM 在反演阶段自动生成语义角掩码以约束未编辑区域
- 构建 EditEval++（30 细粒度任务、1000+ 三元组）并优于 SOTA
🦾具身智能P1 顶会CoRL 2026
单条命令条件策略通过对抗 motion 先验与物体感知编码器学习并组合运球、停球、射门等技能。
- 统一 RL 框架在单策略内学习并切换多种原子足球技能
- 技能专属对抗 motion 先验、专属 critic 与物体感知时序编码器
- 仿真与 Noetix E1 真机验证长程组合与 sim-to-real
🦾具身智能P1 顶会SIGGRAPH Asia 2026
CHIP 三阶段学习可复用的人形交互先验，支持场景 locomotion、接触操作与长程技能组合。
- 提出上下文条件交互先验，在共享离散空间建模异构交互技能分布
- 从异构数据学物理 motion imitation 再蒸馏为先验并用于 prior-regularized RL
- 多任务实验展示场景感知移动、接触丰富操作与组合行为及平滑过渡
🦾具身智能P1 顶会ECCV 2026
条件 flow matching 做上下文模仿学习，LIBERO 未见配置平均成功率较 ICRT 高 35 个百分点。
- ContextFlow 以演示与观测为条件预测连续动作分布，缓解自回归离散化误差累积
- Perceiver 式多模态上下文压缩视觉、本体与动作序列为紧凑 latent
- 未见任务无微调接近微调 VLA π₀，真机泛化至新双臂/单臂配置
💬LLMP1 顶会EMNLP 2026
统一检测框架，结合跨层分布与困惑度的流畅度度量及梯度匹配语义分析，对抗优化式越狱。
- 提出混合流畅度度量与有害语义梯度匹配的统一检测框架
- 利用高流畅度仍保留恶意意图、语义混淆常含乱码 token 的观察
- 在多种优化式越狱上优于现有基线
💬LLMP1 顶会EMNLP 2026
提出 CAROT：分离语言特异与无关表示，词级最优传输对齐，多语准确率最高提升 11.2 点。
- 识别 LLM 内部语言特异表示并在对齐中显式保留
- 词级最优传输对齐语言无关表示，缓解句级对齐与语种不一致
- 推理期 steering 与以内化对齐表示为训练目标均优于多种 CLA 基线
🦾具身智能P1 顶会CoRL 2026
用步态相位条件下的策略 Jacobian 有效秩分析四足 RL 表示，并据此改善 sim-to-real，Spot 上关节抖动约降至三分之一。
- 揭示 LN 与残差相对 vanilla MLP 在 swing/stance 相上的有效秩结构差异
- 将表示签名转为训练时可追踪的 sim-to-real 平滑性指标与简单 recipe
- 仿真到物理 Spot 上验证更低且可迁移的关节抖动
🎧音频P1 顶会INTERSPEECH 2026
无训练 TAD：用真实音频与静音参考对比 logits，并以置信门控缓解 LALM 音频问答幻觉。
- 提出 Token-Adaptive Contrastive Decoding， grounding 首步 yes/no 决策
- 置信门控在肯定类 token 上自适应对比强度，避免过度修正
- 在 AudioCaps-Hallucination、Clotho-AQA 上相对 AAD 提升 F1
🦾具身智能P1 顶会CoRL 2026
WHIRL 将人类干预转为前瞻风险信号，用干预感知潜变量世界模型做策略风险塑形。
- 干预感知潜变量世界模型含动力学、奖励、终止与干预概率头
- 用干预概率头做 actor 风险塑形，主动避开易触发接管的区域
- 在 LEAP Hand 多任务上提高成功率并显著降低人工干预负担
💬LLMP1 顶会EMNLP 2026
检验 activation steering 向量是否反映 Schwartz 人类价值理论的几何拓扑。
- 构建覆盖 20 种人类价值的 26K 样本 benchmark
- 分布驱动 steering 方法与理论价值拓扑显著相关
- 更好几何对齐带来更符合人类一致性的跨价值迁移
👁️VLMP1 顶会EMNLP 2026
发布双语微短剧基准 M-Drama，并提出图匹配奖励 SAGA 强化 VLM 叙事理解。
- 推出大规模微短剧理解基准 M-Drama（3.5 万+实例）
- 提出 SAGA，用异质叙事图做语义三元组与时序结构匹配奖励
- 在 Qwen3-VL-8B-Instruct 上提升开放问答与摘要质量
💬LLMP1 顶会EMNLP 2026
对比人类与多 LLM 群组 deliberation 的过程签名，揭示结果相似但机制差异及协调瓶颈。
- 在 Wason 及类比、溯因、分析任务上对比人类群聊与匹配 LLM 讨论轨迹
- 发现人机均存在 assembly bonus 不对称，但 LLM 更易跟多数、信息更少、更早收敛
- 基于人类群体决策的干预仅 modest 提升集体结果，协调瓶颈仍在
💬LLMP1 顶会EMNLP 2026
合并功能冗余的专家 LoRA 为组共享高秩模块，在同等预算下提升精度与训练速度。
- 发现专家专属 LoRA 在微调中存在功能冗余
- 提出 ACE：分组共享高秩 LoRA 与组级 GEMM 执行
- 多数据集与 MoE 骨干上精度领先且训练加速
💬LLMP1 顶会EMNLP 2026
MARBO 用关系信念约束偏好优化，使小模型在社交推理游戏中策略与发言更一致并优于基线。
- 提出信念 grounding 的偏好优化框架 MARBO，面向部分可观测下的关系信念
- 仅在可靠信念支撑且社会结果有利时给予偏好反馈
- 在代表性社交推理游戏上使紧凑 LLM agent 稳定超越现有方法
🧾OCRP1 顶会ECCV 2026
联合 SFT 与 GRPO 微调 MLLM 做 text spotting，并仅对坐标 token 做匹配式在线 SFT，兼顾识别与定位。
- 提出 SupGRPO，互补 SFT 与 GRPO 在检测与识别上的短板
- 设计 reward 与 matching-based online SFT，缓解 GRPO 稀疏奖励与 SFT 顺序依赖
- 构建艺术字场景数据集 ATS 并验证识别与检测双提升
💬LLMP1 顶会EMNLP 2026
在 Lichess 残局谜题上表明流畅棋类解释与忠实推理、走法正确性可分离，严格掩码下增益有限。
- 用走法可恢复性、解码侧控制与合法着法 token 打分检验解释忠实性
- 移除显式着法提示后解释优势骤降；无关但 plausible 的解释会降低正确着法概率
- 区分语言 plausible、与动作一致与解题正确三类性质
👁️VLMP1 顶会NeurIPS 2026
用可执行干预协议评测 VLM 对缺失模态的自解释，发现系统性高估现有证据充分性。
- 提出干预式协议：预测恢复缺失模态是否改答案并与真实行为对照
- 十款 VLM 四任务显示执行变化远超模型预测变化
- 揭示 insufficiency 声称召回低与回顾性自解释同类偏差
👁️VLMP1 顶会ECCV 2026
首个免训练 Gaze Target Agent，用预训练 VLM 与记忆检索完成注视推理与定位。
- 提出免训练 GTA，覆盖注视目标预测、注意定位与物体识别
- 视觉引导提示与高不确定性样本的记忆检索增强
- 在 GazeFollow 与 GazeHOI 上达到 SOTA 并提供可解释语义预测
💬LLMP1 顶会EMNLP 2026
PMA 利用 E2EO 保留语义结构，将密文向量流对齐公开语料流形以恢复明文，优于现有攻击。
- 提出 Proxy Manifold Alignment，将 E2EO 重建形式化为未知 tokenizer 语言到明文翻译
- 仅用混淆向量流、目标 tokenizer 与公开语料建模并对齐双 proxy 嵌入流形
- 实验显示明文恢复 consistently 优于 SOTA 攻击方法
💬LLMP1 顶会EMNLP 2026
提出有效交互前沿假设与闭环控制器 Elastic Horizon，按成功轨迹长度动态定 horizon，省 token 且成功率更优。
- 形式化有效交互前沿：再延长交互收益递减而成本线性增
- Elastic Horizon 用成功轨迹长度 90 分位跟踪并稳定 horizon
- 在 AppWorld、BFCL 上优于固定 horizon，最多节省约 25% 逐步 token
💬LLMP1 顶会EMNLP 2026
论证压缩 checkpoint 宜作初始化，小规模 LM 微调可低成本回补压缩损失。
- 系统比较压缩后 LM 微调与 token 级 KD 的成本—恢复权衡
- 少量 C4 单 epoch 调整可显著缩小原模型与压缩模型性能差
- 建议免重训压缩与轻量后调整配套使用
🎧音频P1 顶会INTERSPEECH 2026
在 AST 上对 SpecAugment 做 patch 级掩码并合并 token，训练加速约 13.9% 且 AudioSet 等精度几乎不变。
- 提出 SpecAugment-Patch Merging，在加位置编码后合并被掩码 patch 对以减 token 数
- AudioSet、ESC-50、Speech Commands V2 上吞吐提升且 mAP/精度变化很小
- 展示简单合并策略可在几乎不损性能下加速 AST 训练
💬LLMP1 顶会EMNLP 2026
CodeTD 用 Code LLM 注意力图的拓扑数据分析，在执行前评估生成代码正确性。
- 首个基于注意力图 TDA 的 Code LLM 执行前正确性评估
- 用拓扑模式量化 prompt 与生成的不匹配
- 多基准、多语言、多模型实验优于近期基线且可跨基准迁移
🎧音频P1 顶会INTERSPEECH 2026
轻量多尺度 SER 架构，深度可分离下采样、SE 通道重标定与时序增强块联合设计。
- 深度卷积下采样在保情感线索同时减小模型与计算
- 集成 SE 块与时序增强感知块强化时序依赖
- 基准数据集上更高精度、更低复杂度与更好跨语料泛化
👁️VLMP1 顶会EMNLP 2026
在 LLaVA 上研究 MLLM 对鸭兔等双稳态图的报告：可被视觉与语言偏置，且多呈单一解释。
- 界定可调制性与 exclusivity 两维并用人造 Visual Anagrams 控记忆混淆
- 行为上与人类一致的视觉/语言操纵效应，响应仍 predominantly exclusive
- 机制上关联竞争 image-token 表示、上下行通路与 object-count 编码
🎨文生图P1 顶会ECCV 2026
用高斯过程回归校正特征缓存偏差，并依后验方差自适应触发全量计算校准。
- 发现全量步与参考轨迹残差局部近似零均值高斯分布
- 提出即插即用 GP-Refiner 与不确定性自适应计算策略
- 与多种 SOTA 缓存方法结合可降算力并改善生成质量
🦾具身智能P1 顶会UIST 2026
Ghost-in-the-Loop 框架对比人与 AI 控制人形语音与表情手势，50 人实验显示短时难以区分。
- 提出支持人与 AI 统一具身控制的遥操作框架 Ghost-in-the-Loop
- 在线实验初步分析主体性判断与自然度、时序协调、多模态一致性的关系
- 为混合人—AI 遥现系统的后续研究提供动机与基线