热烈祝贺易小泉、李森垚、胡卓琦同学的3篇论文被ACM MM 2026录用！
实验室博士生易小泉同学的论文《CLASP: Identifying Social LLM-Generated Posts via Causal Generative Asymmetry》被 ACM MM 2026 正式录用。该论文在王号召、李玉华、李瑞轩老师的指导下完成。论文聚焦于社交媒体场景下大语言模型生成多模态内容检测这一前沿问题，针对当前检测方法主要依赖单模态统计特征或图文表层语义相关性，难以应对新一代生成模型带来的高度逼真内容的问题，提出了一种基于因果生成不对称性的检测范式。现有多模态检测方法通常关注图像与文本之间的表观一致性，而现代大语言模型和扩散模型已经能够生成高度匹配的图文内容，使传统基于语义对齐的方法容易受到对齐幻觉的影响。通过分析人类与大语言模型在多模态内容生成过程中的内在差异，人类社交媒体内容通常由潜在的人类意图共同驱动图像与文本生成，二者之间倾向于形成互补关系；而大语言模型生成内容通常受到显式提示词的直接控制，文本往往成为对视觉内容的重复描述，表现出显著的因果冗余特征。基于这一发现，论文首次提出并系统刻画了因果生成不对称性现象，为识别人工智能生成内容提供了新的理论视角。针对上述问题，论文提出了一种新的多模态检测框架 CLASP。该方法利用视觉语言模型提取深层图文表示，并设计子空间投影机制，将文本表示进一步解耦为视觉冗余子空间与正交潜在意图子空间。其中，视觉冗余部分用于刻画由提示词驱动的确定性表达，而正交子空间用于捕获人类表达中独立于视觉内容的潜在语义信息。同时，论文引入冯诺依曼谱熵衡量正交空间中的结构差异，并结合潜在排序约束优化模型，使检测模型能够从生成机制层面区分人类内容与大语言模型生成内容。大量实验结果表明，CLASP 在多个真实社交媒体数据集和大语言模型生成数据集上均取得了优异性能。
论文信息如下：
Xiaoquan Yi, Haozhao Wang, TangShunYao, Yichen Li, Wenchao Xu, Yuhua Li, Ruixuan Li.CLASP: Identifying Social LLM-Generated Posts via Causal Generative Asymmetry. The 34th ACM International Conference on Multimedia (ACM MM 2026), Rio de Janeiro, Brazil, November 10–14, 2026.
实验室博士生李森垚同学和左智刚同学的论文《Administrative Decentralization in Edge-Cloud Multi-Agent for Mobile Automation》被 ACM MM 2026 正式录用。该论文在李瑞轩、王号召老师的指导下完成。论文聚焦于端云协同移动agent中的任务规划与执行问题。现有的云端逐步决策方法能够结合实时执行反馈持续调整计划，虽然具有较强的推理能力，但需要频繁传输界面信息并多轮调用云端大模型，带来较高的通信延迟、计算成本与隐私风险；一次性规划方法能够减少云端交互，但通常将端侧智能体视为被动执行器，难以根据动态 UI 状态自主调整，导致预生成计划容易因界面变化而失效。针对这一问题，论文提出基于管理去中心化的端云多agent框架 AdecPilot，将高层战略设计与底层战术执行解耦，由云端生成与具体界面无关的抽象任务里程碑，并通过视觉编排器与文本执行器组成的端侧双模态团队，结合实时界面信息自主完成局部规划、动作执行与错误修正；同时设计分层隐式终止机制，使系统能够准确判断任务完成状态，减少轻量模型的完成后幻觉。实验结果表明，AdecPilot 在 AndroidWorld 和 AndroidLab 等基准上取得了优异性能，在动态界面与弱网络环境中展现出良好的适应能力，在任务成功率、通信效率、推理延迟与隐私保护等方面实现了更优的综合表现。
论文信息如下：
Senyao Li, Zhigang Zuo, Haozhao Wang, Zhanbo Jin, Junyu Chen, Wenchao Xu, Ruixuan Li. Administrative Decentralization in Edge-Cloud Multi-Agent for Mobile Automation. The 34th ACM International Conference on Multimedia（ACM MM 2026), Rio de Janeiro, Brazil, November 10–14, 2026.
实验室博士生胡卓琦同学和李世伟同学的论文《ARTS: Autoregressive Tool Selection via Graph Neural Networks》被 ACM MM 2026 正式录用。该论文在李瑞轩、王号召老师的指导下完成。论文聚焦于工具增强型大语言模型智能体中的工具选择问题。现有的一次性选择方法通常独立计算查询与候选工具的相关性，虽然轻量高效，但难以刻画工具之间的依赖与互补关系；基于大语言模型的序列决策方法能够结合已选工具逐步完成选择，但需要多轮调用大模型，推理成本较高。针对这一问题，论文提出基于图神经网络的自回归工具选择框架 ARTS，通过工具历史共现信息构建关系图，联合建模查询—工具相关性与工具—工具交互关系，以轻量化方式实现序列决策；同时设计状态注入和自适应停止机制，使模型能够感知选择历史并动态确定工具数量。实验结果表明，ARTS 在 ToolBench 和 ToolRet 等数据集上取得了优异性能，在复杂的跨类别多工具组合场景中兼具较高的选择准确率与推理效率。
论文信息如下：
Zhuoqi Hu, Shiwei Li, Haozhao Wang, Xing Tang, Cheng Wang, Xiandi Luo, Yihao Ouyang, Yichen Li, Xiuqiang He, Ruixuan Li. ARTS: Autoregressive Tool Selection via Graph Neural Networks. The 34th ACM International Conference on Multimedia(ACM MM 2026), Rio de Janeiro, Brazil, November 10–14, 2026.
ACM MM 是多媒体领域规模最大、影响力最高的国际学术会议之一，长期关注多媒体计算、计算机视觉、自然语言处理和人工智能等交叉方向，被中国计算机学会（CCF）列为 A 类国际学术会议，在国际学术界具有广泛影响力和高度认可度。
在此，我们向易小泉、李森垚、胡卓琦同学以及论文全体作者和指导教师表示热烈祝贺！
