海外AI社區關注中國AI新變化：360人工智能研究院6篇論文入選2026年AI頂會，探索“精準可控”新方向

入選ICML2026的論文 FG-CLIP 2 聚焦視覺語言模型中的細粒度理解問題。

在人工智能應用中，理解能力是AI進入真實場景的基礎。傳統圖文模型已經能夠完成基本的圖像識別和語義匹配，但面對更加複雜的真實場景時，仍然容易出現理解偏差。例如，“藍色沙發上的貓”和“藍色沙發上的狗”，對於人類而言區別明顯，但對於部分模型來說，可能仍然存在識別困難。

FG-CLIP 2通過增強視覺信息與文本語義之間的細粒度對齊能力，讓模型不僅能夠理解圖像整體內容，還能夠更加準確捕捉局部區域與文本描述之間的對應關系，實現從“看懂大概”到“理解細節”的提升。該研究進一步提升了多模態模型在智能搜索、圖像理解等場景中的精準能力。

AML通過優化視覺區域與語言指令之間的關聯機制，使智能體能夠更加準確識別用戶真正關注的對象，提高複雜環境下的目標定位能力，為未來智能交互和Agent應用提供技術支持。

入選ECCV2026的論文 MoSA則探索了視覺模型自主學習的新方向。

當前主流視覺基礎模型的發展高度依賴人工標注數據，而大規模人工標注不僅成本高，也限制了模型進一步擴展。MoSA提出了一種基於視頻運動信息的自主學習方法，讓AI通過觀察視頻中物體的運動規律，自主學習和理解物體邊界。

該研究利用超過1萬小時無標注視頻數據，自動生成超過2100萬個訓練標簽，全程無需人工參與。這一方法探索了視覺模型從“依賴人工標注學習”向“通過觀察自主形成認知”的新路徑，為未來更大規模、更低成本的AI訓練提供新的技術思路。

隨著生成式AI快速發展，AI生成內容的質量不斷提升，但如何按照用戶需求進行精準控制，成為新的技術挑戰。

入選ICML2026的論文 RevealLayer 聚焦圖像可控編輯問題。

當前生成模型可以生成高質量圖片，但在實際應用中，用戶往往需要對圖片中的特定區域進行調整，例如修改人物、改變局部元素，而不是重新生成整張圖片。

RevealLayer提出了一種新的圖像分層理解方法，將圖像拆解為類似設計軟件中的可編輯圖層，並結合精細化控制能力，實現對不同區域更加精準的編輯。該研究推動生成式AI從“一次生成”向“可編輯、可控制”的方向發展，為設計、營銷、內容生產等場景提供新的技術基礎。

AI技術真正進入產業場景，不僅需要效果提升，也需要兼顧效率和成本。

入選CVPR2026的論文 RefTON 聚焦虛擬試衣領域。

傳統虛擬試衣技術通常需要人體姿態等額外信息支持，在複雜材質、細節紋理還原方面仍存在挑戰。

RefTON提出基於參考圖像引導的方法，在減少輔助輸入的同時，更好保留服裝紋理、材質以及設計細節，提高虛擬試衣結果的真實感。

另一篇入選CVPR 2026的論文 NAMI 則關注高分辨率圖像生成效率問題。

隨著生成模型能力不斷提升，高質量圖像生成通常伴隨著更高計算成本。NAMI提出新的模型架構優化方法，在保證生成質量的同時降低推理開銷，使1024×1024分辨率圖像生成推理效率提升約64%，進一步推動生成式AI向更多實際應用場景拓展。

在持續推進基礎研究創新的同時，360人工智能研究院也積極推動技術成果向產業場景轉化。

目前，部分研究成果已經應用於實際產品。其中，FG-CLIP 2相關技術已應用於360雲盤、億方雲、AI知識庫等產品的智能搜索能力建設，提升海量內容檢索和理解能力；RevealLayer相關技術已在360 SaaS平臺落地，為企業用戶提供更加智能、高效的內容處理能力。

從頂會論文到產品應用，人工智能技術正在經曆從實驗室探索走向產業實踐的重要階段。

未來，隨著AI進一步進入辦公、搜索、內容生產、安全等更多場景，僅具備生成能力已經無法滿足產業需求。如何讓AI更加精準理解、更可靠執行、更穩定運行，將成為推動人工智能規模化應用的重要方向。

360人工智能研究院此次6篇論文入選國際頂級會議，是圍繞人工智能基礎研究和產業應用持續探索的重要成果。面向AI發展的下一階段，360將繼續推動技術創新與產業需求結合，探索讓AI從“能用”走向“精準可用”的更多可能。