Harbin Institute of Technology（哈尔滨工业大学）

Learning to Fuse and Reconstruct Multi-View Graphs for Diabetic Retinopathy Grading

学习多视图图融合与重建以进行糖尿病视网膜病变分级

Haoran Li, Yuxin Lin, Huan Wang, Xiaoling Luo, Qi Zhu, Jiahua Shi, Huaming Chen, Bo Du, Johan Barthelemy, Zongyan Xue, Jun Shen, Yong Xu

机构 * Department of Data Science and Artificial Intelligence, Monash University（数据科学与人工智能系，墨尔本大学） ； ARC Centre of Excellence for the Weather of the 21st Century（21世纪天气卓越研究中心） ； School of Computing and Information Technology, University of Wollongong（计算与信息科技学院，沃林戈大学） ； Shenzhen Key Laboratory of Visual Object Detection and Recognition, Harbin Institute of Technology (Shenzhen)（深圳视觉目标检测与识别重点实验室，哈尔滨工业大学（深圳）） ； College of Computer Science and Software Engineering, Shenzhen University（计算机科学与软件工程学院，深圳大学） ； College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（人工智能学院，南京航空航天大学） ； Centre for Nutrition and Food Sciences, The University of Queensland（营养与食品科学中心，昆士兰大学） ； School of Electrical and Computer Engineering, University of Sydney（电气与计算机工程学院，悉尼大学） ； Department of Management, Griffith University（管理学院，格里菲斯大学） ； NVIDIA ； The University of New South Wales（新南威尔士大学） 纠错

AI总结 本文提出MVGFDR框架，通过多视图图融合与重建技术提升糖尿病视网膜病变分级的准确性。

DynamicGTR: Leveraging Graph Topology Representation Preferences to Boost VLM Capabilities on Graph QAs

DynamicGTR: 利用图拓扑表示偏好提升视觉语言模型在图问答中的能力

Yanbin Wei, Jiangyue Yan, Chun Kang, Yang Chen, Hua Liu, James Kwok, Yu Zhang

机构 * Southern University of Science and Technology（南方科技大学） ； Hong Kong University of Science and Technology（香港理工大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Beihang University（北京航空航天大学） 纠错

AI总结 DynamicGTR通过动态选择最优图拓扑表示，提升视觉语言模型在图问答中的零样本性能及跨任务迁移能力。

Comments CVPR 2026

AgentLTV: An Agent-Based Unified Search-and-Evolution Framework for Automated Lifetime Value Prediction

AgentLTV: 一种基于代理的统一搜索与进化框架用于自动化生命周期价值预测

Chaowei Wu, Huazhu Chen, Congde Yuan, Qirui Yang, Guoqing Song, Yue Gao, Li Luo, Frank Youhua Chen, Mengzhuo Guo

机构 * Sichuan University（四川大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Sun Yat-sen University（中山大学） ； City University of Hong Kong（香港城市大学） ； Xiangtan University（湘潭大学） 纠错

AI总结 AgentLTV通过基于代理的统一搜索与进化框架，实现自动化生命周期价值预测，通过MCTS和EA阶段优化模型，提升预测准确性和稳定性。

Comments 12 pages, 4 figures, submitted to KDD 2026: 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining, ADS Track

SciTS: Scientific Time Series Understanding and Generation with LLMs

SciTS: 基于大语言模型的科学时间序列理解与生成

Wen Wu, Ziyang Zhang, Liwei Liu, Xuenan Xu, Jimin Zhuang, Ke Fan, Qitan Lv, Junlin Liu, Chen Zhang, Zheqi Yuan, Siyuan Hou, Tianyi Lin, Kai Chen, Bowen Zhou, Chao Zhang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 SciTS提出了一种基于LLM的科学时间序列理解与生成框架，通过基准测试发现通用LLM在泛化能力上优于专门模型，并引入TimeOmni框架提升性能。

Comments Accepted to ICLR 2026

Simple Yet Effective: Extracting Private Data Across Clients in Federated Fine-Tuning of Large Language Models

简单而有效的：在联邦微调大型语言模型中提取客户端私有数据

Yingqi Hu, Zhuo Zhang, Jingyuan Zhang, Jinghua Wang, Qifan Wang, Lizhen Qu, Zenglin Xu

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Kuaishou Technology（快手科技） ； Meta AI ； Monash University（墨尔本大学） ； Fudan University（复旦大学） ； Shanghai Academy of Artificial Intelligence for Science（上海人工智能科学研究院） 纠错

AI总结 本文提出三种简单有效的方法，用于在联邦微调大型语言模型中提取客户端私有数据，揭示了FedLLMs中的隐私风险并建立了评估框架。

Comments IJCNLP 2025 Findings