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

Bidirectional Curriculum Generation: A Multi-Agent Framework for Data-Efficient Mathematical Reasoning

双向课程生成：一种用于数据高效数学推理的多智能体框架

Boren Hu, Xiao Liu, Boci Peng, Xinping Zhao, Xiaoran Shang, Yun Zhu, Lijun Wu

机构 * Zhejiang University（浙江大学） ； University of Macau（澳门大学） ； Peking University（北京大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Wuhan University（武汉大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

AI总结 本文提出双向课程生成框架，通过多智能体系统动态生成数据以提升数学推理效率，优化学习轨迹并减少训练样本需求。

K-Gen: A Multimodal Language-Conditioned Approach for Interpretable Keypoint-Guided Trajectory Generation

K-Gen：一种多模态语言条件方法用于可解释的关键点引导轨迹生成

Mingxuan Mu, Guo Yang, Lei Chen, Ping Wu, Jianxun Cui

机构 * Harbin Institute of Technology Chongqing Research Inst. of HIT（哈尔滨工业大学重庆研究院） ； Changan Automobile Co., Ltd Chongqing, China（长安汽车有限公司重庆） 纠错

AI总结 K-Gen通过多模态语言模型结合关键点引导方法，提升自动驾驶轨迹生成的可解释性和准确性。

Bootstrapping Exploration with Group-Level Natural Language Feedback in Reinforcement Learning

通过群体层面的自然语言反馈进行探索的强化学习

Lei Huang, Xiang Cheng, Chenxiao Zhao, Guobin Shen, Junjie Yang, Xiaocheng Feng, Yuxuan Gu, Xing Yu, Bing Qin

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

AI总结 GOLF通过整合群体层面的自然语言反馈，提升强化学习的探索效率和样本效率，实现2.2倍的改进。

Progressive Refinement Regulation for Accelerating Diffusion Language Model Decoding

逐步细化调节以加速扩散语言模型解码

Lipeng Wan, Jianhui Gu, Junjie Ma, Jianguo Huang, Shiguang Sun, Siyuan Li, Xuguang Lan

机构 * Department of Artificial Intelligence, Xi'an Jiaotong University（人工智能系，西安交通大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； School of Computer Science and Technology, Harbin Institute of Technology（计算机科学与技术学院，哈尔滨工业大学） 纠错

AI总结 逐步细化调节通过动态控制细化规则提升扩散语言模型解码效率并保持生成质量。

Comments 19 pages, 10 figures, Code available upon publication

Elucidating the Design Space of Arbitrary-Noise-Based Diffusion Models

阐明基于任意噪声的扩散模型的设计空间

Xingyu Qiu, Mengying Yang, Xinghua Ma, Dong Liang, Fanding Li, Gongning Luo, Wei Wang, Kuanquan Wang, Shuo Li

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Case Western Reserve University（凯斯西储大学） 纠错

AI总结 EDA通过扩展噪声模式灵活性并保持模块化，提升图像恢复任务的泛化能力。

Comments 16 pages, 4 figures, accepted by CVPR 2026