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

Hierarchical Codec Diffusion for Video-to-Speech Generation

层次编码扩散用于视频到语音生成

Jiaxin Ye, Gaoxiang Cong, Chenhui Wang, Xin-Cheng Wen, Zhaoyang Li, Boyuan Cao, Hongming Shan

机构 * Fudan University（复旦大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

AI总结 本文提出HiCoDiT，利用残差向量量化编码的层次结构，通过低层和高层块生成不同层级的语音令牌，以实现强音频视觉对齐，实验表明其在保真度和表达性上优于基线。

Comments CVPR 2026

LLM attribution analysis across different fine-tuning strategies and model scales for automated code compliance

跨不同微调策略和模型规模的大型语言模型可解释性分析用于自动化代码合规

Jack Wei Lun Shi, Minghao Dang, Wawan Solihin, Justin K. W. Yeoh

机构 * Department of Civil and Environmental Engineering, National University of Singapore（新加坡国立大学土木与环境工程系） ； School of Transportation Science and Engineering, Harbin Institute of Technology（哈尔滨工业大学交通运输科学与工程学院） ； Research and Innovation, NovaCITYNETS Pte.Ltd.（NovaCITYNETS Pte.Ltd.研究与创新部） 纠错

AI总结 本文通过扰动分析比较不同微调策略和模型规模下LLM的可解释行为，发现全微调产生更聚焦的属性模式，且模型规模增大时，LLM发展出优先考虑数值约束和规则标识符的策略，但语义相似度在7B以上模型中趋于平稳。

Comments 8 pages, 9 figures. Accepted at ICCCBE 2026 (International Conference on Computing in Civil and Building Engineering)

When to Trust Tools? Adaptive Tool Trust Calibration For Tool-Integrated Math Reasoning

何时信任工具？用于工具集成数学推理的自适应工具信任校准

Ruotao Xu, Yixin Ji, Yu Luo, Jinpeng Li, Dong Li, Peifeng Li, Juntao Li, Min Zhang

机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Department of Foundation Model, 2012 Labs, Huawei（华为基础模型部门） ； Harbin Institute of Technology, Shenzhen (HITSZ)（哈尔滨工业大学深圳（HITSZ）） 纠错

AI总结 本文提出ATTC框架，通过自适应选择信任或忽略工具结果来解决工具忽略问题，提升推理性能。

Robust Real-Time Coordination of CAVs: A Distributed Optimization Framework under Uncertainty

面向不确定环境的鲁棒实时协同：一种分布式优化框架

Haojie Bai, Tingting Zhang, Cong Guo, Yang Wang, Xiongwei Zhao, Hai Zhu

机构 * School of Electronic and Information Engineering, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）电子与信息工程学院） ； Defense Innovation Institute, Chinese Academy of Military Sciences（中国军事科学院国防创新研究院） 纠错

AI总结 本文提出一种分布式优化框架，通过鲁棒规划、并行ADMM算法和交互注意力机制，提升协同车辆的安全性和实时性能，实验表明在多种场景下碰撞率降低40.79%。

Comments Accept by IEEE TVT

Dynamic Sampling that Adapts: Self-Aware Iterative Data Persistent Optimization for Mathematical Reasoning

动态采样：自适应的自我意识迭代数据持久优化用于数学推理

Jun Rao, Xuebo Liu, Hexuan Deng, Zepeng Lin, Zixiong Yu, Jiansheng Wei, Xiaojun Meng, Min Zhang

机构 * Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳研究院） ； Huawei Large Model Data Technology Lab（华为大模型数据技术实验室） 纠错

AI总结 本文提出SAI-DPO框架，通过动态调整数据分布以适应模型能力变化，提升数学推理效率，实验显示其在多个基准上优于静态方法。

Comments ACL2026 Findings