高校专区
通过辩证对齐平息代理中的行动者-观察者不对称性
机构 * National University of Singapore（国立新加坡大学） ； Sichuan University（四川大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校） ； University of Oxford（牛津大学）
AI总结 本文提出ReTAS模型，通过辩证对齐方法减少代理中的行动者-观察者不对称性，提升故障解决能力。
Comments ACL 2026 Main Conference. Project page: https://unikcc.github.io/ReTAS/
LiveVLN: 突破视觉语言导航中的停止与前进循环
机构 * Southern University of Science and Technology（南方科技大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Spatialtemporal AI（时空AI）
AI总结 LiveVLN通过增强预训练视觉语言导航器，实现更连续的具身导航，减少等待时间并提升动作可用性，实验证明在真实部署中显著提升执行效率。
Comments 8 pages, 4 figures
CoDA：通过引导式推理的领域适应实现有效的跨领域知识迁移
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室）
AI总结 针对跨领域知识迁移中领域分布偏移问题，CoDA通过轻量适配器和基于特征的知识蒸馏结合MMD分布匹配，有效对齐源域与目标域的潜在推理表示，提升逻辑推理任务性能。
Comments 12 pages, 6 figures
HP-Edit：一种用于图像编辑的人类偏好后训练框架
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Nankai University（南开大学）
AI总结 本文提出HP-Edit框架和RealPref-50K数据集，通过少量人类偏好评分数据和预训练视觉大语言模型开发自动评估器，提升图像编辑模型对人类偏好的契合度。
Comments Accepted by CVPR2026
CulturALL：基于 grounded 任务的 LLM 多语言和多文化能力基准测试
机构 * Alibaba Group（阿里巴巴集团） ； Beijing Language and Culture University（北京语言大学） ； LMU Munich（慕尼黑大学） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； University of Turku（图尔库大学） ； IBM Research AI, UAE（阿联酋IBM人工智能研究） ； MBZUAI ； Harbin Institute of Technology, Shenzhen（深圳哈尔滨工业大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 本文提出 CulturALL 基准测试，评估 LLM 在 grounded 任务中的多语言和多文化能力，包含 14 种语言 51 个地区 16 个主题的 2610 个样本，实验显示最佳 LLM 准确率仅 44.48%。
SAVOIR：通过基于Shapley的奖励归因学习社交能力
机构 * The University of Hong Kong（香港大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 本文提出SAVOIR框架，基于合作博弈理论解决语言代理训练中的信用分配问题，通过预期效用转移和Shapley值实现公平奖励分配，实验显示其在SOTOPIA基准上达到新状态-of-the-art性能。
Comments ACL 2026 Findings
APRVOS：第五届PVUW MeViS-Audio赛道第一名获奖作品
机构 * Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of California at Merced（加州大学默塞德分校）
AI总结 本文提出针对MeViS_Audio任务的音频感知视频目标分割框架，通过语音转录和视觉存在验证提升分割精度，结合Sa2VA和SAM3实现粗分割与精修，分阶段处理音频到视频分割问题。
捕捉每一个涟漪：通过动态概念适应提升异常意识
机构 * School of Automation and the National Key Laboratory of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology（自动化学院和自主智能无人系统国家重点实验室，北京理工大学） ； School of Computing, National University of Singapore（computing 学院，新加坡国立大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Digital Media Computing & Design Lab, Zhejiang University（数字媒体计算与设计实验室，浙江大学）
AI总结 本文提出DyMETER框架，通过动态概念适应机制提升在线异常检测的适应性与效率，采用超网络生成实例感知参数位移，并引入轻量级进化控制器和动态阈值优化模块以实现鲁棒和可解释的适应。
Comments Accepted by IEEE TPAMI
从逐字到概要：基于语义信息瓶颈的金字塔多模态记忆压缩用于长视界视频智能体
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳校区） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出MM-Mem架构，通过金字塔多模态记忆压缩，结合语义信息瓶颈目标，实现长视界视频理解中的高效记忆组织与任务相关信息保留。
Comments Accepted by ACL 2026 Main. 17 pages, 7 figures, 8 tables. TL;DR: We propose MM-Mem, a cognition-inspired, dual-trace hierarchical memory framework for long-horizon video understanding grounded in Fuzzy-Trace Theory. It features adaptive memory compression via the Information Bottleneck and employs an entropy-driven top-down retrieval to access fine-grained details only when necessary
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈