Video-ToC: Video Tree-of-Cue Reasoning
Video-ToC: 视频树状提示推理
机构 * Harbin Institute of Technology（哈尔滨工业大学）
AI总结 Video-ToC通过树状提示推理框架提升视频理解，引入三创新：树引导视觉提示定位、需求驱动奖励机制和自动化标注流程，验证其在视频理解与幻觉检测中的优越性。
高校专区
Harbin Institute of Technology（哈尔滨工业大学）
VTouch++: A Multimodal Dataset with Vision-Based Tactile Enhancement for Bimanual Manipulation
VTouch++：一个用于双臂操作的多模态数据集，具有基于视觉的触觉增强
机构 * Humanoid Robot (Shanghai) Co., Ltd.（人形机器人（上海）有限公司） ； Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（上海智能自主系统研究院，同济大学） ； School of Astronautics, Harbin Institute of Technology（航天学院，哈尔滨工程大学）
AI总结 本文提出VTouch++数据集，通过视觉触觉传感提供高保真的物理交互信号，采用矩阵式任务设计实现系统学习，并利用自动化数据采集管道确保可扩展性，通过跨模态检索和真实机器人评估验证其有效性。
ConeSep: Cone-based Robust Noise-Unlearning Compositional Network for Composed Image Retrieval
ConeSep: 基于锥的鲁棒噪声-反学习组合网络用于组合图像检索
机构 * Shandong University（山东大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 本文针对组合图像检索中噪声三元组对应问题，提出ConeSep网络，解决模态抑制、负锚缺乏和反学习反作用三大挑战，通过几何保真量化、负边界学习和边界基于的目标反学习方法，提升检索性能。
Comments Accepted by CVPR 2026
Formalising the Logit Shift Induced by LoRA: A Technical Note
对LoRA引起的对数几率偏移进行形式化：技术说明
机构 * Imperial College London（帝国学院伦敦） ； Harbin Institute of Technology（哈尔滨工业大学） ； KigLand Machine Learning Lab（KigLand机器学习实验室）
AI总结 本文首次形式化LoRA引起的对数几率偏移及事实边际变化，通过一阶Fréchet近似证明多层LoRA效应可分解为层间贡献的线性求和及高阶余项。
Comments 7 pages, technical note
Less Languages, Less Tokens: An Efficient Unified Logic Cross-lingual Chain-of-Thought Reasoning Framework
少语言，少令牌：一种高效的统一逻辑跨语言推理框架
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Central South University（中南大学） ； Text Computing and Cognitive Intelligence Ministry of Education Engineering Research Center, Guizhou University（贵州省教育厅Text Computing and Cognitive Intelligence工程研究中心，贵州大学） ； University of Science and Technology Beijing（北京科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出UL-XCoT框架，通过减少语言和令牌数量提升跨语言推理效率，实验证明在多语言任务中准确率高且令牌成本降低超50%。
Comments Accepted by ACL2026 Main
PR-CAD: Progressive Refinement for Unified Controllable and Faithful Text-to-CAD Generation with Large Language Models
PR-CAD：基于大语言模型的统一可控且忠实的文本到CAD生成的渐进式细化
机构 * School of Information Science, Beijing Language and Culture University, China（北京语言大学信息学院） ； School of Computer Science and Technology, Beijing Jiaotong University, China（北京交通大学计算机科学与技术学院） ； School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Tsinghua University, China（清华大学计算机科学与技术系） ； School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen), China（哈尔滨工业大学（深圳）计算机科学与技术学院）
AI总结 PR-CAD通过统一生成与编辑任务，提升文本到CAD生成的可控性和忠实性，采用高保真交互数据集和强化学习框架，实现设计创建与细化的一体化解决方案。
TTKV: Temporal-Tiered KV Cache for Long-Context LLM Inference
TTKV：面向长上下文LLM推理的时序分层KV缓存
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Guangzhou University（广州大学）
AI总结 TTKV通过时序分层缓存框架优化KV存储，利用HBM和DRAM解耦快慢存储，根据时间接近性分配KV状态，减少跨层通信开销，提升推理效率。
The Tool-Overuse Illusion: Why Does LLM Prefer External Tools over Internal Knowledge?
工具过度使用错觉：为什么大语言模型更倾向于使用外部工具而非内部知识？
机构 * Harbin Institute of Technology, SCIR（哈尔滨理工大学SCIR研究所） ； Peking University（北京大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 本文揭示大语言模型在推理中普遍存在工具过度使用现象，通过分析内部知识可用性区域，提出知识感知边界对齐策略，减少工具使用82.8%，并发现仅以结果奖励会鼓励工具过度使用，通过平衡奖励信号可减少66.7%的无用工具调用。
Comments 17 pages, 9 figures
Enhancing Agentic Textual Graph Retrieval with Synthetic Stepwise Supervision
通过合成的分步监督增强代理文本图检索
机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； Peking University（北京大学） ； School of Information, Renmin University of China（中国人民大学信息学院） ； Harbin Institute of Technology（哈尔滨工业大学） ； North China Electric Power University（华北电力大学） ； GDS Holdings Limited（GDS控股有限公司）
AI总结 本文提出一种基于LLM的文本图检索框架，通过合成分步监督优化检索过程，提升复杂图基问答任务的准确性和F1分数。
Unlock the Potential of Large Language Models for Predictive Tabular Tasks in Data Science with Table-Specific Pretraining
解锁大型语言模型在数据科学中预测表格任务的潜力：通过表格特定预训练
机构 * Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） ； School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） ； Department of Information Systems and Management Engineering, Southern University of Science and Technology（南方科技大学信息 systems 和管理工程系）
AI总结 本文通过表格特定预训练方法提升LLM在表格预测任务中的表现，验证了定制化训练对提升表格智能的有效性。
Comments 10 pages; Accepted by TKDE
OMIBench: Benchmarking Olympiad-Level Multi-Image Reasoning in Large Vision-Language Model
OMIBench：用于大型视觉-语言模型在奥林匹克级多图像推理中的基准测试
机构 * Research Center for Social Computing and Interactive Robotics（社会计算与交互机器人研究室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Central South University（中南大学） ； Fudan University（复旦大学） ； The University of Hong Kong（香港大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Text Computing and Cognitive Intelligence Ministry of Education Engineering Research Center（教育部文本计算与认知智能工程研究中心） ； Guizhou University（贵州大学）
AI总结 OMIBench旨在评估多图像推理能力，包含生物、化学、数学和物理奥林匹克问题，提供精确和语义答案匹配的评估协议，实验显示现有模型性能存在显著差距。
Comments ACL 2026 Camera Ready
Amodal SAM: A Unified Amodal Segmentation Framework with Generalization
多模态SAM：一种统一的多模态分割框架与泛化能力
机构 * Department of Computer Science, Harbin Institute of Technology at Shenzhen（哈尔滨工业大学（深圳）计算机科学部） ； Kuaishou Technology（快手科技）
AI总结 本文提出Amodal SAM，一种结合SAM模型的多模态分割框架，通过轻量级空间完成适配器、目标感知遮挡合成和新学习目标，实现多模态分割的泛化能力。
