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

Culture-Aware Machine Translation in Large Language Models: Benchmarking and Investigation

具有文化意识的大型语言模型机器翻译：基准测试与调查

Zekun Yuan, Yangfan Ye, Xiaocheng Feng, Baohang Li, Qichen Hong, Yunfei Lu, Dandan Tu, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Peng Cheng Laboratory（鹏城实验室） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

AI总结 本文提出CanMT数据集和评估框架，系统评估多种LLM在不同翻译策略下的表现，揭示模型在文化翻译中的性能差异及策略影响，指出文化特定项的翻译难度差异及评估可靠性问题。

Comments 26pages,25 figures ACL2026 main conference, long paper

See Further, Think Deeper: Advancing VLM's Reasoning Ability with Low-level Visual Cues and Reflection

看得更远，想得更深：通过低级视觉线索和反思提升VLM的推理能力

Zhiheng Wu, Tong Wang, Shuning Wang, Naiming Liu, Yumeng Zhang

机构 * Baidu Inc.（百度公司） ； Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本文提出ForeSight框架，通过低级视觉线索和有效视觉反馈提升VLM推理能力，构建新数据集CG-SalBench，并验证其在参数规模相同和部分指标上优于现有SOTA模型。

Comments CVPR2026

6thGrid-Net: Unified Remote Sensing Image Dehazing Based on Color Restoration and Edge-Preserving

6thGrid-Net：基于颜色恢复和边缘保留的统一远程传感图像去雾

Runci Bai, Kui Jiang, Xiang Chen, Chen Wu, Dianjie Lu, Guijuan Zhang, Zhuoran Zheng

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Nanjing University of Science and Technology（南京理工大学） ； National University of Defense Technology（国防科技大学） ； Shandong Normal University（山东师范大学） ； Qilu University of Technology（齐鲁工业大学） 纠错

AI总结 本文提出6thGrid-Net，一种高效统一的远程传感图像恢复框架，通过六维融合张量整合3D LUTs的颜色还原能力和双侧网格的空间-亮度细节保留，结合自适应高维采样机制和边缘感知网格平滑约束，实现全局颜色风格化与局部边缘细化，提升去雾效果。

AI Security Beyond Core Domains: Resume Screening as a Case Study of Adversarial Vulnerabilities in Specialized LLM Applications

超越核心领域的人工智能安全：简历筛选作为专门大语言模型应用中对抗性漏洞的案例研究

Honglin Mu, Jinghao Liu, Kaiyang Wan, Rui Xing, Xiuying Chen, Timothy Baldwin, Wanxiang Che

机构 * Research Center for Social Computing and Interactive Robotics（社会计算与交互机器人研究中心） ； Harbin Institute of Technology（哈尔滨工业大学） ； Natural Language Processing Research Department（自然语言处理研究部） ； MBZUAI ； Paul G. Allen School of Computer Science and Engineering（保罗·G·阿伦计算机科学与工程学院） ； University of Washington（华盛顿大学） ； School of Computing and Information Systems（计算与信息系统学院） ； The University of Melbourne（墨尔本大学） 纠错

AI总结 研究探讨了大语言模型在简历筛选中的对抗性漏洞，提出FIDS防御机制，通过实验显示训练时防御优于推理时缓解，有效降低攻击成功率。

S2AM3D: Scale-controllable Part Segmentation of 3D Point Clouds

S2AM3D: 可缩放部分的3D点云分割

Han Su, Tianyu Huang, Zichen Wan, Xiaohe Wu, Wangmeng Zuo

机构 * Harbin Institute of Technology（哈尔滨理工大学） 纠错

AI总结 本文提出S2AM3D，通过结合2D分割先验与3D一致监督，解决3D点云分割中数据稀缺和视图不一致的问题，实现对复杂结构的鲁棒分割。

Comments Accepted by CVPR 2026(Oral). Project page:https://sumuru789.github.io/S2AM3D-website/

Text Tells the Cost: Predicting and Analyzing Repayment Effort of Self-Admitted Technical Debt

文本揭示成本：预测和分析自我承认的技术债务偿还努力

Yikun Li, Mohamed Soliman, Paris Avgeriou, Jie Tan, Jiakun Liu

机构 * Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, University of Groningen（格罗宁根大学数学、计算机科学与人工智能学院） ； Intelligent Game and Decision Lab（智能游戏与决策实验室） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本文通过分析341740个技术债务项，提出PRESTI模型，利用文本信息预测偿还努力，发现不同类型的债务偿还难度差异显著。

Bridging Reasoning and Action: Hybrid LLM-RL Framework for Efficient Cross-Domain Task-Oriented Dialogue

连接推理与行动：一种高效的跨领域任务导向对话混合LLM-RL框架

Yangyang Zhao, Linfan Dai, Li Cai, Bowen Xing, Libo Qin

机构 * School of Computer Science and Technology, Changsha University of Science and Technology（长沙理工大学计算机科学与技术学院） ； School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院） ； Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算与智能研究院） ； University of Science and Technology Beijing（北京科技大学） ； Text Computing and Cognitive Intelligence MOE Engineering Research Center, Guizhou University（贵州大学文字计算与智能认知MOE工程研究中心） 纠错

AI总结 本文提出VLK-RL框架，通过结合LLM生成约束并验证以提升跨领域任务导向对话的推理与行动效率，实验表明其在长周期任务中表现更优。

From Similarity to Structure: Training-free LLM Context Compression with Hybrid Graph Priors

从相似性到结构：基于混合图先验的训练自由LLM上下文压缩

Yitian Zhou, Chaoning Zhang, Jiaquan Zhang, Zhenzhen Huang, Jinyu Guo, Sung-Ho Bae, Lik-Hang Lee, Caiyan Qin, Yang Yang

机构 * School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Department of Computer Science and Engineering, Kyung Hee University（Kyung Hee大学计算机科学与工程系） ； Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University（香港理工大学工业与系统工程系） ； School of Robotics and Advanced Manufacture, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳校区机器人与先进制造学院） 纠错

AI总结 本文提出一种无需训练的上下文压缩框架，利用混合图先验选择句子，通过构建稀疏句子图、提取主题骨架并结合可解释评分进行冗余抑制，实验证明在长文档基准上表现更优。

AIFIND: Artifact-Aware Interpreting Fine-Grained Alignment for Incremental Face Forgery Detection

AIFIND：面向增量面部伪造检测的 artifact 意识细粒度对齐

Hao Wang, Beichen Zhang, Yanpei Gong, Shaoyi Fang, Zhaobo Qi, Yuanrong Xu, Xinyan Liu, Weigang Zhang

机构 * School of Computer Science and Technology, Harbin Institute of Technology, Weihai（哈尔滨工业大学计算机科学与技术学院） 纠错

AI总结 本文提出AIFIND，通过语义锚点稳定增量学习，设计Artifact-Driven Semantic Prior Generator和Artifact-Probe Attention模块，解决增量面部伪造检测中的特征漂移和灾难性遗忘问题。

Comments Accepted by ACM International Conference on Multimedia Retrieval (ICMR 2026)

StructAlign: Structured Cross-Modal Alignment for Continual Text-to-Video Retrieval

StructAlign：结构化跨模态对齐用于连续文本到视频检索

Shaokun Wang, Weili Guan, Jizhou Han, Jianlong Wu, Yupeng Hu, Liqiang Nie

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Xi’an Jiaotong University（西安交通大学） ； Shandong University（山东大学） 纠错

AI总结 本文提出StructAlign，通过结构化跨模态对齐方法解决连续文本到视频检索中的模态错位和特征漂移问题，提升模型持续学习能力。