高校专区
LVLMs中的词汇劫持：通过排除惰性标记来揭示关键注意力头以缓解幻觉
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文通过分析LVLMs的注意力机制，揭示了词汇劫持现象，提出HABI方法定位惰性标记，并引入NHAR指标评估其影响，最终提出HAVAE方法增强关键注意力头以减少幻觉。
Comments Accepted by ACL 2026 Main
EGL-SCA：图推理代理中协同指令与工具的结构信用分配
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Peng Cheng Laboratory（鹏城实验室） ； School of Computer Science and Technology（计算机科学与技术学院）
AI总结 本文提出EGL-SCA框架，通过结构信用分配机制协同优化指令与工具，提升图推理代理的结构正确性与执行效率，实验显示其在四个基准测试中达到92.0%的平均成功率。
AGoQ：激活与梯度量化用于低内存分布式训练大语言模型
机构 * School of Computer Science（计算机科学学院） ； Technology, Harbin Institute of Technology, Shenzhen（技术学院，哈尔滨工业大学，深圳） ； Huawei Technologies Ltd（华为技术有限公司）
AI总结 AGoQ通过层感知激活量化和梯度量化技术，实现近4位激活存储和8位梯度存储，降低内存使用并提升训练速度，实验表明在不同规模LLM上内存减少达52%，训练速度提升1.34倍。
覆盖差距：基于超网络的即时LLM适应中知识冲突失败的幅度解释
机构 * Harbin Institute of Technology（哈尔滨工程大学） ； Imperial College London（伦敦帝国理工学院） ； KigLand Machine Learning Lab（KigLand机器学习实验室）
AI总结 研究揭示超网络方法在知识冲突中的失败源于幅度问题，通过选择性层提升和意识冲突内部化技术，显著提升深度冲突准确性，同时保持新知识召回。
Comments 35 pages, 15 figures v2: minor layout fixes and author list update
SCORP：具有稳定在线强化学习后训练的场景一致多智能体扩散规划用于协作驾驶
机构 * School of Information Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）信息科学与技术学院） ； Middle East Technology University (METU)（中东技术大学） ； Robotics and Autonomous Systems Thrust, Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统方向） ； School of Computer Science and Technology, Qinghai University（青海大学计算机科学与技术学院）
AI总结 SCORP通过场景条件多智能体去噪架构和两层马尔可夫决策过程提升多智能体协作驾驶的场景一致性和效率，实验表明其在安全性和效率指标上优于现有基线方法。
通过变分正则化进行机器人操作的信息过滤
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出变分正则化方法，通过在U-Net和DiT中随机掩码骨干特征或跳过中间层，减少中间特征中的无关噪声，提升机器人操作性能。
HPGN: 压缩低光照图像增强的混合先验引导网络
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 本文提出HPGN网络，通过整合压缩和照明先验信息，有效提升压缩低光照图像质量，采用JPEG质量因子和DCT量化矩阵设计高效模块，并通过随机QF生成策略实现多压缩级别增强。
Comments 5 pages, 3 figures
通过二元反馈个性化大语言模型：一种偏好校正的优化框架
机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出C-BPO框架，通过偏好校正的二元信号实现LLM个性化，解决用户间差异问题，实验表明其在多种任务中优于基线方法。
Comments Accepted by ACL 2026 Main
Urban-ImageNet: 一个大规模多模态数据集和用于城市空间感知的评估框架
机构 * University of Auckland（奥克兰大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Stanford University（斯坦福大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 本文提出Urban-ImageNet，一个用于评估城市空间感知的多模态数据集和基准，包含2019-2025年间中国24个城市61个地点的200万张社交媒体图像及文本。通过HUSIC框架定义10类城市理论基础分类，支持城市场景分类、跨模态检索和实例分割三个任务。
基于双自适应加权的团队自博弈：用于微调大语言模型
机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院）
AI总结 本文提出TPAW算法，通过团队协作与竞争机制提升自监督下LLM对齐效果，采用双自适应加权机制提高优化效率，实验证明其在多种模型和基准测试中表现优异。
Comments Accepted by ACL 2026 Main
双曲蒸馏：几何引导的跨模态迁移用于稳健的3D物体检测
机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Suzhou Research Institute of HIT（哈尔滨工业大学苏州研究院） ； PengChengLab（鹏城实验室）
AI总结 本文提出HGC-Det方法，通过双曲约束跨模态蒸馏提升3D物体检测的鲁棒性，结合图像分支和点云分支，利用双曲几何特性缓解语义损失，实验表明在多个数据集上平衡了检测精度与计算成本。
Comments Current version has been subbmitted to IEEE Transactions on Multimedia. Now, this manuscript's status is Under Review
通过内在足迹目标解混实现FW-LiDAR点云中的子足迹效应校正
机构 * School of Electronics and Information Engineering, Harbin Institute of Technology（哈尔滨工业大学电子与信息工程学院）
AI总结 本文提出基于物理的框架，通过显式解混处理FW-LiDAR点云中的子足迹效应，利用时空激光束分布模型和辅助信息解混，提升异质目标语义分离和同质目标强度一致性。
Comments 11 pages,7 figures
双路径超先验信息引导的深度展开网络用于图像压缩感知
机构 * Harbin Institute of Technology（哈尔滨理工大学）
AI总结 本文提出双路径超先验信息引导的深度展开网络，通过双路径架构解决单一测量流和统一处理的问题，利用超先验知识提升压缩感知重建性能。
通过角色视角：解决多模态角色扮演代理中的模态-角色干扰
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Shenzhen Loop Area Institute (SLAI)（深圳环城院）
AI总结 本文提出CAVI框架，通过角色视角减少多模态角色扮演代理中的模态-角色干扰，提升角色一致的多模态交互。
无参与的感知：LMMs中因果发现缺陷的剖析
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Pengcheng Laboratory（鹏城实验室） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； Harvard University（哈佛大学）
AI总结 本文探讨了大型多模态模型在因果发现中的缺陷，提出ProCauEval评估协议和ADPO框架，通过扰动分析揭示模型在视觉和文本模态间的依赖关系，提升视觉推理能力。
Comments 17 pages, 5 figures
RePO-VLA：面向视觉-语言-动作模型的恢复驱动策略优化
机构 * Sun Yat-sen University（中山大学） ； South China University of Technology（华南理工大学） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
AI总结 本文提出RePO-VLA框架，通过恢复驱动策略优化提升视觉-语言-动作模型在长时程接触丰富操作中的鲁棒性，通过恢复意识初始化、进度感知语义价值函数和价值条件细化等方法，提高对抗成功率。
超越启发法：用于3D高斯点云的可学习密度控制
机构 * Pengcheng Laboratory, Shenzhen（鹏城实验室，深圳） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学，深圳）
AI总结 本文提出LeGS框架，通过强化学习优化密度控制策略，提升3DGS在复杂场景中的重建质量和效率。
Comments 9 pages, 5 figures
探索AI服从性：为何生成纯色图像比CyberPunk更困难
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； City University of Hong Kong（城市大学） ； Chinese University of Hong Kong（香港中文大学） ； McGill University（麦吉尔大学）
AI总结 研究探讨生成纯色图像的困难源于模型在复杂场景生成中的系统性失败，提出AI服从性框架和Violin基准测试，揭示闭源模型在确定性精度上的优势。
现在你看到了那一切：从原始像素学习端到端的人形 locomotion
机构 * Harbin Institute of Technology（哈尔滨工程大学） ； HONOR Robotics Team（HONOR机器人团队）
AI总结 本文提出端到端人形运动框架，通过高保真深度传感器模拟和视觉感知行为蒸馏，解决仿真到现实转移和地形适应问题，展示在不同人形平台上稳健性能。
SAID: 通过前缀探测实现大型语言模型的安全意识意图防御
机构 * Shenzhen Key Laboratory of Visual Object Detection and Recognition, Harbin Institute of Technology, Harbin Institute of Technology, Shenzhen, Shenzhen, China（深圳视觉目标检测与识别重点实验室，哈尔滨工业大学，哈尔滨工业大学，深圳，深圳，中国）
AI总结 本文提出SAID框架，通过意图层面的安全探测实现无训练的对抗防御，通过核心意图提炼和安全前缀探测减少有害响应，同时保持良性任务的实用性。
Comments 12 pages, 5 figures. V2: Updated title, author list, and extensive experiments; expanded background on LLM security applications
PPU-Bench: 用于视觉语言模型个性化部分遗忘的现实世界基准
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Pengcheng Laboratory（鹏城实验室） ； The Hong Kong Polytechnic University（香港理工大学） ； Sichuan University（四川大学） ； Zhejiang Normal University（浙江师范大学）
AI总结 本文提出PPU-Bench，一个无需微调的现实世界基准，用于评估视觉语言模型中个性化部分遗忘的效果，通过24K多模态和单模态样本测试遗忘与保留的平衡及跨模态一致性。
S2FT：稀疏谱域中的参数高效微调
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； ShenZhen SiFar Co., Ltd.（深圳思法科技有限公司） ； Bilibili. Inc（哔哩哔哩公司） ； Shenzhen University（深圳大学）
AI总结 本文提出S2FT方法，通过在稀疏谱域中微调少量频谱系数，解决传统频谱微调中频谱不稀疏的问题，实验表明其仅使用0.08%的训练参数即可取得优异性能。
Comments Accepted by CVPR 2026
去中心化异构多机器人协作探索室内和室外3D环境
机构 * College of Artificial Intelligence, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）人工智能学院） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系）
AI总结 本文提出去中心化协作框架，通过改进的监督体素分割和遗传算法优化，实现异构多机器人在复杂3D环境中的高效探索与通信节约。
指令锚点：解构模态仲裁的机理动态
机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室）
AI总结 本文通过信息流视角研究模态跟随机制，揭示指令令牌作为模态仲裁的结构锚点，浅层注意力层负责多模态信息聚合，深层注意力层则根据指令意图选择性强化子空间，实验验证了注意力头的特定功能。
Comments Modality Following
LoRA-FA：高效且有效的低秩表示微调
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Hong Kong University of Science and Technology（香港科技大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 本文提出LoRA-FA，通过冻结投影下矩阵A并训练投影上矩阵B，有效提升低秩适应性能，同时减少计算和内存开销。
WebTrap: 隐秘的中任务劫持攻击浏览器代理在导航过程中的行为
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； City University of Hong Kong（香港城市大学） ； City University of Macau（澳门城市大学）
AI总结 WebTrap通过多步骤指令融合引导实现浏览器代理在导航任务中的隐秘劫持，提升攻击成功率同时保持系统可用性。
Comments 31 pages, 4 figures, 10 tables. Code: https://github.com/liuyaojialiuyaojia/WebTrap
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