高校专区
CPC-VAR：视觉自回归模型中的持续个性化与组合生成
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peng Cheng Laboratory（鹏城实验室） ； South China University of Technology（华南理工大学）
AI总结 本文研究了视觉自回归模型中的持续个性化生成问题，提出了一种统一框架，通过梯度基概念神经元选择和上下文感知组合策略，解决了连续单概念学习和多概念合成中的关键挑战，提升了长序列持续个性化和多概念图像合成的性能。
UniRefiner: 通过对比注册教会预训练ViTs自我处理杂质
机构 * Xi’an Jiaotong University, School of Software Engineering（西安交通大学软件工程学院） ； 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）） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本文提出UniRefiner，一种通用 refinement 框架，通过对比注册方法教会预训练 ViT 自动处理空间敏感任务中的杂质 token，提升模型在密集预测任务中的表现。
Comments CVPR 2026
基于扩散后验采样的图结构数据非线性反问题求解方法及其在电阻抗断层成像中的应用
机构 * MaLGa Center, Department of Mathematics, University of Genova（马尔加中心，数学系，热那亚大学） ； Department of Mathematics, University of Bologna（数学系，博洛尼亚大学） ； Department of Mathematics, Harbin Institute of Technology（数学系，哈尔滨工业大学）
AI总结 本文提出了一种扩展扩散后验采样（DPS）到图结构数据的框架，通过在二维三角网格上开发无条件分数基于扩散模型来学习物理解空间的准确先验，并引入正则化变体RDPS，结合总变差和广义Tikhonov等显式正则化项，以缓解严重病态问题，实验表明RDPS在合成和真实2D EIT数据集上产生稳定且物理合理的重建。
CaptchaMind: 通过强化学习与显式推理监督训练CAPTCHA求解器
机构 * Alibaba Group（阿里巴巴集团） ； 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））
AI总结 本文提出CaptchaMind，一种基于强化学习的CAPTCHA求解器，通过显式推理监督训练，实现了82.9%的平均成功率，显著优于现有方法。
Comments 17 pages, 12 figures
EventPrune: 用于高效第一人称动态空间推理的级联事件辅助标记修剪
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出Event Cascade Pruning (ECP)，一种无需训练的框架，利用事件相机的高频运动线索作为连续事件引导的运动先验，指导标记选择，从而在第一人称动态空间推理中实现高效的标记修剪，提升推理速度和减少计算量。
超越航点：双热图接地用于跨具身语义导航
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； JD AI Research（京东人工智能研究院）
AI总结 本文提出一种统一的视觉-语言框架，通过双热图表示替代单点回归，以解决语义指令与物理可达性之间的差距，从而提升跨具身语义导航的鲁棒性和性能。
通过有向图建模实现冲突容忍的多智能体推理
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 本文提出SIGMA框架，通过有向图建模显式捕捉智能体间的信任、冲突和中性关系，以提升多智能体系统的推理能力和冲突容忍性。
Prompt2Fingerprint: 通过文本到权重生成实现即插即用的LLM指纹生成
机构 * Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院，中国深圳） ； South China University of Technology, Guangzhou, China（华南理工大学，中国广州） ； Harbin Institute of Technology, Shenzhen, Shenzhen, China（哈尔滨工业大学深圳校区，中国深圳）
AI总结 本文提出Prompt2Fingerprint框架，将LLM指纹生成重新定义为条件参数生成任务，通过专用生成器将文本描述直接映射到低秩参数增量，实现无需进一步模型微调的即插即用LLM指纹注入，显著降低计算开销，提供可扩展且即时的LLM所有权管理解决方案。
C-ReD：一个源自真实世界提示的综合性中文AI生成文本检测基准
机构 * Tsinghua University（清华大学） ； Nankai University（南开大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Shannon InfoTech
AI总结 本文提出C-ReD基准，用于检测AI生成的中文文本，通过解决模型多样性、领域覆盖和提示真实性等关键问题，提升检测性能和泛化能力。
Comments ACL 2026 Findings
通过头部随机探测实现快速且轻量的后门检测
机构 * College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院） ； School of Cybersecurity, Northwestern Polytechnical University（西北工业大学网络安全学院） ； Shenzhen Research Institute of Northwestern Polytechnical University（西北工业大学深圳研究院） ； 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）
AI总结 本文提出HTell，一种基于头部随机探测的快速且轻量的数据无关后门检测器，通过分析模型预测头部在随机潜在探测下的响应统计，实现高效准确的后门检测。
轻量且快速的后门模型检测
机构 * College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院） ； Shenzhen Research Institute of Northwestern Polytechnical University（西北工业大学深圳研究院） ； School of Software, Northwestern Polytechnical University（西北工业大学软件学院） ； 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） ； School of Cybersecurity, Northwestern Polytechnical University（西北工业大学网络安全学院）
AI总结 本文提出DFBScanner，一种轻量级静态参数检查框架，用于快速检测后门。通过分析后门诱导的特征扰动在最终分类层引起的异常参数更新，实现高效且攻击无关的检测。
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