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

SegCompass: Exploring Interpretable Alignment with Sparse Autoencoders for Enhanced Reasoning Segmentation

SegCompass: 探索通过稀疏自编码器实现可解释对齐以增强推理分割

Zhenyu Lu, Liupeng Li, Jinpeng Wang, Haoqian Kang, Yan Feng, Ke Chen, Yaowei Wang

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Meituan, Beijing（美团，北京） ； University of Chinese Academy of Sciences（中国科学院大学） ； College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） 纠错

AI总结 本文提出SegCompass，一种通过稀疏自编码器实现可解释对齐的端到端模型，以提升推理分割的性能和可解释性。

Comments Accepted by CVPR 2026. 15 pages, 9 figures, 6 tables

GeoWeaver: Grounding Visual Tokens with Geometric Evidence before Scene Reasoning

GeoWeaver: 在场景推理前通过几何证据 grounding 视觉 token

Deshui Miao, Xingsen Huang, Yameng Gu, Xin Li, Haijun Zhang, Ming-Hsuan Yang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） ； Pazhou Lab (Huangpu)（琶洲实验室（黄埔）） ； Hainan University（海南大学） ； University of California at Merced（加州大学默塞德分校） 纠错

AI总结 本文提出 GeoWeaver，一种在场景推理前通过几何证据对视觉 token 进行 grounding 的框架，以提升空间推理能力并保持多模态能力。

FashionLens: Toward Versatile Fashion Image Retrieval via Task-Adaptive Learning

FashionLens：通过任务自适应学习实现多功能时尚图像检索

Haokun Wen, Xuemeng Song, Xinghao Xie, Xiaolin Chen, Xiangyu Zhao, Weili Guan

机构 * School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院） ； Department of Data Science, City University of Hong Kong（香港城市大学数据科学系） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） ； 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） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 本文提出FashionLens框架，通过任务自适应学习实现多功能时尚图像检索，解决现有方法无法处理多样检索需求的问题。

Tailoring Teaching to Aptitude: Direction-Adaptive Self-Distillation for LLM Reasoning

按能力定制教学：方向自适应自蒸馏用于LLM推理

Hongbin Zhang, Chaozheng Wang, Kehai Chen, Youcheng Pan, Yang Xiang, Jinpeng Wang, Min Zhang

机构 * Institute of Computing and Intelligence, Harbin Institute of Technology（计算智能研究所，哈尔滨工业大学） ； Peng Cheng Laboratory（鹏城实验室） ； Keeta AI, Meituan（Keeta AI，美团） 纠错

AI总结 本文提出方向自适应自蒸馏（DASD），通过熵引导的定向监督改进LLM推理，通过分析发现统一的教师监督导致探索被压制，DASD在六个数学推理基准中取得最佳表现。

Comments Under Review

Skill Weaving: Efficient LLM Improvement via Modular Skillpacks

技能编织：通过模块化技能包实现高效的LLM改进

Zhuo Li, Guodong Du, Zesheng Shi, Weiyang Guo, Weijun Yao, Yuan Zhou, Jiabo Zhang, Jing Li

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； The Hong Kong Polytechnic University（香港理工大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Shanghai Jiaotong University（上海交通大学） 纠错

AI总结 本研究提出SkillWeave框架，通过模块化技能包使LLM在固定内存预算下实现领域专业化，通过SkillZip压缩技术实现高效部署，实验表明其在多任务和代理基准上表现优异，速度提升达4倍。

Comments Accepted by ACL2026

OPERA: An Agent for Image Restoration with End-to-End Joint Planning-Execution Optimization

OPERA: 一种用于图像修复的智能体，通过端到端联合规划-执行优化

Feng Zhu, Shuyang Xie, Yihan Zeng, Ming Liu, Wangmeng Zuo

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

AI总结 该研究提出OPERA框架，通过端到端联合优化修复规划和工具执行，解决图像修复中复杂混合退化问题，优于现有方法和统一模型。

Federated Single-Agent Robotics: Multi-Robot Coordination Without Intra-Robot Multi-Agent Fragmentation

联邦单体机器人：多机器人协调无需机器人内部多代理碎片化

Xue Qin, Simin Luan, John See, Cong Yang, Zhijun Li

机构 * School of Software, Harbin Institute of Technology（哈尔滨工业大学软件学院） ； 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 Mathematical and Computer Sciences, Heriot-Watt University, Malaysia Campus（赫瑞-沃顿大学马来西亚校区数学与计算机科学学院） ； School of Future Science and Engineering, Soochow University（苏州大学未来科学与工程学院） 纠错

AI总结 本文提出了一种联邦单体机器人（FSAR）架构，通过在单体机器人运行时基础上实现多机器人协调，避免了机器人内部的多代理碎片化，提升了协调效率和恢复能力。

Comments 30 pages, 10 figures, 9 tables. Code: https://github.com/s20sc/fsar-fleet-coordination

Learning Without Losing Identity: Capability Evolution for Embodied Agents

无需失去身份的学习：体素代理的能力进化

Xue Qin, Simin Luan, John See, Cong Yang, Zhijun Li

机构 * School of Software, Harbin Institute of Technology（哈尔滨工业大学软件学院） ； 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 Mathematical and Computer Sciences, Heriot-Watt University（赫瑞-沃德大学数学与计算机科学学院） ； School of Future Science and Engineering, Soochow University（苏州大学未来科学与工程学院） 纠错

AI总结 本文提出了一种以能力为中心的体素代理进化范式，通过引入体素能力模块（ECMs）实现持续改进，同时保持代理身份的稳定性，实验表明其在任务成功率和安全性方面优于传统方法。

Comments 12 pages, 2 figures, 7 tables

LABO: LLM-Accelerated Bayesian Optimization through Broad Exploration and Selective Experimentation

LABO: 通过广泛探索和选择性实验实现的LLM加速贝叶斯优化

Zhuo Chen, Xinzhe Yuan, Jianshu Zhang, Jinzong Dong, Ruichen Zhou, Yingchun Niu, Tianhang Zhou, Yu Yang Fredrik Liu, Yuqiang Li, Nanyang Ye, Qinying Gu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械工程学院） ； Institute for Advanced Study in Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学研究所） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； School of Automation, Central South University（中南大学自动化学院） ； College of New Energy and Materials, China University of Petroleum, Beijing（中国石油大学（北京）新能源与材料学院） ； College of Carbon Neutrality Future Technology, China University of Petroleum, Beijing（中国石油大学（北京）碳中和未来技术学院） ； DeepVerse PTE. LTD. 纠错

AI总结 本文提出LABO框架，通过结合LLM预测与实验观测，在贝叶斯优化中实现更高效的样本优化，理论分析和实验结果表明其在科学任务中优于现有方法。

Comments Accepted to ICML 2026

Video as Natural Augmentation: Towards Unified AI-Generated Image and Video Detection

视频作为自然增强：迈向统一的AI生成图像和视频检测

Zhengcen Li, Chenyang Jiang, Liangxu Su, Tong Shao, Shiyang Zhou, Ming Tao, Jingyong Su

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 本研究针对AI生成内容检测中跨模态差距的问题，提出VINA框架，通过联合训练图像和视频数据，利用视频帧作为自然增强，并引入跨模态监督对比目标，实现统一的AI生成内容检测，提升鲁棒性和迁移性。

SplatWeaver: Learning to Allocate Gaussian Primitives for Generalizable Novel View Synthesis

SplatWeaver: 学习分配高斯原语以实现可泛化的新型视角合成

Yecong Wan, Fan Li, Mingwen Shao, Wangmeng Zuo

机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Zhengzhou Advanced Research Institute of Harbin Institute of Technology（哈尔滨工业大学郑州先进研究院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Artificial Intelligence Research Institute, Shenzhen University of Advanced Technology（深圳先进技术大学人工智能研究院） 纠错

AI总结 本文提出SplatWeaver框架，通过动态分配高斯原语实现可泛化的新型视角合成，解决传统方法中固定分配导致的资源浪费和表达不足问题。

Comments Project Page: https://yecongwan.github.io/SplatWeaver/

QKFormer: Hierarchical Spiking Transformer using Q-K Attention

QKFormer: 基于Q-K注意力的分层脉冲变换器

Chenlin Zhou, Han Zhang, Zhaokun Zhou, Liutao Yu, Liwei Huang, Xiaopeng Fan, Li Yuan, Zhengyu Ma, Huihui Zhou, Yonghong Tian

机构 * Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学） 纠错

AI总结 本文提出QKFormer，一种基于Q-K注意力的分层脉冲变换器，通过引入新的脉冲形式Q-K注意力机制、分层结构和灵活的补丁嵌入模块，提升了脉冲神经网络在图像分类任务中的性能，实现了在ImageNet-1K数据集上85.65%的top-1准确率。

Comments Accepted by NeurIPS 2024 (Spotlight). Code and Model: https://github.com/zhouchenlin2096/QKFormer