高校专区
CultureForest：理解与评估大语言模型中的文化规范推理
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； The University of Hong Kong（香港大学） ； Harvard University（哈佛大学）
AI总结 为弥补现有研究仅将文化智能视为知识获取问题而忽视实际场景应用的不足，提出CultureForest基准，通过基于原子规范的推理任务评估模型，发现顶级模型在开放式生成中性能大幅下降，并揭示推理能力瓶颈。
无监督协作域自适应用于驾驶场景解析
机构 * College of Electronic and Information Engineering, Tongji University（同济大学电子与信息学院） ； Department of Control Science and Engineering, Harbin Institute of Technology（控制科学与工程系，哈尔滨工业大学） ； Department of Vehicle Control System and Software Development, NIO（车辆控制系统与软件开发部，蔚来汽车） ； School of Computer Science and Technology, Tongji University（计算机科学与技术学院，同济大学） ； Key Laboratory of Embedded System and Service Computing (Ministry of Education), Tongji University（嵌入式系统与服务计算重点实验室（教育部），同济大学）
AI总结 提出无监督协作域自适应框架UCDA，通过多源模型协作优化和知识蒸馏，在无源数据条件下提升目标域驾驶场景解析的鲁棒性和泛化能力。
Trans2Occ: 从仿真到现实的透明物体体素占用估计与抓取
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； SUSTech（南方科技大学） ； CUHK（香港中文大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Oxford（牛津大学） ； Beihang University（北京航空航天大学） ； Nanyang Technological University（南洋理工大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出基于单视图RGB输入的体素占用预测框架，结合仿真数据生成与规则抓取策略，实现透明物体的鲁棒3D感知与操作。
EvoCut：面向高效大型视觉语言模型的多层演化感知视觉标记压缩
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Xiaohongshu（小红书） ； Fudan University（复旦大学）
AI总结 提出一种无需训练和注意力的视觉标记压缩方法EvoCut，通过分析多层演化偏差估计标记重要性，在LLaVA-1.5-7B上仅保留11.1%的视觉标记即可保持94.4%的平均性能。
Comments Preprint. 12 pages, 6 figures, 7 tables
S2M-Trek: 从单球到多球运输：基于轮腿机器人的逐帧深度集方法
机构 * School of Mechanical Science and Engineering, Huazhong University of Science and Technology（华中科技大学机械科学与工程学院） ； School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院）
AI总结 针对轮腿四足机器人背部同时运输多个自由滚动球体的动态操作问题，提出逐帧深度集（PFDS）编码器，通过逐帧置换不变池化解决历史拼接编码器的置换对称性不匹配，实现五球100%无掉落运输。
脑图谱引导的生成式反事实注意力用于基于多模态连接组的可解释认知衰退诊断
机构 * Department of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术系） ； School of Intelligence Science and Engineering, College of Artificial Intelligence, Harbin Institute of Technology（哈尔滨工业大学智能科学与工程学院） ； School of Biomedical Engineering, National-Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical, Measurements and Ultrasound Imaging, Shenzhen University Medical School, Shenzhen University（深圳大学医学院生物医学工程学院、医学超声关键技术工程实验室、广东省生物医学测量与超声成像重点实验室）
AI总结 提出一种脑图谱知识引导的生成式反事实注意力网络（GCAN），通过将诊断建模为源到目标的反事实生成问题，利用多模态连接组实现可解释的认知衰退诊断。
连接点：长时对话中的反思性记忆基准测试
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Hong Kong Polytechnic University（香港理工大学） ； Fudan University（复旦大学） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 针对现有基准无法衡量从碎片化多模态线索合成高层解释的反思性记忆问题，提出RefMem-Bench基准和REMIND层次框架，通过渐进式证据感知、定位和抽象提升模型反思性记忆能力。
Comments 9 pages, 6 figures
部分公平意识：面向策略代理的信念引导策略机制
机构 * National University of Defense Technology, Changsha, China（国防科技大学） ； Peking University, Beijing, China（北京大学） ； Shanghai University of Finance and Economics, Shanghai, China（上海财经大学） ； ZGC Laboratory, Beijing, China（ZGC实验室） ； Faculty of Computing, Harbin Institute of Technology, Harbin, China（哈尔滨工业大学计算机学院）
AI总结 针对策略分类中的公平暴露困境，提出部分公平意识（PFA）问题，通过发布公平约束候选集并隐藏真实约束，结合信念引导机制实现代理与系统公平约束的对齐，实验表明PFA在降低群体公平差距、提高合格个体接受率和结果稳定性方面优于完全公开或私有的公平机制。
Comments Accepted by AAAI2026
机器人操作的世界模型：综述
机构 * Department of Mechanical Engineering, The Hong Kong Polytechnic University（香港理工大学机械工程系） ； Department of Mechanical Engineering and Automation, Harbin Institute of Technology（哈尔滨工业大学机械工程与自动化系） ； School of Advanced Engineering, Great Bay University（大湾大学先进工程学院） ； College of Robotics Science and Engineering, Taiyuan University of Technology（太原科技大学机器人科学与工程学院） ； School of Data Science, City University of Hong Kong (Dongguan)（香港城市大学（东莞）数据科学学院） ； Department of Mechatronic Engineering, Guangdong Polytechnic Normal University（广东 polytechnic 正常大学机电工程系） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； College of Mechanical and Electrical Engineering, Northeast Forestry University（东北林业大学机械与电气工程学院） ； Greater Bay Area National Center of Technology Innovation（粤港澳大湾区国家技术创新中心） ； 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）
AI总结 本文通过三个问题（预测什么未来表示、预测如何与动作连接、何时在机器人学习流程中使用预测）系统综述了机器人操作中的世界模型，将其定义为动作条件预测系统，并分类为五种表示族，提出了功能分类法，总结了基础设施角色、数据集和评估协议，揭示了从任务特定动力学预测器向预测基础设施的演变及开放挑战。
WaterSearch：探索种子池以改进LLM水印中质量-可检测性权衡
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出WaterSearch框架，通过控制种子池实现句子级搜索，联合优化分布保真度和水印信号特征，在保持高可检测性的同时显著提升文本质量。
从抽象到实例化：学习视觉-语言-动作模型的行为表示
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； PengCheng Laboratory（鹏城实验室） ； Sun Yat-sen University（中山大学） ； Shanghai University of Finance（上海财经大学）
AI总结 提出BehaviorVLA框架，通过因果Mamba架构的视觉运动行为编码器和相位条件行为解码器学习时间一致的行为表示，在分布偏移下实现鲁棒操作，在多个基准上达到最优成功率并展现数据效率。
Comments ICML 2026 Oral
多模态大语言模型驱动的视频翻译：面向角色的综述
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）
AI总结 本文通过面向角色的分类法，系统综述了多模态大语言模型在视频翻译中的应用，将其分为语义推理器、表达执行器和视觉合成器三个功能角色，并总结了数据集、基准和评估指标，指出了端到端视频翻译的挑战与未来方向。
MipSLAM：无混叠高斯泼溅SLAM
机构 * State Key Laboratory of Robotics and Systems (HIT), Harbin Institute of Technology（机器人系统国家重点实验室（哈工大）） ； Yangtze River Delta HlT Robot Technology Research Institute（长江三角洲HLT机器人技术研究院） ； Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系）
AI总结 提出MipSLAM框架，通过椭圆自适应抗混叠算法和频谱感知位姿图优化，实现高保真抗混叠新视角合成与鲁棒位姿估计。
Comments Accepted to ICRA 2026
看、规划、回退：面向鲁棒机器人操作的进度感知视觉-语言-动作模型
机构 * School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学） ； University of Technology Sydney（新南威尔士大学） ； Department of Computer Vision, Mohamed Bin Zayed University of Artificial Intelligence（人工智能与计算机视觉系，Mohamed Bin Zayed人工智能大学） ； The University of Hong Kong（香港大学） ； Institute of AI for Industry, Chinese Academy of Sciences（产业人工智能研究所，中国科学院） ； School of Intelligent Science and Engineering, Harbin Institute of Technology (Shenzhen)（智能科学与工程学院，哈尔滨工业大学（深圳））
AI总结 提出进度感知的视觉-语言-动作框架SPR，通过动态将语言指令映射为空间子目标序列，并利用闭环进度监控实现错误恢复，在LIBERO基准上提升5%性能，在LIBERO-Plus上展现最先进的鲁棒性。
Comments Suggested to CVPR Findings. https://tingjundai.github.io/SPRVLA/
超越刚性：非刚性视频编辑基准测试
机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳））
AI总结 提出NRVBench诊断基准，通过物理感知评估框架揭示传统指标在非刚性视频编辑中的不足，并引入VM-Edit基线分析稳定性-可塑性权衡。
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