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

Steering the Flow: Inverting Face Recognition Models via Gradient-Guided Flow Matching

引导流：通过梯度引导流匹配实现人脸识别模型的逆攻击

Ye Lu, Shen Wang, Zhaoyang Zhang, Yihan Yan, Li Liu, Runze Liu, Fanghui Sun

机构 * School of Cyberspace Science, Harbin Institute of Technology（哈尔滨工业大学网络空间安全学院） 纠错

AI总结 本文提出两阶段白盒模型逆攻击方法SFMI，通过梯度引导流匹配将逆攻击转化为轨迹引导任务，在人脸数据集上实现了优于现有方法的攻击性能。

Multi-Granularity Sentiment Integration for LLM-Based Multimodal Sentiment Analysis

面向基于大语言模型（LLM）的多模态情感分析的多粒度情感集成

Shanshan Lin, Yuesheng Wu, Chao Chen, Yizhe Yang, Zhihao Chen, Zexian Yang, Xiangwen Liao

机构 * Fuzhou University（福州大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Jiangxia University（江夏大学） 纠错

AI总结 该研究提出MGSI多粒度情感集成框架，通过多尺度编码、文本引导对齐等优化，提升基于LLM的多模态情感分析性能，在四个公开基准上效果优于冻结LLM基线。

Comments Accepted to NLPCC 2026

RoofGS: Roofline-Guided End-to-End Acceleration of 3D Gaussian Splatting

RoofGS：基于Roofline模型的3D高斯溅射端到端加速

Yang Luo, Yan Gong, Yongsheng Gao, Jie Zhao

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

AI总结 该研究针对3D高斯溅射高分辨率GPU加速瓶颈，提出RoofGS框架，采用分辨率自适应量化深度排序键与范围感知比特级快速指数近似等优化，在RTX 4090的4K场景下实现10.1倍加速且PSNR损失极小。

FluxBin: Flexible LUT-based Ultra-low-bit LLM Inference by Algorithm-Kernel Synergy

FluxBin：基于灵活查找表的超低位大语言模型推理——算法与内核协同设计

Qingyao Yang, Runming Yang, He Xiao, Wendong Xu, Junyu Chen, Haobo Liu, Chenchen Ding, Ruihan Hu, Yik-Chung Wu, Ngai Wong

机构 * The University of Hong Kong（香港大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本研究针对二值量化LLM推理的硬件内核缺失问题，提出FluxBin算法-内核协同设计，实现超低位推理的加速、能效提升与内存压缩，可高效部署70B规模模型。

Not All History Helps: Velocity-Aware Selective Memory for Long-Horizon End-to-End Autonomous Driving

并非所有历史都有用：面向长 horizon 端到端自动驾驶的速度感知选择性记忆

Yuchen Liu, Ziying Song, Shengkai Zhang, Jiannan Chen, Peiliang Wu, Lei Yang, Bin Sun, Yan Gong, Li Wang

机构 * Nanyang Technological University（南洋理工大学） ； North University of China（中北大学） ； Yanshan University（燕山大学） ； Beijing Jiaotong University（北京交通大学） ； China Automotive Technology and Research Center Co., Ltd.（中国汽车技术研究中心有限公司） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute of Technology（北京理工大学） 纠错

AI总结 针对长 horizon 端到端自动驾驶的历史规划状态不可靠问题，提出 StableDrive 模型，通过 SMM 与 MSTS 实现规划优化，在多个数据集上取得规划指标的 SOTA 性能。

Comments 14 pages, 7 figures