高校专区
视频作为自然增强：迈向统一的AI生成图像和视频检测
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）
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: 学习分配高斯原语以实现可泛化的新型视角合成
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）
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: 基于Q-K注意力的分层脉冲变换器
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）
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
Linear-DPO: 用于扩散和流匹配生成模型的线性直接偏好优化
机构 * 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） ； Alibaba Group（阿里巴巴集团）
AI总结 本文提出Linear-DPO，通过统一的反向时间SDE框架推导出涵盖扩散和流匹配的通用DPO目标，指出标准DPO目标在文本到图像生成中不最优，并通过定性定量实验验证了其在扩散模型和流匹配模型上的优越性。
Comments Code and models are available at: https://github.com/Whynot0101/Linear-DPO . Work done during an internship at Alibaba Group
DASH：在单个GPU上几分钟内完成的快速可微架构搜索用于混合注意力
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 本研究提出DASH，一种快速可微架构搜索框架，用于混合注意力架构设计，通过将离散的层间注意力操作放置转化为连续的架构logits，准备可重用的教师对齐线性候选，并在模型和操作权重冻结的情况下进行架构仅搜索，显著提高了搜索效率。DASH在Qwen2.5-3B-Instruct上优于现有的所有选择器风格的混合注意力设计基线，展示了直接可微搜索可以发现更强的混合架构。此外，DASH在RULER性能上优于已发布的Jet-Nemotron模型，同时在重叠的短上下文和通用基准上保持竞争力。值得注意的是，每个DASH搜索运行仅使用12.3M tokens，并在单个RTX Pro 6000 GPU上仅需约20分钟，对应Jet-Nemotron报告的PostNAS搜索tokens的0.006%。这些结果表明，通过分钟级的可微搜索可以获得高质量的混合注意力架构，为混合架构设计提供了有前景的方向。
Comments 19 pages, 7 figures
JFAA：EgoVis 2026 EPIC-KITCHENS-100 动作预见挑战的技术报告
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） ； Shandong Jianzhu University（山东建筑大学）
AI总结 本文提出JFAA，一种基于JEPA的未来动作预见方法，用于EPIC-KITCHENS-100动作预见任务。通过冻结编码器和预测器提取观察上下文特征和近未来潜在标记，再训练轻量级注意力探针以预测动词、名词和动作日志。通过构建字段感知的集成模型提高鲁棒性，实验结果表明JFAA在EgoVis 2026 EPIC-KITCHENS-100动作预见挑战中取得第一名。
Comments The champion solution for the EPIC-KITCHENS-100 Action Anticipation Challenge at the CVPR EgoVis Workshop 2026
VISTA：EgoVis 2026 ego4D 短期物体交互预测挑战的技术报告
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） ； Shandong Jianzhu University（山东建筑大学）
AI总结 本文提出VISTA，一种用于EgoVis 2026 ego4D短期物体交互预测挑战的V-JEPA集成静态快速时序预测器。该方法结合了以物体为中心的空间检测与短视时间上下文，通过特征调制和ROI级上下文融合，将时间表示注入检测路径，以提高预测的鲁棒性。
Comments The champion solution for the Ego4D Short-Term Object Interaction Anticipation Challenge at the CVPR EgoVis Workshop 2026
OSGNet with MLLM Reranking @ Ego4D Episodic Memory Challenge 2026
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； National University of Singapore（新加坡国立大学） ； Pengcheng Laboratory（鹏城实验室） ； Shandong Jianzhu University（山东建筑大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 本文提出一种基于多模态大语言模型（MLLM）的重排序框架，用于解决Ego4D事件记忆挑战2026中的自然语言查询和目标步 tracks，通过结合现有定位模型OSGNet的候选片段和MLLM的视频-语言推理能力，提升时间片段的定位精度。
Comments Champion solution for the Natural Language Queries and GoalStep tracks of the Ego4D Challenge at the CVPR EgoVis Workshop 2026
PulseCol: 周期性刷新的列稀疏注意力用于加速扩散语言模型
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 本文提出PulseCol，一种周期性刷新的列稀疏注意力方法，通过更细粒度的稀疏化策略提升扩散语言模型的计算效率和加速性能，同时保持模型质量。
面向组合奖励的冲突感知加法引导：流模型中的对抗性生成
机构 * Smart Systems Institute, National University of Singapore, Singapore（新加坡国立大学智能系统研究所） ； Faculty of Computing, Harbin Institute of Technology, Harbin, China（哈尔滨工业大学计算机学院） ； School of Computing, National University of Singapore, Singapore（新加坡国立大学计算机学院）
AI总结 本文提出了一种面向组合奖励的冲突感知加法引导方法，用于在流模型中处理对抗性生成问题，通过动态检测和解决梯度冲突来纠正离曼福德漂移，提升了生成保真度。
Comments Forty-Third International Conference on Machine Learning (ICML 2026)
面向头部的键值压缩用于高效自回归图像生成
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HeadKV框架，通过根据注意力头的局部性偏置分配不同的缓存预算，提高自回归图像生成的效率和内存利用率，同时设计分层令牌驱逐策略以保留长距离信息。
Comments Under review
面向组件的结构保持风格迁移用于卫星视觉Sim2Real数据构建
机构 * State Key Laboratory of Robotics and Systems, Harbin Institute of Technology（机器人系统国家重点实验室，哈尔滨工业大学）
AI总结 本文提出了一种面向组件的结构保持风格迁移框架，用于卫星视觉的合成到真实数据构建，通过提取真实图像的部件级风格代码并注入到合成图像中，从而提高标注保持的卫星视觉Sim2Real数据生成效果。
注意生成细节：面向视频扩散模型的直接局部化细节偏好优化
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Alibaba Group - Taobao & Tmall Group（阿里巴巴集团-淘宝 & 天猫集团）
AI总结 本文提出LocalDPO，一种新的后训练框架，通过从真实视频中构建局部偏好对，并在时空区域层面优化对齐，以提高视频生成的质量和人类偏好评分。
Comments Accepted by CVPR 2026
多模态融合用于视觉强化学习中的仿真到现实迁移
机构 * Medical Artificial Intelligence Lab, The First Hospital of Hebei Medical University, Hebei Medical University（医学人工智能实验室，河北医科大学第一医院，河北医科大学） ； State Key Laboratory of Robotics and Systems, Harbin Institute of Technology（机器人系统国家重点实验室，哈尔滨工业大学）
AI总结 本文提出基于视觉变换器的多模态融合框架，通过融合RGB和深度信息提升泛化能力，并设计对比学习方案和课程式域随机化方案以提高样本效率和迁移性能，实验结果表明该方法在现实任务中表现优异。
插件式脉冲运算符：突破脉冲变换器中的非线性瓶颈
机构 * IASM, Harbin Institute of Technology, China（哈尔滨工业大学人工智能研究所，中国） ； School of Artificial Intelligence, Jilin University, China（吉林大学人工智能学院，中国）
AI总结 本文提出了一种插件式框架，通过将Transformer中的非线性运算分解为三个基本算子（除法、指数和ℓ2范数），并利用LIF神经元群体和轻量级位移缩放实现脉冲友好的近似，从而在不需微调的情况下支持常见的Transformer非线性运算。
Comments Accepted to ICML 2026. 9 pages main paper, 8 pages appendix, 6 figures, 5 tables. Correspondence to Bin Gu and Huan Xiong
模态解耦的在线递归编辑
机构 * Harbin Institute of Technology, Shenzhen, China.（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory, China.（鹏城实验室） ； Huazhong University of Science and Technology, China（华中科技大学）
AI总结 本文提出M-ORE，一种用于持续多模态大语言模型适应的模态解耦在线递归编辑器，通过统一的近端投影公式和Sherman-Morrison递归实现常数级的每编辑开销，从而在保持模块局部统计信息和固定正交低秩编辑子空间的同时，减少长周期干扰，提升可靠性、通用性和局部性。
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。
跨越迁移：通过动态风格桥接实现向前促进的持续测试时间适应
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Pengcheng Laboratory（鹏城实验室） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Guangdong Provincial Key Laboratory of Computility Microelectronics（广东省计算微电子重点实验室）
AI总结 本文提出了一种新的向前促进的持续测试时间适应方法，通过动态风格桥接机制，在部署前构建紧凑的知识库，并在测试时动态注入输入数据风格，以提供可靠的监督信号，从而在持续迁移中实现稳定的适应。
Comments Accepted by CVPR 2026
更容易判断而非寻找：预测上下文学习成功以选择演示
机构 * Research Center for Social Computing（社会计算研究中心） ； Interactive Robotics, Harbin Institute of Technology, China（交互机器人，哈尔滨工业大学，中国）
AI总结 本文提出DiSP框架，通过分层判断和轻量路由模型，预测上下文学习中演示选择的成功率，从而在多个数据集上实现更高的准确率和更快的推理速度。
Comments ICML 2026
MARS：EgoVis 2026 CASTLE挑战的技术报告
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Pengcheng Laboratory（鹏城实验室） ； Shandong Jianzhu University（山东建筑大学）
AI总结 本文提出MARS系统，用于EgoVis 2026的CASTLE挑战，通过多模态代理推理解决需要多源信息的复杂问题，核心方法是多模态证据选择，主要贡献是实现了在多源数据上的有效推理。
Comments The Runner-up Solution for CASTLE Challenge @ EgoVis 2026
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