高校专区
通过智能强化学习在机器人操作中学习鲁棒执行
机构 * School of Inteligence Science and Engineering, the Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳）智能科学与工程学院） ； Faculty of Robot Science and Engineering, Northeastern University（东北大学机器人科学与工程学院）
AI总结 针对机器人操作面临的挑战，提出用两个互补指标评估执行质量，构建智能强化学习框架，通过高级决策恢复有效执行，在LIBERO基准测试中提升了执行成功率，增强了执行鲁棒性。
RainDancer：基于面向降雨的脉冲动力学的RGB-事件视频去雨
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） ； School of Computer Science and Technology, Harbin University of Science and Technology（哈尔滨理工大学计算机科学与技术学院）
AI总结 研究针对视频去雨问题，提出RainDancer框架，基于分解-交互范式，在RGB和事件分支分别处理，分离雨和背景成分，进行组件级融合，并引入事件域监督，实验表明该方法在多方面性能优越。
自我提升往往是突然的：大规模模型的顿悟式微调
机构 * School of Computer Science and Artificial Intelligence, Guangdong University of Education（广东第二师范学院计算机科学与人工智能学院） ； School of Instrumentation Science and Engineering, Harbin Institute of Technology（哈尔滨工业大学仪器科学与工程学院）
AI总结 研究大规模模型自主提升，提出顿悟式无训练后微调范式，通过修改关键模块捷径且不更新权重，针对大语言和视觉语言模型有不同实例化，实验证明有效解锁预训练网络潜力，提升性能。
UniMedSeg：用于多范式2D/3D医学图像分割的统一上下文学习
机构 * Harbin Institute of Technology at Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； University Hospital Tübingen（图宾根大学医院） ； German Center for Mental Health（德国心理健康中心） ； Chinese University of Hong Kong（香港中文大学）
AI总结 研究针对医学图像分割基础模型存在的问题，提出以Transformer为中心的UniMedSeg框架，通过映射多种信息到共享序列空间联合学习异构医学监督，引入解耦分割注意力克服内存瓶颈，在多类分割任务中实现最优性能且无需特定任务微调。
AutoPath：学习可转移的目标条件随机路径先验以实现无人类示范的安全导航
机构 * Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Ant Group（蚂蚁集团） ； Shanghai Jiao Tong University（上海交通大学） ； Shenzhen University（深圳大学）
AI总结 研究在复杂环境下的安全导航问题，提出学习可转移目标条件随机路径先验的方法，引入规范状态表示和结构化先验学习框架，实验证明该方法成功率高、效率有竞争力且可跨平台转移。
Comments Accepted by IEEE Robotics and Automation Letters (RA-L). 8 pages, 4 figures
用于夜间高速公路感知的事件-RGB自适应跟踪
机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院） ； School of Intelligence Science and Engineering, Harbin Institute of Technology（哈尔滨工业大学智能科学与工程学院）
AI总结 针对高速公路夜间低光条件下RGB感知性能差的问题，提出JEAT框架，通过自适应扩展卡尔曼滤波器动态融合事件流与RGB帧，还创建SEHN数据集，为多模态融合研究提供支持。
STEC：开放域多跳问答中深度搜索的证据压缩
机构 * National University of Defense Technology（国防科技大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 研究开放域多跳问答中最终答案选择难题，提出STEC证据压缩框架从候选集选答案。通过答案级证据压缩和证据引导的答案验证机制，将选择从原始轨迹比较转为候选级证据比较，实验显示其性能最佳。
通过虚拟模态合成将大型多模态模型推广到通用视觉模态
机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算学部）
AI总结 研究大型多模态模型推广到未见视觉模态的挑战，提出VVM-Tuning训练框架，通过模态合成和上下文让模型具备相关能力，引入VVM-Bench基准，实验证明经合成模态训练的模型在多模态上有改进且无需模态内训练。
Comments Accepted by the European Conference on Computer Vision (ECCV) 2026
EmoStyle：用于情感图像生成的风格专家情感调节
机构 * University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 针对情感感知艺术图像生成中训练与测试时属性不一致造成的控制差距问题，提出EmoStyle框架，利用语言模型推理器预测情感线索，编码情感字段指导生成，训练专用LoRA适配器结合风格表达情感，经视觉语言模型引导排序，在挑战赛中获佳绩。
DynaFilter：用于卫星边缘智能的云驱动动态过滤
机构 * Politecnico di Milano（米兰理工大学） ； Harbin Institute of Technology Shenzhen（哈尔滨工业大学（深圳））
AI总结 针对卫星边缘系统带宽受限等问题，设计DynaFilter动态过滤技术，通过建立云查询语义与压缩域特征的映射，让边缘设备在压缩域直接进行选择性RoI推理，实现减少数据量、节省带宽、降低能耗及加快推理延迟等效果。
Comments 15 pages, 23 figures, accepted by ACM MobiCom 2026
用于文本引导医学分割的骨干网络与语言引导解耦
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； NingBo No.2 Hospital（宁波第二医院）
AI总结 研究针对文本引导医学分割中模型组件紧密耦合问题，提出可转移骨干层次适配器框架BTHA，通过稳定特征级接口、分层监督策略和自适应门控语义引导适配器，有效提升分割效果且计算开销适度。
大模型绿色发展综述：从资源高效架构到软硬件协同设计
机构 * Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Peking University（北京大学）
AI总结 综述大模型绿色发展，涵盖资源高效架构与软硬件协同设计，回顾高效模型构建、训练部署策略、节能硬件等进展，探讨其在关键领域应用，讨论挑战与方向，为大模型可持续发展提供路线图。
Comments This paper has been accepted by CJE (2026), paper homepage: https://cje.ejournal.org.cn/article/doi/10.23919/cje.2025.00.438
Journal ref Chinese Journal of Electronics, vol. 35, no. 5, pp. 1-24, 2026
神经网络优化中的信息分配动态
机构 * State Key Laboratory of Robotics and Systems, Harbin Institute of Technology Shenzhen（机器人系统国家重点实验室（哈尔滨工业大学深圳））
AI总结 该论文从信息分配动态角度出发，将优化器隐含偏差解释为权重与偏差类参数路径间训练信号的相对分配，通过连续预处理指数\(p\)描述调整，分析其在训练中的形成机制，揭示此相对更新分配对参数轨迹和泛化行为的影响。
LLMs 是否已准备好辅助医生？PhysAssistBench：交互式医患-电子病历辅助基准
机构 * Aalto University（阿尔托大学） ； Tencent（腾讯） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Hong Kong Polytechnic University（香港理工大学） ； Aarhus University（奥胡斯大学） ； Technical University of Munich（慕尼黑工业大学）
AI总结 提出PhysAssistBench基准，通过构建交互式患者代理评估LLM在医患-EHR交互中的协调能力，发现当前模型不可靠，瓶颈在于多维度协调而非单一能力。
Comments 34 pages with 8 figures
TVTA：基于轨迹感知的视素引导的基于事件的唇读时间聚合
机构 * Harbin Institute of Technology（哈尔滨工业大学）
AI总结 针对基于事件唇读方法的局限，提出时间增强框架，引入轨迹感知差分聚合、视素引导聚合及指数移动平均师生训练策略，在DVS-Lip基准上验证有效性，消融研究验证各部分贡献，定性结果表明学到有意义视素感知结构。
TouchWorld：一种用于灵巧操作的预测性和反应性触觉基础模型
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； PHANES AI（PHANES人工智能公司）
AI总结 研究针对日常环境中灵巧操作需预测与反应的问题，提出TouchWorld模型。该模型采用分层策略，分离多项任务。通过将触摸用于预测和反馈，提升局部接触适应性。在六个相关任务中表现出色，超越最强基线。
FedCVESA：通过相关值编码和分段聚合在联邦学习中去除训练数据
机构 * Institute of Cyberspace Security, 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网络空间安全学院）
AI总结 研究联邦学习中白盒TATD攻击，提出FedCVESA方法，通过添加皮尔逊相关正则化器将私有训练数据编码到选定模型参数，并用分段聚合减少覆盖，实验证明该方法能窃取私有训练图像且保持主任务效用，揭示联邦学习存在的安全隐患。
Comments 16 pages, 5 figures, 2 tables
SIEVE：用于基于VLA模型的模仿学习的结构感知数据选择
机构 * East China Normal University（东华师范大学） ； Zhongguancun Academy（中关村学院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beihang University（北航大学） ； Huazhong University of Science and Technology（华中科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； DeepCybo Training Demonstrations Policy Execution（深科博培训演示政策执行）
AI总结 研究针对VLA模型模仿学习中数据冗余等问题，提出结构感知数据选择方法SIEVE。该方法将演示视为原语和接口组合，通过发现原语、分配预算和选择轨迹来选数据，实验证明其优于基线，能在少数据少步骤下超越全数据训练。
Comments The code is available at \href{https://github.com/ChangtiWu/SIEVE}{SIEVE}
DeSeG：解耦语义意图和几何约束以实现物理上合理的人机场景交互
机构 * Southern University of Science and Technology（南方科技大学） ； Spatialtemporal AI（时空人工智能） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； University of Sheffield（谢菲尔德大学）
AI总结 针对合成物理合理人机场景交互时语义 - 几何纠缠问题，提出DeSeG分层框架，通过残差语义规划器和物理正则化扩散执行器解耦语义意图与几何约束，实验表明该方法性能达最优，有效降低场景穿透率并提高语义对齐。
KaLM-Reranker-V1：快速但非晚期交互的压缩文档重排序
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute (SLAI)（深圳循环区域研究所）
AI总结 提出KaLM-Reranker-V1，一种基于编码器-解码器架构的快速但非晚期交互重排序器，通过解耦查询和段落计算并利用交叉注意力保持相关性建模，在BEIR等基准上达到最先进性能。
Comments Technical Report; Work in Progress
异构群体中的受管种姓重新分配：一种带审核操作员副签名的不对称信任协议
机构 * School of Software, Harbin Institute of Technology（哈尔滨工业大学软件学院） ； School of Future Science and Engineering, Soochow University（苏州大学未来科学与工程学院）
AI总结 研究异构机器人群体中种姓重新分配，提出不对称信任协议，自动收紧重分配可自动进行，受限放宽需操作员副签名，经评估能抵御多种攻击，还构建分布式审计层并证明相关特性。
Comments 28 pages, 3 figures, 5 tables
受治理的个体化：通过密码学方式将智能体的学习与其授权方解耦
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 Future Science and Engineering, Soochow University（苏州大学未来科学与工程学院）
AI总结 研究智能体在部署中学习时，运行系统是否仍受操作员授权限制的问题。提出受治理的个体化方法，通过绑定身份摘要和基于语义效果的动作门控保证限制，证明学习等不会扩大权限，实证验证了该方法效果。
Comments Technical companion report. 25 pages, 8 figures
ContiStain：用于连续多域虚拟免疫组化染色的跨域关系保留蒸馏
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） ； School of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 针对临床中随时间顺序获取新生物标志物数据致性能下降问题，提出ContiStain框架，用混合专家特征提取器构建特征空间，提出关系保留蒸馏策略，提升多域虚拟染色稳定性。
Comments Accepted at MICCAI 2026
通过关键感知自反馈重试的智能体强化学习
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 研究大语言模型智能体在处理失败轨迹时的问题，提出PivoARL框架，通过结构化反思识别关键错误转向并局部重试，减少冗余交互，设计关键感知信用分配机制，实验证明该方法能显著提升性能。
Comments 26pages, 16 figures
DELTAVID：利用跨视频差异增强细粒度时空感知
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Kuaishou Technology（快手科技）
AI总结 研究针对视频多模态大语言模型缺乏精确局部时空感知问题，提出DELTAVID框架，将跨视频找差异转化为可训练感知信号，还引入相关数据集，提升了跨视频差异理解性能并能迁移到通用视频理解基准。
DramaDirector: 几何引导的短剧生成
机构 * South China University of Technology（华南理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 提出几何引导框架DramaDirector，通过检索真实短剧的深度-姿态参考，结合模式约束SFT和GRPO训练规划器，实现从情节到多镜头短剧的生成，在忠实度、一致性和可控性上优于基线。
Comments 20 pages, 17 figures, 6 tables. Code is available at https://github.com/iLearn-Lab/DramaDirector
VideoAgent: 视频理解与编辑的全能框架
机构 * South China University of Technology（华南理工大学） ； The University of Hong Kong（香港大学） ； Snap Inc（Snap公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 提出VideoAgent，一种基于多智能体编排的全能框架，通过自动镜头创建和30多个专业编辑智能体，解决现有系统在长视频理解和多样化编辑操作上的局限，在VideoEdit基准上实现87-95%编排成功率并降低60% API成本。
Comments Preprint. Code available at https://github.com/HKUDS/VideoAgent
无身份漂移的情景到语义巩固
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 Future Science and Engineering, Soochow University（苏州大学未来科学与工程学院）
AI总结 针对长期运行自适应智能体中知识巩固与身份完整性之间的张力，提出将巩固作为情景记忆上的确定性函数，输出可单独寻址的语义知识层，保持代理加密身份不变，实验证明平均减少79.82%无效规划尝试。
多模态知识编辑范围泛化用于在线递归MLLM编辑
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Peking University（北京大学） ； Fudan University（复旦大学）
AI总结 针对在线多模态知识编辑中编辑范围难以控制的问题，提出ScopeEdit方法，通过模态局部吸收分支和证据门控共享泛化分支实现范围分离的在线编辑，在保持可靠性的同时提升跨模态泛化与无关输入隔离。
SpaceEra++: 面向视频中3D空间推理的统一框架
机构 * 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） ； 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） ； Pengcheng Laboratory（鹏城实验室） ； School of Computer Science and Technology, Shandong Jianzhu University（山东建筑大学计算机科学与技术学院） ； Zhongguancun Academy（中关村学院） ； City University of Hong Kong（香港城市大学）
AI总结 提出SpaceEra++框架，通过ScenePick帧采样策略缓解输入不足，并利用SpaceAlign对齐绝对坐标与相对空间关系增强推理，在多个基准上超越强基线。
Comments Accepted by IEEE TPAMI 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