高校专区
STILL: 选择令牌以实现层内混合注意力以线性化大语言模型
机构 * SMULL Group, Harbin Institute of Technology, Shenzhen（SMULL小组，哈尔滨工业大学，深圳） ； Pengcheng Laboratory（Pengcheng实验室） ； UQMM Lab, University of Queensland（UQMM实验室，昆士兰大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司）
AI总结 STILL通过自显著性分数和NP-Map实现LLM的高效线性化，提升长上下文任务性能
思考密集，而非冗长：动态解耦条件优势用于高效推理
机构 * Beihang University（北航） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； National University of Defense Technology（国防科技大学） ； Hong Kong Polytechnic University（香港理工大学） ； Alibaba Group（阿里巴巴集团）
AI总结 DDCA通过动态解耦条件优势提升强化学习的效率-准确性平衡，减少生成token数量并保持准确性。
S3-CoT：自采样简洁推理实现高效链式推理LLM
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； National University of Singapore（新加坡国立大学）
AI总结 S3-CoT通过自采样简洁推理实现高效链式推理LLM，解决冗余推理问题，提升模型性能与泛化能力。
面向尾部的训练后量化用于3D几何模型
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院，清华大学，深圳，中国） ； MMLab, The Chinese University of Hong Kong, Hong Kong, China（MMLab，香港中文大学，香港，中国） ； Harbin Institute of Technology Shenzhen, China（哈尔滨工业大学深圳，中国） ； Huawei Technology, Shenzhen, China（华为技术，深圳，中国）
AI总结 TAPTQ通过面向尾部的训练后量化方法，提升3D几何模型的部署效率和准确性。
隐性偏见如何在LLM长期记忆中积累和传播
机构 * International Research Center for Artificial Intelligence, Harbin Institute of Technology (Shenzhen), Shenzhen, China ； Chongqing Research Institute of Harbin Institute of Technology, Chongqing, China ； College of Computing ； Data Science, Nanyang Technological University, Singapore ； Department of Management ； Marketing, The Hong Kong Polytechnic University, Hong Kong ； Haide College, Ocean University of China, Qingdao, China ； School of Computer Science, The University of Sheffield, Sheffield, UK ； Department of Automation, Tsinghua University, Beijing, China
AI总结 本文研究了LLM长期记忆中隐性偏见的积累与传播，提出动态内存标记方法以缓解偏见问题。
Comments Under review, and the first two authors contribute equally
基于注意力加权中心核对齐的知识蒸馏：用于大音频-语言模型的语音情感识别
机构 * Ping An Technology (Shenzhen) Co., Ltd.（平安科技（深圳）有限公司） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 PL-Distill通过结合投影层和输出层蒸馏方法，有效压缩大音频-语言模型并提升语音情感识别性能。
Comments Accepted to 2026 IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2026)
有效在线三维装箱使用蒙特卡洛树搜索和前瞻性包裹
机构 * Key Lab of High Confidence Software Technologies (Peking University), Ministry of Education China（高可信软件技术重点实验室（北京大学）） ； Faculty of Computing, Harbin Institute of Technology, Harbin, China（计算机学院，哈尔滨工业大学，哈尔滨，中国） ； JD Logistic, Beijing, China（京东物流，北京，中国） ； School of Computer Science, Peking University, Beijing, China（计算机科学学院，北京大学，北京，中国）
AI总结 本文提出了一种基于蒙特卡洛树搜索和前瞻性包裹的在线三维装箱方法，通过动态探索先验平衡强化学习策略与稳健随机策略，有效应对物流中的短期分布变化，实现显著的装箱效率提升。
你只需一次转发：一种高效的组合判断范式
机构 * School of Science, Harbin Institute of Technology, Shenzhen, Guangdong Province, China（哈尔滨工业大学深圳校区科学学院） ； Accio, Alibaba Group, Hangzhou, Zhejiang Province, China（阿里集团杭州Accio）
AI总结 YOFO通过单次前向传递高效判断多模态大语言模型的结构化要求，实现速度与可解释性的平衡，同时支持依赖分析和事后CoT。
谁负责安全转移？识别和定位跨语言共享安全神经元
机构 * Nanjing University of Science and Technology（南京理工大学） ； National University of Singapore（新加坡国立大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Nanjing University（南京大学）
AI总结 本文提出通过识别和定位跨语言共享安全神经元，提升非高资源语言的安全性，采用神经元导向的训练策略增强模型跨语言防御一致性。
微分向量擦除：用于流匹配模型的无训练概念擦除
机构 * Jilin University（吉林大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 本文提出DVE，一种针对流匹配模型的无训练概念擦除方法，通过微分向量场实现精确概念抑制，优于现有基线。
HSI-VAR: 通过空间-光谱视觉自回归重新思考高光谱图像恢复
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Harvard University（哈佛大学）
AI总结 HSI-VAR通过空间-光谱视觉自回归方法，高效解决高光谱图像恢复问题，实现计算成本降低50%和推理速度提升95.5倍。
EchoReview: 从科学引文的回声中学习同行评审
机构 * Harbin Institute of Technology, China（哈尔滨工业大学） ； Beijing Institute of Technology, China（北京理工大学）
AI总结 EchoReview通过引用上下文驱动的数据合成方法，构建了首个大规模跨会议、跨年度的评审数据集，并训练出能提升核心评审维度的自动化评审员。
通过自适应视觉令牌缓存学习加速视觉-语言-动作模型
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Meituan Academy of Robotics Shenzhen, Meituan（美团机器人深圳研究院） ； Central South University（中南大学） ； HKUST(GZ)（香港科技大学（广州））
AI总结 本文提出通过自适应视觉令牌缓存学习加速VLA模型，提升推理效率并提高任务成功率。
ConLA：从人类视频中通过对比学习学习机器人操作
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； State Key Laboratory of Mobile Network and Mobile Multimedia Technology, Shenzhen（移动网络与移动多媒体技术国家重点实验室（深圳）） ； ZTE Corporation（中兴通讯） ； Shanghai Jiao Tong University（上海交通大学） ； Central South University（中南大学）
AI总结 ConLA通过对比学习从人类视频中学习机器人操作，有效解决潜在表示中的捷径学习问题，提升机器人学习的可扩展性。
APEX：一种解耦的记忆型探索者用于异步空中目标导航
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； National University of Singapore（新加坡国立大学） ； Central South University（中南大学） ； Meituan Academy of Robotics（美团机器人研究院）
AI总结 APEX通过分层异步架构实现高效空中目标导航，提升探索效率与目标识别精度。
Comments 15 pages, 8 figures
一次注入，后期存活：向视觉-语言-动作模型注入后门以在下游微调中持续存在
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Harbin Institute of Technology（哈尔滨工业大学） ； Meituan Academy of Robotics Shenzhen, Meituan（美团机器人深圳研究院） ； Shanghai Jiaotong University（上海交通大学） ； National University of Singapore（新加坡国立大学） ； Central South University（中南大学）
AI总结 本文提出INFUSE框架，首次实现对VLA模型的后门攻击，使其在用户微调后仍能保持有效性，显著提升攻击成功率并保持任务性能。
弥合安全鸿沟：视觉自回归模型中的手术概念擦除
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） ； Jilin University（吉林大学） ； Peng Cheng Laboratory（鹏城实验室） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 本文提出S-VARE方法，通过过滤交叉熵损失和保留损失实现VAR模型中的精确概念擦除，有效解决安全性和生成质量之间的平衡问题。
Comments Accepted toICLR 2026
纠正解耦数据集蒸馏：对公平和全面评估的深入探讨
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 本文提出RD$^3$，通过系统研究后评估设置对测试准确率的影响，揭示性能差异主要源于评估不一致，而非合成数据质量，同时提出改进蒸馏数据集效果的通用策略。
Comments Accepted to ICLR 2026
AverageTime: 通过简单平均增强长期时间序列预测
机构 * School of Mathematics and Statistics, Shandong University（山东大学数学与统计学学院） ； Department of Mathematics, Harbin Institute of Technology (Weihai)（哈尔滨工业大学（威海）数学系） ； Research Center for Data Hub and Security, Zhejiang Lab（浙江实验室数据枢纽与安全研究中心）
AI总结 AverageTime通过简单平均操作提升长期时间序列预测性能，采用可扩展架构生成多序列并结合通道聚类技术，实现高效准确的预测。
不变表示引导的多模态情感解码与序列变化正则化
机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳校区）
AI总结 本文提出了一种通过模态不变融合和序列变化正则化相结合的方法，以提升多模态情感解码的稳定性和准确性。
Comments change Title, Authors, Abstract
视觉-语言控制的深度展开用于联合医学图像恢复与分割
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Harvard University（哈佛大学） ； SUN YAT-SEN UNIVERSITY（中山大学）
AI总结 VL-DUN通过联合优化和频率感知Mamba机制，实现医学图像恢复与分割的协同学习，提升PSNR和Dice系数，展示联合学习在复杂临床任务中的优势。
Comments 18 pages, medical image
CVeDRL: 一种通过难度感知强化学习实现的高效代码验证器
机构 * Harbin Institute of Technology（哈尔滨工业大学）
AI总结 CVeDRL通过难度感知强化学习提升代码验证效率，实现更高通过率和分支覆盖，参数更少，推理更快。
Comments 17 pages, 3 figures
MemoryVLA: 视觉-语言-动作模型中用于机器人操作的感知-认知记忆
机构 * Department of Automation, BNRist, Tsinghua University（自动化系、BNRist、清华大学） ； Dexmal ； MEGVII Technology（MEGVII技术） ； Tianjin University（天津大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； StepFun
AI总结 MemoryVLA通过结合感知与认知记忆机制，提升机器人操作中长时间跨度任务的性能，实现对时间依赖任务的高效处理。
Comments ICLR 2026 | The project is available at https://shihao1895.github.io/MemoryVLA
从格式和长度获取代理信号：用于无真实答案解决数学问题的强化学习
机构 * Baichuan Inc（百川公司） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本研究提出利用格式和长度作为代理信号，通过强化学习提升数学问题解决性能，无需真实答案，实现高效推理优化。
打破块限制：连续低秩分解缩放用于统一的大语言模型量化与适应
机构 * Institute for Artificial Intelligence, Peking University, Beijing, China（北京大学人工智能研究院） ； Yuanpei College, Peking University, Beijing, China（北京大学元培学院） ； State Key Laboratory of General Artificial Intelligence, BIGAI, Beijing, China（通用人工智能国家重点实验室） ； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳））
AI总结 LoRDS通过低秩分解实现高效统一的大语言模型量化与适应，提升表达能力并优化推理效率。
EgoMem：全双工多模态模型的终身记忆代理
机构 * Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院） ； Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所） ； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳学院） ； Nanyang Technological University, Singapore（南洋理工大学）
AI总结 EgoMem是一种专为全双工多模态模型设计的终身记忆代理，通过异步过程实现用户识别、个性化响应和长期记忆管理，实验显示其在准确性和一致性方面表现优异。
深度视觉特征的可察觉差异建模
机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（新加坡南洋理工大学计算与数据科学学院） ； Department of Computer Science and Technology, Harbin Institute of Technology, Harbin, China（哈尔滨工业大学计算机科学与技术学院） ； School of Artificial Intelligence, Beijing Normal University, Beijing, China（北京师范大学人工智能学院） ； School of Computer Science, Peking University, Beijing, China（北京大学计算机学院）
AI总结 本文提出FeatJND模型，用于深度视觉特征的可察觉差异建模，通过任务对齐的容忍边界提升特征质量控制和量化效率。
边缘协同高斯点散布与集成渲染与通信
机构 * Southern University of Science and Technology（南方科技大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； University of Macau（澳门大学）
AI总结 本文提出边缘协同高斯点散布与集成渲染与通信方法，通过联合优化协作状态和边缘功率分配，解决低成本设备渲染质量退化问题，并通过PMM和ILO算法提升性能与效率。
Comments IEEE ICASSP, Barcelona, Spain, 2026
CE-GOCD：基于社区检测的中心实体引导图优化用于增强LLM科学问答
机构 * Harbin Institute of Technology, Harbin, China（哈尔滨工业大学） ； State Key Laboratory of Cognitive Intelligence, iFLYTEK Research, China（认知智能国家重点实验室）
AI总结 CE-GOCD通过构建和利用学术知识图谱的语义子结构，提升LLM在科学问答中的表现，通过中心实体引导的图优化和社区检测增强问答的准确性和全面性。
Comments Accepted by IEEE ICASSP 2026
PathReasoner-R1: 通过知识引导的策略优化在病理视觉-语言模型中引入结构化推理
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Microsoft Research（微软研究院） ； National University of Singapore（新加坡国立大学） ； Technical University of Dresden（德累斯顿技术大学）
AI总结 PathReasoner-R1通过知识引导的策略优化，在病理视觉-语言模型中引入结构化推理，提升模型的临床推理能力和鲁棒性。
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