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

Spatial-VLN: Zero-Shot Vision-and-Language Navigation With Explicit Spatial Perception and Exploration

空间视觉导航：具有显式空间感知和探索的零样本视觉-语言导航

Lu Yue, Yue Fan, Shiwei Lian, Yu Zhao, Jiaxin Yu, Liang Xie, Feitian Zhang

机构 * Robotics and Control Laboratory, School of Advanced Manufacturing and Robotics, and the State Key Laboratory of Turbulence and Complex Systems, Peking University（机器人与控制实验室、先进制造与机器人学院，以及湍流与复杂系统国家重点实验室，北京大学） ； Defense Innovation Institute, Academy of Military Sciences, Beijing（国防科技创新研究院，军事科学院，北京） ； Tianjin Artificial Intelligence Innovation Center, Tianjin（天津人工智能创新中心，天津） ； Institute of Computing and Intelligence, Harbin Institute of Technology (Shenzhen)（计算与智能学院，哈尔滨工业大学（深圳）） 纠错

AI总结 Spatial-VLN通过增强空间感知和探索机制，提升零样本视觉-语言导航在复杂环境中的泛化与鲁棒性。

Fusing in 3D: Free-Viewpoint Fusion Rendering with a 3D Infrared-Visible Scene Representation

在三维中融合：基于三维红外-可见场景表示的自由视角融合渲染

Chao Yang, Deshui Miao, Chao Tian, Guoqing Zhu, Yameng Gu, Zhenyu He

机构 * School of Computer Science（计算机科学学院） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳研究院） 纠错

AI总结 本文提出一种基于三维红外-可见场景表示的融合框架，通过跨模态调整模块和融合损失确保融合图像保留关键特征，有效解决传统方法在复杂场景下的信息丢失问题。

CroBIM-V: Memory-Quality Controlled Remote Sensing Referring Video Object Segmentation

CroBIM-V: 基于内存质量控制的遥感遥感指代视频目标分割

H. Jiang, Y. Sun, Z. Dong, T. Liu, Y. Gu

机构 * School of Electronics and Information Engineering, Harbin Institute of Technology（电子信息工程学院，哈尔滨工业大学） 纠错

AI总结 本文提出MQC-SAM框架，通过内存质量控制和解耦注意力机制，解决遥感视频中目标分割的显著性弱和噪声干扰问题，实现高精度分割。

UDPNet: Unleashing Depth-based Priors for Robust Image Dehazing

UDPNet: 释放基于深度的先验以实现鲁棒的图像去雾

Zengyuan Zuo, Junjun Jiang, Gang Wu, Xianming Liu

机构 * School of Computer Science and Technology, Harbin Institute of Technology（计算机科学与技术学院，哈尔滨工业大学） 纠错

AI总结 UDPNet通过引入深度先验提升图像去雾性能，有效整合深度信息以提高鲁棒性和去雾效果。

Scene-Aware Vectorized Memory Multi-Agent Framework with Cross-Modal Differentiated Quantization VLMs for Visually Impaired Assistance

具有跨模态差异化量化功能的场景感知向量内存多智能体框架用于视障辅助

Xiangxiang Wang, Xuanyu Wang, YiJia Luo, Yongbin Yu, Manping Fan, Jingtao Zhang, Liyong Ren

机构 * School of Information ； Software Engineering, University of Electronic Science ； Sichuan Provincial Key Laboratory for Human Disease Gene Study, Sichuan Academy of Medical Sciences \& Sichuan Provincial People's Hospital, University of Electronic Science ； Faculty of Computing, Harbin Institute of Technology, Harbin, China 纠错

AI总结 本文提出了一种具有跨模态差异化量化的多智能体框架，通过减少内存消耗和提升处理效率，为视障人士提供更高效的环境感知与辅助导航支持。

Comments 28 pages,9 figures

Wetland mapping from sparse annotations with satellite image time series and temporal-aware segment anything model

基于卫星影像时间序列和时序感知的分割任何模型进行稀疏标注的湿地制图

Shuai Yuan, Tianwu Lin, Shuang Chen, Yu Xia, Peng Qin, Xiangyu Liu, Xiaoqing Xu, Nan Xu, Hongsheng Zhang, Jie Wang, Peng Gong

机构 * Department of Geography, The University of Hong Kong, Hong Kong, China（香港大学地理系） ； Pengcheng Laboratory, Shenzhen, China（深圳鹏城实验室） ； Department of Electronics and Information Engineering, Harbin Institute of Technology (Shenzhen), Shenzhen, China（哈尔滨工业大学（深圳）电子与信息工程学院） ； Key Laboratory for Geo-Environmental Monitoring of Great Bay Area, Ministry of Natural Resources, Guangdong Key Laboratory of Urban Informatics, Shenzhen Key Laboratory of Spatial Smart Sensing and Services, Shenzhen University, Shenzhen, China（粤港澳大湾区地理环境监测重点实验室，自然资源部，广东省城市信息学重点实验室，深圳空间智能感知与服务重点实验室，深圳大学） 纠错

AI总结 WetSAM通过整合卫星影像时间序列和双分支设计，有效解决稀疏标注下的湿地制图问题，实现高精度分割与低标注成本。

ATATA: One Algorithm to Align Them All

ATATA：一切对齐的统一算法

Boyi Pang, Savva Ignatyev, Vladimir Ippolitov, Ramil Khafizov, Yurii Melnik, Oleg Voynov, Maksim Nakhodnov, Aibek Alanov, Xiaopeng Fan, Peter Wonka, Evgeny Burnaev

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Applied AI Institute（应用人工智能研究所） ； AXXX ； FusionBrain Lab（融合大脑实验室） ； MSU（莫斯科州立大学） ； Constructor University（建设大学） ； HSE University（高等经济大学） ； Peng Cheng Laboratory（鹏城实验室） ； HIT Suzhou Research Institute（哈尔滨工业大学苏州研究 institute） ； KAUST（科威特大学） 纠错

AI总结 ATATA提出一种基于Rectified Flow模型的多模态算法，实现高效结构对齐的样本生成，提升图像、视频和3D生成的质量与速度。

Mistake Notebook Learning: Batch-Clustered Failures for Training-Free Agent Adaptation

错误笔记本学习：用于无训练代理适应的批量聚类失败

Xuanbo Su, Yingfang Zhang, Hao Luo, Xiaoteng Liu, Leo Huang

机构 * Bairong Inc.（柏龙公司） ； School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院） ； School of Software, Jilin University（吉林大学软件学院） 纠错

AI总结 MNL通过批量聚类失败提炼结构化错误笔记，提升代理适应性和鲁棒性，无需参数更新。

AEQ-Bench: Measuring Empathy of Omni-Modal Large Models

AEQ-Bench：衡量多模态大模型的共情能力

Xuan Luo, Lewei Yao, Libo Zhao, Lanqing Hong, Kai Chen, Dehua Tao, Daxin Tan, Ruifeng Xu, Jing Li

机构 * The Hong Kong Polytechnic University（香港理工大学） ； The Harbin Institute of Technology（哈尔滨工业大学） ； Huawei（华为） ； Hong Kong University of Science and Technology（香港理工大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 AEQ-Bench通过评估多模态大模型在情感识别和音频响应共情判断上的能力，揭示了音频输出能力对模型性能的影响及非语言表达评估的局限性。

FastStair: Learning to Run Up Stairs with Humanoid Robots

FastStair: 人类机器人跑步上楼梯的学习

Yan Liu, Tao Yu, Haolin Song, Hongbo Zhu, Nianzong Hu, Yuzhi Hao, Xiuyong Yao, Xizhe Zang, Hua Chen, Jie Zhao

机构 * School of Mechanics Engineering, Harbin Institute of Technology (HIT), Harbin Heilongjiang 150001, China（哈尔滨工业大学机械工程学院） ； LimX Dynamics, Shenzhen, China（LimX Dynamics） ； Zhejiang University-University of Illinois Urbana-Champaign Institute (ZJUI), Haining, China（浙江大学-伊利诺伊大学厄巴纳-香槟分校联合研究所） ； Department of Electronic Engineering and Information Science (EEIS), University of Science and Technology of China, Hefei 230027, China（中国科学技术大学电子工程与信息科学系） ； Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科技大学） ； Department of Mechanical Engineering, National University of Singapore, Singapore 117575（新加坡国立大学机械工程系） 纠错

AI总结 FastStair通过结合基于模型的规划器和强化学习，实现仿人机器人快速稳定的楼梯上升，展示了在高速和长楼梯上的卓越性能。

Advancing Adaptive Multi-Stage Video Anomaly Reasoning: A Benchmark Dataset and Method

推动自适应多阶段视频异常推理：一个基准数据集和方法

Chao Huang, Benfeng Wang, Wei Wang, Jie Wen, Li Shen, Wenqi Ren, Yong Xu, Xiaochun Cao

机构 * School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学计算机科学与技术学院（深圳校区）） ； Shenzhen Key Laboratory of Visual Object Detection and Recognition, Harbin Institute of Technology（哈尔滨工业大学深圳视觉目标检测与识别重点实验室） 纠错

AI总结 本文提出视频异常推理任务及相应数据集，通过结构化思维链和自适应策略优化，提升多阶段视频异常推理能力。

Simple Network Graph Comparative Learning

简单网络图比较学习

Qiang Yu, Xinran Cheng, Shiqiang Xu, Chuanyi Liu

机构 * School of Computer Science and Technology, Harbin Institute of Technology,Shenzhen（计算机科学与技术学院，哈尔滨工业大学，深圳） ； Inspur Cloud Information Technology Co., Ltd（Inspur 云信息科技有限公司） 纠错

AI总结 本文提出简单网络图比较学习方法，通过多层拉普拉斯平滑滤波和改进损失函数提升节点分类性能。

Comments 10 pages, 5 figures

Redundancy-Driven Top-$k$ Functional Dependency Discovery

基于冗余度的Top-k函数依赖发现

Xiaolong Wan, Xixian Han

机构 * School of Computer Science and Technology, Harbin Institute of Technology（计算机科学与技术学院，哈尔滨工业大学） 纠错

AI总结 本文提出SDP算法，通过冗余度发现Top-k函数依赖，优化搜索空间以提高效率。

Exploring the Translation Mechanism of Large Language Models

探索大型语言模型的翻译机制

Hongbin Zhang, Kehai Chen, Xuefeng Bai, Xiucheng Li, Yang Xiang, Min Zhang

机构 * Institute of Computing and Intelligence（计算与智能研究所） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peng Cheng Laboratory（鹏城实验室） 纠错

AI总结 本研究提出子空间干预路径修补法，揭示大型语言模型翻译机制，发现稀疏组件子集主导翻译，通过微调提升性能并推广至复杂任务。

Comments Accepted in NeurIPS 2025 Poster

Uncovering Intrinsic Capabilities: A Paradigm for Data Curation in Vision-Language Models

揭示内在能力：一种用于视觉-语言模型数据整理的范式

Junjie Li, Ziao Wang, Jianghong Ma, Xiaofeng Zhang

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Hong Kong Baptist University, China（香港 Baptist大学） ； City University of Hong Kong, China（香港城市大学） 纠错

AI总结 CADC通过揭示视觉-语言模型的内在能力，提供了一种基于能力分析的数据整理范式，以提升指令微调的效果。

CLIDD: Cross-Layer Independent Deformable Description for Efficient and Discriminative Local Feature Representation

CLIDD: 跨层独立可变形描述用于高效且判别性的局部特征表示

Haodi Yao, Fenghua He, Ning Hao, Yao Su

机构 * School of Astronautics, Harbin Institute of Technology, China（航天学院，哈尔滨工业大学，中国） ； State Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence (BIGAI), China（通用人工智能国家重点实验室，北京通用人工智能研究院（BIGAI），中国） 纠错

AI总结 CLIDD通过跨层独立可变形描述实现高效且判别性的局部特征表示，提供高精度匹配与低计算开销的解决方案。

Virtual-force Based Visual Servo for Multiple Peg-in-Hole Assembly with Tightly Coupled Multi-Manipulator

基于虚拟力的多机械臂多插孔装配视觉伺服控制

Jiawei Zhang, Chengchao Bai, Wei Pan, Jifeng Guo

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

AI总结 本文提出基于虚拟力的多机械臂视觉伺服控制方法，通过整合多机械臂的视觉特征提升多插孔装配任务的精度与鲁棒性。

Comments 8 pages, 11 figures, this paper has been published by IEEE Robotics and Automation Letters

SfMamba: Efficient Source-Free Domain Adaptation via Selective Scan Modeling

SfMamba: 通过选择性扫描建模实现高效的无源域适应

Xi Chen, Hongxun Yao, Sicheng Zhao, Jiankun Zhu, Jing Jiang, Kui Jiang

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） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理学与认知科学系） 纠错

AI总结 SfMamba通过引入通道级视觉状态空间模块和语义一致的洗牌策略，实现了高效的无源域适应，提升了域不变特征提取和空间鲁棒性。

Modality-Decoupled RGB-Thermal Object Detector via Query Fusion

通过查询融合实现模态解耦的RGB热物体检测器

Chao Tian, Zikun Zhou, Chao Yang, Guoqing Zhu, Fu'an Zhong, Zhenyu He

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校） 纠错

AI总结 本文提出了一种通过查询融合实现模态解耦的RGB热物体检测框架，以提升在极端条件下的检测鲁棒性。

Fine-Mem: Fine-Grained Feedback Alignment for Long-Horizon Memory Management

细粒度反馈对齐的长期记忆管理：Fine-Mem

Weitao Ma, Xiaocheng Feng, Lei Huang, Xiachong Feng, Zhanyu Ma, Jun Xu, Jiuchong Gao, Jinghua Hao, Renqing He, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Meituan（美团） ； Peng Cheng Laboratory（鹏城实验室） ； The University of Hong Kong（香港大学） 纠错

AI总结 Fine-Mem通过细粒度反馈对齐提升长周期内存管理，通过块级奖励和证据锚定奖励分配优化策略，实现更高效的内存操作与长期效用对齐。

Comments 18 pages, 5 figures

E^2-LLM: Bridging Neural Signals and Interpretable Affective Analysis

E²-LLM：连接神经信号与可解释的情感分析

Fei Ma, Han Lin, Yifan Xie, Hongwei Ren, Xiaoyu Shen, Wenbo Ding, Qi Tian

机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Eastern Institute of Technology（东方技术研究所） ； Huawei（华为） 纠错

AI总结 E²-LLM通过整合预训练EEG编码器与Qwen-based LLM，实现了可解释的情绪分析，展示了模型扩展在情感识别和可解释性上的优势。

Comments 11 pages

The Molecular Structure of Thought: Mapping the Topology of Long Chain-of-Thought Reasoning

思维的分子结构：映射长链推理的拓扑结构

Qiguang Chen, Yantao Du, Ziniu Li, Jinhao Liu, Songyao Duan, Jiarui Guo, Minghao Liu, Jiaheng Liu, Tong Yang, Ge Zhang, Libo Qin, Wanxiang Che, Wenhao Huang

机构 * LARG, SCIR, Harbin Institute of Technology（LARG、SCIR、哈尔滨工业大学） ； Peking University（北京大学） ； Nanjing University（南京大学） ； Central South University（中南大学） 纠错

AI总结 本文提出通过分子结构类比理解长链推理的拓扑特性，引入有效语义异构体概念，并提出Mole-Syn方法提升长链推理性能和稳定性。

Comments Preprint

Precision over Diversity: High-Precision Reward Generalizes to Robust Instruction Following

精确性胜过多样性：高精度奖励能泛化到稳健的指令跟随

Yirong Zeng, Yufei Liu, Xiao Ding, Yutai Hou, Yuxian Wang, Haonan Song, Wu Ning, Dandan Tu, Qixun Zhang, Bibo Cai, Yuxiang He, Ting Liu

机构 * Harbin Institute of Technology, SCIR（哈尔滨工业大学，SCIR） ； Peking University（北京大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

AI总结 本研究发现高精度奖励优于多样化的约束混合，提出数据导向的优化策略，提升指令跟随性能并减少训练时间。

Comments Under review, 13 pages, 8 figures

LoFT-LLM: Low-Frequency Time-Series Forecasting with Large Language Models

LoFT-LLM: 利用大语言模型进行低频时间序列预测

Jiacheng You, Jingcheng Yang, Yuhang Xie, Zhongxuan Wu, Xiucheng Li, Feng Li, Pengjie Wang, Jian Xu, Bo Zheng, Xinyang Chen

机构 * School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（计算机科学与技术学院，哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 LoFT-LLM通过整合大语言模型与低频学习，提升时间序列预测的准确性、鲁棒性和可解释性。

Comments This submission is withdrawn due to internal review and compliance considerations

Generative Adversarial Networks for Image Super-Resolution: A Survey

生成对抗网络用于图像超分辨率：综述

Ziang Wu, Xuanyu Zhang, Yinbo Yu, Qi Zhu, Jerry Chun-Wei Lin, Chunwei Tian

机构 * School of Engineering, The Hong Kong University of Science and Technology（香港科技大学工程学院） ； School of Software, Northwestern Polytechnical University（西北工业大学软件学院） ； College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院） ； Department of Distributed Systems and IT Devices, Silesian University of Technology（桑特大学技术学院） ； 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） 纠错

AI总结 本文综述了生成对抗网络在图像超分辨率中的应用，分析了不同GAN变种的性能，并探讨了SISR中的挑战与未来研究方向。

Comments 32 pages, 10 figures

OS-Symphony: A Holistic Framework for Robust and Generalist Computer-Using Agent

OS-Symphony: 一个用于鲁棒且通用计算机使用代理的综合框架

Bowen Yang, Kaiming Jin, Zhenyu Wu, Zhaoyang Liu, Qiushi Sun, Zehao Li, JingJing Xie, Zhoumianze Liu, Fangzhi Xu, Kanzhi Cheng, Qingyun Li, Yian Wang, Yu Qiao, Zun Wang, Zichen Ding

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学） ； CUHK MMLab（香港中文大学MMLab） ； Xi’an Jiaotong University（西安交通大学） ； Nanjing University（南京大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 OS-Symphony通过反思记忆代理和多功能工具代理，提升计算机使用代理在长周期任务和新领域中的鲁棒性和泛化能力。

Comments 31 pages, 11 figures, 12 tables

When Abundance Conceals Weakness: Knowledge Conflict in Multilingual Models

当丰裕掩盖弱点：多语言模型中的知识冲突

Jiaqi Zhao, Qiang Huang, Haodong Chen, Xiaoxing You, Jun Yu

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Hangzhou Dianzi University（杭州电子科技大学） 纠错

AI总结 研究提出CLEAR框架，分析多语言模型在跨语言知识冲突中的解决机制，揭示任务类型对冲突解决的影响，显示语言资源丰富度与语言亲和力在不同任务中的决定性作用。

Comments 14 pages, 7 figures, and 4 tables

Generalization Bounds for Transformer Channel Decoders

变换器通道解码器的泛化界限

Qinshan Zhang, Bin Chen, Yong Jiang, Shu-Tao Xia

机构 * Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； University Town of Shenzhen, Nanshan District, Shenzhen（深圳大学城，南山区，深圳） 纠错

AI总结 本文从学习理论角度研究ECCT的泛化性能，通过位级Rademacher复杂性推导出泛化间隙的上界，并展示了奇偶校验基于的遮蔽注意力如何通过稀疏性减少覆盖数，从而提供该类解码器的首次理论泛化保证。

Comments 18 pages, 3 figures

Explainable Multimodal Aspect-Based Sentiment Analysis with Dependency-guided Large Language Model

可解释的多模态基于方面的情感分析与依赖引导的大语言模型

Zhongzheng Wang, Yuanhe Tian, Hongzhi Wang, Yan Song

机构 * Harbin Institute of Technology（哈尔滨工程大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出了一种基于依赖引导的大语言模型的多模态情感分析方法，通过生成可解释的自然语言解释来提升情感分类的准确性。

Comments 9 pages, 3 figures

Collab-Solver: Collaborative Solving Policy Learning for Mixed-Integer Linear Programming

Collab-Solver: 混合整数线性规划的协同求解策略学习

Siyuan Li, Yifan Yu, Zhihao Zhang, Mengjing Chen, Fangzhou Zhu, Tao Zhong, Peng Liu, Jianye Hao

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Noah's Ark Lab（华为诺亚实验室） 纠错

AI总结 Collab-Solver通过多智能体协同策略学习框架提升混合整数线性规划的求解效率和解质量。