高校专区
在不完全图证据下 grounding LLM 推理
机构 * Tianjin Normal University, College of Computer and Information Engineering（天津师范大学计算机与信息工程学院） ； Harbin Institute of Technology, School of Mathematics（哈尔滨工业大学数学学院）
AI总结 本文提出在不完全知识图谱证据下，通过KL正则化变形LLM先验实现软grounding，并给出稳定性界限，适用于GraphRAG、KGQA等场景。
Comments A theoretical perspective about Grounding LLM Reasoning
Clarus: 协调自主研究代理实现网络规模的科学协作
机构 * Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学） ； Jilin University（吉林大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 提出Clarus基础设施，通过定义项目-代理-资源对象模型和四层协作架构，协调AI与人类研究者在开放、可审计、可归属的资源感知多阶段流程中实现网络规模科学协作。
Comments 28 pages, 7 figures, 1 table
高效RGB-T目标检测通过稀疏跨模态融合
机构 * Harbin Institute of Technology（哈尔滨工业大学）
AI总结 提出稀疏融合机制，先快速扫描图像识别候选区域，再对稀疏候选进行特征融合，实现高效RGB-T目标检测，在降低计算成本的同时保持高精度。
Comments Accepted by ECCV-2026
照亮统一多模态模型以实现自由形式交错文本-图像生成
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） ； Zhengzhou Advanced Research Institute of Harbin Institute of Technology（哈尔滨工业大学郑州先进研究院） ； Nankai University（南开大学）
AI总结 提出ILLUME-X统一多模态模型，通过改进数据效率和稳定训练，实现高质量自由形式交错文本-图像生成，在风格迁移等任务上超越先前模型。
Comments Accepted by ECCV2026
面向具身AI的高效视觉指代：智能体驱动数据合成、跨块注意力与迭代校正
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 提出PointArena 2026解决方案，通过智能体驱动数据合成、确定性可操控数据流水线、跨块注意力与迭代校正模块，实现77.2%总体准确率，排名第二。
STEAM: 面向真实世界机器人学习的自监督时间集成优势建模
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Striding AI ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Zhongguancun Academy（中关村学院） ； Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute of Technology（北京理工大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Infinigence AI
AI总结 提出自监督时间集成优势建模（STEAM），利用专家轨迹中帧对的时间偏移作为自监督信号，学习帧级优势以区分进展与失败，结合CFGRL在多种真实任务中提升策略成功率。
渐进式自监督学习与个性化社区分配用于脑网络分析
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 of Tübingen（图宾根大学） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所）
AI总结 提出BrainPICM框架，通过渐进式不平衡最优传输实现个性化社区感知掩码，结合课程学习策略和偏差感知聚合模块，在三个fMRI数据集上优于现有方法。
利用视觉语言模型动态解析和更新自然语言规范以实现鲁棒的视觉语言跟踪
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校） ； Peng Cheng Laboratory, Shenzhen（鹏城实验室深圳分部） ； Shenzhen Graduate School, Peking University（北京大学深圳研究生院）
AI总结 提出语言依赖解析机制提取跟踪核心成分，并利用Qwen-VL进行成分感知的文本更新，在多个基准上取得一致优越性能。
置信度反馈加权图匹配网络：复杂干扰下的在线-离线激光损伤点匹配
机构 * School of Instrumentation Science and Engineering, Harbin Institute of Technology, Harbin 150001, China（哈尔滨工程大学仪器科学与工程学院，哈尔滨工业大学，哈尔滨150001，中国） ； Research Center of Laser Fusion, China Academy of Engineering Physics, Mianyang 621900, China（中国工程物理研究院激光融合研究中心，绵阳621900，中国）
AI总结 针对高功率激光装置中在线检测伪损伤点与离线真实点匹配困难的问题，提出置信度反馈加权图匹配网络，仅需损伤点质心坐标，通过迭代匹配得分估计节点可匹配性并反馈为可靠性权重，抑制干扰传播，结合几何一致性约束和难例挖掘损失，在复杂场景数据集上实现96.36%的匹配F1分数。
Comments 13 pages,12 figures,2 tables
SATB-VR：使用信噪比感知轨迹混合训练少步视频恢复扩散模型
机构 * Alibaba Group（阿里巴巴集团） ； Harbin Institute of Technology（哈尔滨工业大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 提出SATB-VR少步视频恢复框架，通过辅助预测器跳过低信噪比步骤，并利用SNR感知轨迹混合策略解决训练-推理不一致，实现高效高质量恢复。
SearchSkill: 教授大语言模型使用搜索工具与演进技能库
机构 * School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳校区计算机科学与技术学院） ； TikTok Inc, Beijing（字节跳动北京公司）
AI总结 SearchSkill通过可重用的搜索技能显式规划查询，提升开放域问答中的检索效率和推理质量，改进了知识密集型问答基准的精确匹配表现。
大语言模型中的代理工具使用
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）
AI总结 本文系统梳理了大语言模型中代理工具使用的三种范式，分析了其方法、优缺点及评估现状，旨在解决现有研究碎片化问题，提供更系统的进化视角。
本体引导的反向思维使大语言模型在知识图谱问答中更强
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Joint Laboratory of HIT and iFLYTEK（哈工大与科大讯飞联合实验室） ； University of Science and Technology of China（中国科学技术大学） ； Pengcheng Laboratory（鹏城实验室）
AI总结 本文提出Ontology-Guided Reverse Thinking框架，通过反向推理构建路径，提升大语言模型在知识图谱问答中的表现，实验表明其在WebQSP和CWQ数据集上达到最佳性能。
Comments We now public our source codes
StarDojo：基于Stardew Valley的多模态大语言模型在生产-生活模拟中的开放性行为基准测试
机构 * Nanyang Technological University（南洋理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； East China University of Science and Technology（华东理工大学） ； Singapore Management University（新加坡管理大学）
AI总结 StarDojo通过Stardew Valley模拟评估多模态大语言模型在生产与社交活动中的综合能力，包含1000个任务，发现GPT-4.1在视觉理解与多模态推理方面存在显著不足。
Comments Accepted by ECCV 2026. Project website: https://weihaotan.github.io/StarDojo
StructSplat: 从无标定稀疏视图进行可泛化的3D高斯泼溅
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Great Bay University（大湾区大学） ； Guangzhou CloudButterfly Technology Co., Ltd.（广州云蝴蝶科技有限公司）
AI总结 提出StructSplat，一种前馈式可泛化3D高斯重建框架，无需相机参数，通过结构化表示分离几何、语义和纹理线索，在多个基准上显著超越现有方法。
Comments Project page: https://structsplat.github.io Code: https://github.com/J-C-Zhao/StructSplat
RSICCLLM：用于遥感图像变化描述的多模态大语言模型
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（人工智能安全国家重点实验室，计算技术研究所，中国科学院，北京，中国） ； Great Bay University, Dongguan, China（东莞Great Bay大学，中国） ； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳学院，中国） ； Dongguan Key Laboratory for Intelligence and Information Technology, Dongguan, China（东莞智能与信息科技重点实验室，中国）
AI总结 提出首个针对遥感图像变化描述任务的大视觉语言模型后训练框架RSICCLLM，通过数据生成范式、差异感知微调和双负偏好优化，仅7B参数即超越更大规模模型。
Comments Accepted by ECCV 2026
SpatialFlow-GRPO：空间信用驱动图像编辑
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 提出SpatialFlow-GRPO框架，通过引入空间细粒度奖励反馈，将区域感知奖励转化为语义区域级优化信号，解决图像编辑中空间均匀性假设问题，显著提升编辑质量。
联合奖励建模：将思维链内化以实现高效的视觉奖励模型
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 提出联合奖励建模（JRM），通过共享视觉-语言骨干联合优化偏好学习和语言建模，将生成模型的语义推理能力内化到判别表示中，实现快速准确评估，在MMRB2和EditReward-Bench上取得最优结果。
PhysChoreo: 具有部分感知语义基础的物理可控视频生成
机构 * Harbin Institute of Technology（哈尔滨工业大学）
AI总结 提出PhysChoreo框架，通过两阶段方法（部分感知物理属性重建与时序指导的可编辑物理模拟）从单张图像生成物理可控且逼真的视频，在多个指标上超越现有方法。
上下文模型预测生成：从语言模型到物理的开放词汇运动合成
机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Department of Networked Intelligence, Peng Cheng Laboratory（鹏城实验室网络智能部） ； School of Computer Science and Engineering, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与工程学院）
AI总结 提出ICMPG框架，结合语言模型规划与推理时物理反馈，通过上下文感知运动生成和模型预测生成模块实现语义忠实且物理合理的开放词汇运动合成。
缩放多参考图像生成与动态奖励优化
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Independent Researcher（独立研究者） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 提出OmniRef-Bench基准和DyRef两阶段训练框架，通过动态奖励优化解决多参考图像生成中参考图像类型和数量增加导致的性能下降问题。
Comments Accepted by ECCV2026
SocialPersona: 基于多模态社交媒体上下文的个性化画像与回复基准测试
机构 * Harbin Institute of Technology（哈尔滨工业大学）
AI总结 提出SocialPersona基准，评估多模态大语言模型从社交媒体时间线推断用户偏好并用于对话的能力，实验表明模型在细粒度与近期偏好上表现不足。
位置重绑定缓存复用：交错多模态推理中无重放的视觉重访
机构 * Sun Yat-sen University（中山大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Harbin Institute of Technology (HIT)（哈尔滨工业大学） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出位置重绑定缓存复用（PRCR）框架，通过重绑历史视觉KV缓存的位置坐标，实现无重放的高效视觉重访，在多个多模态推理基准上平均准确率提升5%，计算量减少数万倍。
PMDformer: 用于长期预测的补丁均值解耦信息Transformer
机构 * Southwestern University of Finance and Economics（西南财经大学） ； Shanghai Academy of AI for Science（上海人工智能研究院） ； Fudan University（复旦大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； X-Humanoid Research Institute（X-Humanoid 研究院） ； Chengdu Everimaging Science and Technology Co., Ltd.（成都永新科技有限公司） ； Artificial Intelligence and Digital Finance Key Laboratory of Sichuan Province（四川省人工智能与数字金融重点实验室）
AI总结 提出补丁均值解耦方法分离趋势与残差形状，结合趋势恢复注意力和邻近变量注意力，提升长期时间序列预测的稳定性和准确性。
主动对抗扰动驱动的关联记忆检索用于RGB-事件视觉目标跟踪
机构 * School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） ； School of Electronic and Information Engineering, Anhui University（安徽大学电子信息工程学院） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； School of Computer Science, Peking University（北京大学计算机学院） ； School of Electronic and Computer Engineering, Shenzhen Graduate School, Peking University（北京大学深圳研究生院电子与计算机工程学院）
AI总结 提出APRTrack框架，通过分层对抗扰动模拟模态退化与局部缺失，并设计足迹引导的通道校准Hopfield检索实现鲁棒的历史信息补偿，在多个数据集上验证了有效性。
Dynamic-dLLM: 动态缓存预算与自适应并行解码实现扩散大语言模型的无训练加速
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Huawei（华为） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 针对扩散大语言模型计算复杂度随序列长度立方增长的问题，提出Dynamic-dLLM框架，通过动态缓存更新和自适应并行解码，在不训练的情况下实现3倍以上加速并保持性能。
超越独立操纵：具有同伴模仿的个体公平感知策略分类
机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； School of Mathematical Sciences, Peking University（北京大学数学学院） ； Institute for Theoretical Computer Science, Shanghai University of Finance and Economics（上海财经大学理论计算机科学研究所） ； Information Technology Development, Aetos Capital Group, Sydney（悉尼Aetos资本集团信息技术部） ； Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 提出个体公平感知策略分类（IFSC）框架，通过建模基于个体公平的同伴驱动操纵（模仿邻近被接受同伴），并采用鲁棒学习过程处理同伴可观测性不确定性，以改善个体公平一致性并减轻模仿引起的扭曲。
Comments Accepted by SIGKDD2026
预训练语言模型时代语义角色标注的系统综述
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute (SLAI)（深圳南山区研究院） ； University of Oslo（奥斯陆大学） ； Charles University（查尔斯大学）
AI总结 提出四维分类法系统综述SRL研究，分析句法特征的作用条件，首次系统处理大语言模型时代的SRL，并扩展至多模态设置。
Comments 54 pages, 9 figures, 9 tables. Accepted at Artificial Intelligence Review
PathFLIP：面向多功能计算病理学的细粒度语言-图像预训练
机构 * Harbin Institute of Technology, Shenzhen, School of Computer Science and Technology（哈尔滨工业大学（深圳）计算机科学与技术学院） ； National University of Singapore, Department of Electronic and Computer Engineering（新加坡国立大学电子与计算机工程系）
AI总结 提出PathFLIP框架，通过将幻灯片级描述分解为区域级子描述并生成文本条件区域嵌入，实现细粒度视觉-语言对齐，在多个基准上优于现有模型且训练数据更少。
通过扩散驱动选择实现一致且高效的数据集蒸馏
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） ； Pengcheng Laboratory（鹏城实验室）
AI总结 提出利用扩散先验进行补丁选择而非生成的新框架，通过噪声预测和损失差异识别图像中独特区域，结合类内聚类和排序实现单步蒸馏，在多种指标和设置下优于现有方法。
Comments Accepted by ECCV 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