Nanjing University（南京大学）

TripVVT: A Large-Scale Triplet Dataset and a Coarse-Mask Baseline for In-the-Wild Video Virtual Try-On

TripVVT：一个大规模三元组数据集和一个粗略遮罩基线用于真实场景视频虚拟试穿

Dingbao Shao, Song Wu, Shenyi Wang, Ye Wang, Ziheng Tang, Fei Liu, Jiang Lin, Xinyu Chen, Qian Wang, Ying Tai, Jian Yang, Zili Yi

机构 * Nanjing University, China（南京大学） ； JIUTIAN Research, CMCC, China（JIUTIAN研究院，CMCC，中国） ； Jilin University, China（吉林大学） ； ByteDance Inc., China（字节跳动公司） 纠错

AI总结 本文提出TripVVT-10K数据集和TripVVT框架，通过改进的遮罩先验提升视频虚拟试穿的鲁棒性和质量，同时建立评估基准以验证其在复杂场景中的泛化能力。

Security Attack and Defense Strategies for Autonomous Agent Frameworks: A Layered Review with OpenClaw as a Case Study

自主代理框架的安全攻击与防御策略：以OpenClaw为案例的分层综述

Luyao Xu, Xiang Chen

机构 * School of Artificial Intelligence and Computer Science, Nantong University（人工智能与计算机科学学院，南通大学） ； State Key Lab. for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） 纠错

AI总结 本文通过分层分析探讨自主代理框架的安全风险与防御策略，以OpenClaw为案例，揭示威胁跨层传播的可能性及未来研究方向。

Comments 14 pages, 2 figures, 6 tables

Secret Stealing Attacks on Local LLM Fine-Tuning through Supply-Chain Model Code Backdoors

通过供应链模型代码后门进行本地LLM微调中的秘密窃取攻击

Zi Li, Tian Zhou, Wenze Li, Jingyu Hua, Yunlong Mao, Sheng Zhong

机构 * Nanjing University（南京大学） 纠错

AI总结 研究揭示本地微调数据中敏感信息泄露风险，提出通过供应链代码后门实现主动执行劫持，引入确定性全链记忆机制，实现高精度秘密窃取，实验表明方法在不干扰主要任务的前提下达到98%以上的ASR。

A Real-time Scale-robust Network for Glottis Segmentation in Nasal Transnasal Intubation

一种实时尺度鲁棒网络用于鼻内气管插管中的声带分割

Yang Zhou, Chaoyong Zhang, Ruoyi Hao, Huilin Pan, Yang Zhang, Hongliang Ren

机构 * School of Mechanical Engineering, Hubei University of Technology（湖北工业大学机械工程学院） ； National Key Laboratory for Novel Software Technology, Department of Computer Science and Technology, Nanjing University（南京大学新型软件技术国家重点实验室，计算机科学与技术系） ； Department of Electronic Engineering, The Chinese University of Hong Kong（香港中文大学电子工程系） ； Shun Hing Institute of Advanced Engineering, The Chinese University of Hong Kong（香港中文大学顺安先进工程研究院） 纠错

AI总结 本文提出了一种轻量级多感受野特征提取模块，用于提高鼻内气管插管中声带分割的鲁棒性和精度，实验表明其在三个数据集上表现优异，达到92.9%的mDice分数。

Comments 14 pages, 9 figures

To Diff or Not to Diff? Structure-Aware and Adaptive Output Formats for Efficient LLM-based Code Editing

要进行差异生成还是不进行差异生成？面向高效LLM代码编辑的结构感知和自适应输出格式

Wei Cheng, Yongchang Cao, Chen Shen, Binhua Li, Jue Chen, Yongbin Li, Wei Hu

机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国） ； Tongyi Lab, Alibaba Group, China（通义实验室，阿里巴巴集团，中国） 纠错

AI总结 本文提出BlockDiff和FuncDiff两种结构感知差异格式及AdaEdit策略，通过减少生成复杂度提升长代码编辑效率，准确度与全代码生成相当，降低30%以上延迟和成本。

Comments Accepted in the Findings of ACL 2026

Make Tracking Easy: Neural Motion Retargeting for Humanoid Whole-body Control

让跟踪变得容易：用于双足机器人全身控制的神经运动重定向

Qingrui Zhao, Kaiyue Yang, Xiyu Wang, Shiqi Zhao, Yi Lu, Xinfang Zhang, Qiu Shen, Xiao-Xiao Long, Xun Cao

机构 * Nanjing University（南京大学） ； Huawei Technologies（华为技术） 纠错

AI总结 本文提出NMR框架，通过学习数据分布而非优化最优解，解决传统重定向方法的非凸性问题，提升双足机器人在复杂环境中的运动能力。

Comments Report, 12 pages, 5 figures, 4 tables, webpage: https://nju3dv-humanoidgroup.github.io/nmr.github.io