University of Science and Technology of China（中国科学技术大学）

Prefill-Time Intervention for Mitigating Hallucination in Large Vision-Language Models

预填充阶段干预用于缓解大视觉-语言模型中的幻觉

Chengsheng Zhang, Chenghao Sun, Xinyan Jiang, Wei Li, Xinmei Tian

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Advanced Research Institute, Chinese Academy of Sciences（上海先进研究院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出PTI方法，在预填充阶段干预KV缓存以减少幻觉，通过模态感知方向修正错误表示，提升模型可靠性。

Comments Accepted by CVPR 2026

SnapGuard: Lightweight Prompt Injection Detection for Screenshot-Based Web Agents

SnapGuard: 基于截图的轻量级提示注入检测方法

Mengyao Du, Han Fang, Haokai Ma, Jiahao Chen, Kai Xu, Quanjun Yin, Ee-Chien Chang

机构 * National University of Defense Technology（国防科技大学） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） 纠错

AI总结 针对基于截图的网络代理面临的提示注入攻击问题，提出SnapGuard方法，通过视觉稳定指标和文本信号分析实现高效检测，达到F1得分0.75，速度提升8倍。

Comments 10 pages, 7 figures

CF-VLA: Efficient Coarse-to-Fine Action Generation for Vision-Language-Action Policies

CF-VLA：面向视觉-语言-动作策略的高效粗到细动作生成

Fan Du, Feng Yan, Jianxiong Wu, Xinrun Xu, Weiye Zhang, Weinong Wang, Yu Guo, Bin Qian, Zhihai He, Fei Wang, Heng Yang

机构 * Southern University of Science and Technology（南方科技大学） ； Xi’an Jiaotong University（西安交通大学） ； United Nova Technology（联合Nova技术） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出CF-VLA，通过粗到细两阶段方法优化视觉-语言-动作策略的动作生成，提升效率与性能，在低NFE条件下实现更优的效率-性能平衡。

Optimization-Free Topological Sort for Causal Discovery via the Schur Complement of Score Jacobians

无需优化的拓扑排序用于因果发现：通过得分雅可比矩阵的Schur补

Rui Wu, Hong Xie

机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出无需优化的拓扑排序方法，通过Schur补提取生成模型中的拓扑顺序，解决因果发现中的非凸优化问题，提升高维场景下的可扩展性。

Comments 18 pages, 3 figures, 7 tables

ResetEdit: Precise Text-guided Editing of Generated Image via Resettable Starting Latent

ResetEdit: 通过可重置的起始潜在实现生成图像的精确文本引导编辑

Hanyi Wang, Han Fang, Zheng Wang, Shilin Wang, Ee-Chien Chang

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（科学技术大学） ； Wuhan University（武汉大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出ResetEdit框架，通过在生成过程中嵌入可恢复的潜在信息，实现高精度文本引导编辑，优于现有方法。

GCA-BULF: A Bottom-Up Framework for Short-Term Load Forecasting Using Grouped Critical Appliances

GCA-BULF：一种基于分组关键电器的短时负荷预测框架

Yunhao Yao, Jinwei Fang, Puhan Luo, Zhiqiang Wang, Jiahui Hou, Xiang-Yang Li

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出GCA-BULF框架，通过分组关键电器提升短时负荷预测精度，实验表明其在住宅和办公建筑负荷预测中优于传统自上而下和自下而上方法。

Comments 10 pages, 12 figures

AutoPPA: Automated Circuit PPA Optimization via Contrastive Code-based Rule Library Learning

AutoPPA：通过对比代码基于的规则库学习实现自动电路PPA优化

Chongxiao Li, Pengwei Jin, Di Huang, Guangrun Sun, Husheng Han, Jianan Mu, Xinyao Zheng, Jiaguo Zhu, Shuyi Xing, Hanjun Wei, Tianyun Ma, Shuyao Cheng, Rui Zhang, Ying Wang, Zidong Du, Qi Guo, Xing Hu

机构 * State Key Lab of Processors, Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所处理器重点实验室，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） ； University of Science and Technology of China, Hefei, China（中国科学技术大学，合肥，中国） ； Institute of AI for Industries, Chinese Academy of Sciences, Nanjing, China（中国科学院工业人工智能研究所，南京，中国） 纠错

AI总结 本文提出AutoPPA框架，通过对比生成的代码对自动生成优化规则，提升RTL设计中PPA优化效率，实验表明优于手动优化和现有方法SymRTLO和RTLRewriter。