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

Learning-based Seam Correspondence Reconstruction in Sewing Patterns

基于学习的缝纫图案接缝对应重建

Zhendong Wang, Jintong Wang, Chen Liu, Yao Jin, Ligang Liu, Huamin Wang

机构 * Zhejiang Sci-Tech University（浙江理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Style3D Research（模幻科技） 纠错

AI总结 研究针对数字缝纫图案无明确缝线注释问题，提出基于图的学习框架，从二维面板几何形状重建两级缝线信息，支持复杂拓扑，实验证明该方法有高缝线精度和强泛化能力。

PrefReward: Learning User Preference Matrix for Personalized Text Generation

PrefReward：学习用于个性化文本生成的用户偏好矩阵

Yue Wu, Chengbing Wang, Yimeng Bai, Xiaoyan Zhao, Yang Zhang, Fuli Feng

机构 * University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 研究针对大语言模型个性化生成中存在的问题，提出PrefReward框架，通过提取用户特定偏好矩阵并将其作为奖励信号指导生成，实验证明该框架在生成质量和个性化可解释性上优于基线。

SciExplore: Evaluating Autonomous Agents from Scientific Navigation to Information Integration

SciExplore：评估从科学导航到信息整合的自主智能体

Yinhao Tang, Youqing Fang, Yanan Sun, Wenran Liu, Weiming Zhang, Bin Liu, Kuikun Liu, Wenwei Zhang, Kai Chen

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） 纠错

AI总结 介绍用于评估大语言模型和智能体科学信息检索与推理能力的基准SciExplore，包含四类任务，在其上评估多个先进模型和智能体，发现随着任务复杂度增加性能差距大，凸显当前模型在实际科学信息检索场景中的局限。

Comments 25 pages, 13 figures. Submitted to ACL 2026

Source-Prior-Driven Selective Adaptation for Efficient Diffusion Model Finetuning

源先验驱动的选择性适应用于高效扩散模型微调

Yi Xiong, Yuan-Yuan Cheng, Xiao-Ming Fu

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

AI总结 研究针对扩散模型微调中提升特定目标生成与保留预训练能力的权衡问题，提出源先验驱动的选择性适应方法，通过关键观察学习静态掩码并构建更新策略，实验证明比基线方法在适应 - 保留权衡上表现更好。

THOR: A Theta-Gamma Hierarchical Oscillatory Reasoning Framework for Multi-hop QA

THOR：用于多跳问答的θ-γ分层振荡推理框架

Ziyang Ling, Ronald X. Xu, Mingzhai Sun

机构 * Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州高等研究院） ； School of Biomedical Engineering, Division of Life Sciences and Medicine, University of Science and Technology of China（中国科学技术大学生命科学与医学部生物医学工程学院） 纠错

AI总结 针对多跳问答中注意力衰减和错误积累问题，提出受大脑启发的θ-γ分层振荡推理框架THOR，经实验验证，该框架能提高答案准确性和鲁棒性，减轻相关限制。