高校专区
WorldStereo: 通过3D几何记忆桥接相机引导的视频生成与场景重建
机构 * Zhejiang University（浙江大学） ； Tencent Hunyuan（腾讯文心）
AI总结 WorldStereo通过3D几何记忆模块实现相机引导视频生成与3D场景重建的高效融合，提升多视角一致性与重建质量。
论文未告诉你什么：为自动化论文复现恢复隐性知识
机构 * School of Software, Shandong University China ； Beijing Institute of Technology China ； Zhejiang University China ； Dept.\ of Math \& Statistics, Boston University USA ； College of AI, Tsinghua University China ； Alibaba Group China ； The Hong Kong Polytechnic University Hong Kong SAR, China ； School of Software, Shandong University ； Beijing Institute of Technology ； Zhejiang University ； Dept.\ of Math \& Statistics, Boston University ； College of AI, Tsinghua University ； Alibaba Group ； The Hong Kong Polytechnic University
AI总结 本文提出一种基于图的智能体框架，通过恢复关系型、身体型和集体型隐性知识，提升自动化论文复现性能。
Comments 32 pages (+ appendix), 8 figures. Lehui Li and Ruining Wang contributed equally. Yongshun Gong is the corresponding author
TopoCurate：基于交互拓扑的工具使用代理训练建模
机构 * Zhejiang University, Hangzhou, China（浙江大学）
AI总结 TopoCurate通过交互拓扑建模提升工具使用代理训练效果，采用双选择机制优化SFT和RL性能。
Comments Under Review
TacMamba: 一种连接快速反射与慢速VLA推理的触觉历史压缩适配器
机构 * Zhejiang University（浙江大学） ； GigaAI ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 TacMamba通过触觉历史压缩器和双阶段训练策略，实现高频率触觉数据与低频视觉推理的高效融合，提升实时任务性能。
统一语言-动作理解与生成以实现自动驾驶
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； Li Auto
AI总结 LinkVLA通过统一语言和动作令牌及两步生成方法，提升自动驾驶中语言-动作一致性和效率
SyncTrack: 多轨音乐生成中的节奏稳定性与同步
机构 * Department of Mathematics, The Hong Kong University of Science and Technology（香港科学与技术大学数学系） ； State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； Academy of Interdisciplinary Studies, The Hong Kong University of Science and Technology（香港科学与技术大学跨学科研究学院） ； State Key Laboratory of Nervous System Disorders, The Hong Kong University of Science and Technology（香港科学与技术大学神经系统紊乱国家重点实验室） ； The University of Hong Kong（香港大学）
AI总结 SyncTrack通过同步多轨波形音乐生成模型提升多轨音乐的节奏一致性和同步性。
Comments Accepted by ICLR 2026
AoE: 始终在线的以自身为中心的人类视频采集用于具身AI
机构 * Ant Digital Technologies, Ant Group（蚂蚁集团数字技术部） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 AoE系统通过利用人类和智能手机低成本采集以自身为中心的现实世界交互数据，解决具身AI的数据稀缺问题，提升现实世界泛化能力。
AgentVista: 评估在超挑战性现实视觉场景中的多模态代理
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 AgentVista 是一个评估多模态代理在超挑战性现实视觉场景中能力的基准，通过真实场景和复杂工具交互任务揭示现有模型在长时间多模态工具使用方面的不足。
Comments The project website is available at https://agentvista-bench.github.io/, and the code is available at https://github.com/hkust-nlp/AgentVista
OmniCT：迈向统一的切片-体积LVLM以实现全面的CT分析
机构 * Zhejiang University（浙江大学） ； DAMO Academy, Alibaba Group（阿里云学术院） ； Hupan Lab（虎派实验室）
AI总结 OmniCT提出了一种统一的切片-体积LVLM，通过空间一致性增强、器官级语义增强和MedEval-CT数据集，实现了全面的CT分析。
多尺度超图与大语言模型：面向时间序列分析的对齐方法
机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； College of Computer Science and Technology, Zhejiang University（计算机科学与技术学院，浙江大学）
AI总结 本文提出MSH-LLM方法，通过多尺度超图机制和跨模态对齐模块，提升大语言模型在时间序列分析中的表现。
Comments Accepted by ICLR2026
停止浪费你的令牌：迈向高效的运行时多智能体系统
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； State Key Laboratory of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室）
AI总结 SupervisorAgent通过运行时自适应监督框架减少多智能体系统中的令牌消耗，提升效率与鲁棒性。
Comments Accepted to ICLR 2026. The code is available at https://github.com/LINs-lab/SupervisorAgent
跨视角视觉：评估视觉-语言模型在机器人场景中的空间推理能力
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院） ； Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang University（浙江大学）
AI总结 本文提出MV-RoboBench基准，评估视觉-语言模型在机器人场景中的多视角空间推理能力，揭示其在多视角机器人感知中的挑战。
Comments Accepted to ICLR 2026. Camera-ready version. Project page: https://aaronfengzy.github.io/MV-RoboBench-Webpage/
Journal ref International Conference on Learning Representations (ICLR), 2026
EasySteer: 一种高绩效且可扩展的LLM引导统一框架
机构 * Zhejiang University（浙江大学）
AI总结 EasySteer通过模块化架构和预计算引导向量，实现高效且可扩展的LLM引导，提升推理效率并支持多种应用场景。
Comments Functionality upgrade. Code: https://github.com/ZJU-REAL/EasySteer Demo: https://www.youtube.com/watch?v=3rRGzZmhrXg
自适应位置层级学习用于长尾移动预测
机构 * Zhejiang University（浙江大学） ； Hangzhou City University（杭州市大学）
AI总结 ALOHA通过自适应层级学习缓解长尾移动预测偏差，提升多种模型的预测性能达16.59%。
Comments Accepted by WWW 2026
Openfly：面向空中视觉-语言导航的综合性平台
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Beihang University（北航） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； East China University of Science and Technology（东华大学） ； Fudan University（复旦大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； TeleAI
AI总结 OpenFly平台通过整合多种渲染引擎和自动化工具链，构建大规模空中VLN数据集，并提出关键帧感知的VLN模型，提升户外空中视觉-语言导航的研究与应用。
Comments accepted by ICLR 2026
单token验证用于推理正确性估计
机构 * Southern University of Science（南方科技大学） ； City University of Hong Kong（香港城市大学） ； Zhejiang University（浙江大学）
AI总结 本文提出单token验证方法，用于高效估计推理正确性，通过低秩适应集成到LLM中，减少token使用并提升推理可靠性。
公平在心，公平在行？一个用于理解与生成的同步基准：UMLLMs的公平性评估
机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； The Chinese University of Hong Kong（香港中文大学） ； School of Software Technology, Zhejiang University（浙江大学软件学院） ； Ningbo Global Innovation Center, Zhejiang University（浙江大学宁波全球创新中心） ； Collaborative Innovation Center of Novel Software Technology and Industrialization（新型软件技术与产业化协同创新中心）
AI总结 IRIS基准通过同步评估UMLLMs的理解与生成任务公平性，揭示系统性偏见现象并提供公平性优化指导。
Comments Accepted to ICLR 2026
草稿式推理：在长链式推理LLM中学习高效推理
机构 * Zhejiang University（浙江大学） ； Tencent（腾讯）
AI总结 Draft-Thinking通过草稿式推理结构和渐进式课程学习，在长链式推理LLM中实现高效推理，显著降低推理预算并保持性能
FastBUS: 一种用于统一弱监督学习的高效贝叶斯框架
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全国家重点实验室） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
AI总结 FastBUS提出了一种高效贝叶斯框架，通过概率转移和低秩假设加速弱监督学习，实现多类别批量处理和显著提升运行效率。
Comments 14 pages, 5 figures
M$^2$: 通过轨迹摘要和洞察检索实现长 horizon 网络代理的双记忆增强
机构 * Northwestern Polytechnical University, Xi'an, China（西北工业大学） ； AI Business, Alibaba Group, Hangzhou, China（阿里云人工智能业务） ； Xi'an University of Architecture（西安建筑科技大学） ； Zhejiang University, Hangzhou, China（浙江大学）
AI总结 M$^2$通过双记忆机制提升长 horizon 网络代理的上下文效率和决策鲁棒性，实现更高成功率和更低计算成本。
基于大语言模型的引导式目标发现指导：用于基于事实的多模态大语言模型医疗报告生成
机构 * Zhejiang University（浙江大学） ； The Second Affiliated Hospital Zhejiang University School of Medicine（浙江大学医学院附属第二医院） ； Hangzhou Pu Jian Medical Technology Co., Ltd.（杭州普健医疗科技有限公司）
AI总结 本文提出Fact-Flow框架，通过引导大语言模型生成事实准确的医疗报告，利用LLM自动生成标注数据集，提升医疗报告生成的事实准确性。
Comments 10 pages, 1 figure
Echo：通过音频交错推理实现高级音频理解
机构 * IIE, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Zhejiang University（浙江大学） ； ByteDance China（字节跳动中国） ； VCIP & TMCC & DISSec, College of Computer Science, Nankai University（VCIP与TMCC与DISSec，南开大学计算机学院） ； School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理学与认知科学系） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 Echo通过音频交错推理方法，提升音频理解能力，在基准测试中表现出色。
Comments Accepted by ICLR 2026
当智能体“误忆”时：探索基于大语言模型的多智能体系统中的曼德拉效应
机构 * Zhejiang University（浙江大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Palo Alto Networks（帕洛阿尔托网络公司） ； OPPO Research Institute（OPPO研究院） ； Zhejiang Key Laboratory of Decision Intelligence（浙江决策智能重点实验室）
AI总结 本文研究了基于大语言模型的多智能体系统中的曼德拉效应，提出MANBENCH基准并提出缓解策略，实现74.40%的效应减少。
Comments ICLR 2026
InnoGym：评估AI智能体创新潜力的基准测试
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； National University of Singapore（新加坡国立大学） ； Zhejiang University - Ant Group Joint Laboratory of Knowledge Graph（知识图谱联合实验室）
AI总结 InnoGym通过引入性能提升和新颖性两个指标，首次系统评估AI智能体的创新潜力，揭示了创造力与有效性的平衡问题。
Comments ICLR 2026
ThinkMorph：多模态交错链式推理中的涌现特性
机构 * National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； absolute AI ； The Chinese University of Hong Kong（香港中文大学）
AI总结 ThinkMorph通过统一模型提升多模态推理性能，展现视觉操控与模式切换等新兴能力。
Comments project page: https://thinkmorph.github.io/
MoE中的路由问题：通过显式路由指导扩展扩散Transformer
机构 * Fudan University（复旦大学） ； Tongyi Lab, Alibaba Group（阿里云实验室，阿里巴巴集团） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； MMLab ； Institute of Science and Technology for Brain-inspired Intelligence, MOE Frontiers Center for Brain Science, Key Laboratory of Computational Neuroscience and Brain-Inspired Intelligence, and State Key Laboratory of Brain Function and Disorders, Fudan University（脑启发智能科学技术研究院、MOE前沿脑科学中心、计算神经科学与脑启发智能重点实验室、脑功能与疾病国家重点实验室，复旦大学）
AI总结 ProMoE通过显式路由指导提升视觉MoE性能，结合两步路由策略和原型路由机制，在ImageNet基准上优于现有方法。
Comments Accepted to ICLR 2026
LightMem: 轻量级和高效的内存增强生成
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； State Key Lab. for Novel Software Technology, Nanjing University, P.R. China（南京大学软件新技术国家重点实验室，中国）
AI总结 LightMem通过三阶段内存系统提升LLM在动态环境中的效率和性能，实现问答准确率提升和token使用减少。
Comments ICLR 2026
通过扩散映射的测地原型匹配用于可解释的细粒度识别
机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Zhejiang University（浙江大学） ； Shenzhen Research Institute of Big Data（深圳大数据研究院）
AI总结 本文提出通过扩散映射的测地原型匹配方法，用于可解释的细粒度识别，通过内在几何结构提升原型的语义对应性。
Comments The paper has been accepted by ICASSP 2026
Brain-HGCN: 基于双曲几何的脑功能网络分析超图卷积网络
机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Zhejiang University（浙江大学） ； Shenzhen Research Institute of Big Data（深圳大数据研究院）
AI总结 Brain-HGCN通过双曲几何建模脑功能网络分层结构，优于传统欧几里得GNNs，在精神疾病分类中表现优异。
Comments The paper has been accepted by ICASSP 2026
RTGMFF：基于ROI驱动文本生成和多模态特征融合的增强型fMRI脑部疾病诊断
机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Zhejiang University（浙江大学） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； Yunnan University（云南大学）
AI总结 RTGMFF通过结合ROI驱动文本生成和多模态特征融合，提升fMRI在脑部疾病诊断中的准确性。
Comments The paper has been accepted by BIBM 2025
Journal ref 2025 IEEE International Conference on Bioinformatics and Biomedicine (BIBM). IEEE, 2025, pp. 2301-2308
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