Zhejiang University（浙江大学）

MVis-Fold: A Three-Dimensional Microvascular Structure Inference Model for Super-Resolution Ultrasound

MVis-Fold：一种用于超分辨率超声的三维微循环结构推断模型

Jincao Yao, Ke Zhang, Yahan Zhou, Jiafei Shen, Jie Liu, Mudassar Ali, Bojian Feng, Jiye Chen, Jinlong Fan, Ping Liang, Dong Xu

机构 * Department of Diagnostic Ultrasound Imaging & Interventional Therapy, Zhejiang Cancer Hospital, Hangzhou Institute of Medicine (HIM), Chinese Academy of Sciences（中国科学院杭州医学研究所浙江省肿瘤医院超声诊断与介入治疗科） ； Research Center of Interventional Medicine and Engineering, Hangzhou Institute of Medicine (HIM), Chinese Academy of Sciences（中国科学院杭州医学研究所介入医学与工程研究中心） ； Wenling Institute of Big Data and Artificial Intelligence in Medicine（温岭医学大数据与人工智能研究所） ； Zhejiang Provincial Research Center for Innovative Technology and Equipment in Interventional Oncology, Zhejiang Cancer Hospital（浙江省肿瘤医院介入肿瘤创新技术与装备浙江省研究中心） ； College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息与电子工程学院） ； Department of Ultrasound, Chinese PLA General Hospital, Chinese PLA Medical School（中国人民解放军总医院超声科，中国人民解放军医学院） 纠错

AI总结 本文提出MVis-Fold模型，通过跨尺度网络架构实现从二维超声图像高保真重建三维微循环网络，解决超分辨率超声三维重建难题，为微循环定量分析提供新工具。

DARE: Diffusion Large Language Models Alignment and Reinforcement Executor

DARE：扩散大语言模型对齐与强化执行器

Jingyi Yang, Yuxian Jiang, Xuhao Hu, Shuang Cheng, Biqing Qi, Jing Shao

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 DARE框架整合了监督微调、参数高效微调、偏好优化和强化学习，为扩散大语言模型提供统一的执行栈，支持多种模型家族，实现算法覆盖、可重复评估和实际加速。

Comments 14 pages,3 figures,5 tables

OP-GRPO: Efficient Off-Policy GRPO for Flow-Matching Models

OP-GRPO：用于流匹配模型的高效非策略GRPO

Liyu Zhang, Kehan Li, Tingrui Han, Tao Zhao, Yuxuan Sheng, Shibo He, Chao Li

机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Central Research Institute, Huawei（华为中央研究院） 纠错

AI总结 OP-GRPO通过高效非策略训练方法提升流匹配模型生成质量，通过高质轨迹选择与重要采样修正，实现训练效率提升34.2%。

Towards Intrinsically Calibrated Uncertainty Quantification in Industrial Data-Driven Models via Diffusion Sampler

面向工业数据驱动模型中固有校准不确定性量化的方法 via 扩散采样器

Yiran Ma, Jerome Le Ny, Zhichao Chen, Zhihuan Song

机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Electrical Engineering Department, Polytechnique Montreal（蒙特利尔理工学院电气工程系） ； GERAD ； State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院通用人工智能国家重点实验室） ； Guangdong Provincial Key Laboratory of Petrochemical Equipment Fault Diagnosis, Guangdong University of Petrochemical Technology（广东石油化工学院广东省石化装备故障诊断重点实验室） 纠错

AI总结 本文提出一种基于扩散的后验采样框架，通过忠实的后验采样实现固有校准的预测不确定性量化，解决了数据驱动方法中不确定性量化难题。

Comments This manuscript has been accepted for publication in IEEE Transactions on Industrial Informatics. Copyright has been transferred to IEEE. Reuse of this material is subject to IEEE copyright restrictions

3D Magic Mirror: Clothing Reconstruction from a Single Image via a Causal Perspective

3D魔镜：通过因果视角从单张图像进行衣物重建

Zhedong Zheng, Jiayin Zhu, Wei Ji, Yi Yang, Tat-Seng Chua

机构 * Sea-NExT Joint Lab, National University of Singapore（新加坡国立大学Sea-NExT联合实验室） ； Zhejiang University（浙江大学） 纠错

AI总结 本文提出一种自监督学习方法，通过因果视角从单张图像重建3D非刚性物体，解决3D标注困难、模板限制和内在模糊性问题，实验表明其在时尚数据集上能实现高质量重建。

Comments Update results. Report person re-id performance. Add details in Appendix

Journal ref npj Artif. Intell. 2, 29 (2026)

Can LLMs Learn to Reason Robustly under Noisy Supervision?

大语言模型能否在噪声监督下实现稳健推理？

Shenzhi Yang, Guangcheng Zhu, Bowen Song, Sharon Li, Haobo Wang, Xing Zheng, Yingfan Ma, Zhongqi Chen, Weiqiang Wang, Gang Chen

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文研究了强化学习中可验证奖励在噪声标签下的鲁棒性问题，提出在线标签细化方法，通过动态修正潜在噪声标签提升模型性能。

ActivityForensics: A Comprehensive Benchmark for Localizing Manipulated Activity in Videos

活动取证：一种全面的基准，用于定位视频中的篡改活动

Peijun Bao, Anwei Luo, Gang Pan, Alex C. Kot, Xudong Jiang

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机与人工智能学院） ； Jiangxi Provincial Key Laboratory of Multimedia Intelligent Processing（江西省多媒体智能处理重点实验室） ； Faculty of Engineering, Shenzhen MSU-BIT University（深圳北理莫斯科大学工程系） ； VinUniversity 纠错

AI总结 本文提出ActivityForensics基准，用于定位视频中被篡改的活动。该基准包含6000多个无缝融合的篡改视频片段，并引入了Temporal Artifact Diffuser方法，评估了多种最先进的伪造定位器。

Comments [CVPR 2026] The first benchmark for action-level deepfake localization

LightThinker++: From Reasoning Compression to Memory Management

LightThinker++：从推理压缩到内存管理

Yuqi Zhu, Jintian Zhang, Zhenjie Wan, Yujie Luo, Shuofei Qiao, Zhengke Gui, Da Zheng, Lei Liang, Huajun Chen, Ningyu Zhang

机构 * Zhejiang University（浙江大学） 纠错

AI总结 本文提出LightThinker++，通过引入显式自适应内存管理，有效压缩LLM推理过程中的中间思维，减少内存占用并提升推理效率，尤其在长周期智能任务中表现突出。

Comments Work in progress. This is an extended version of LightThinker

On the Role of Reasoning Patterns in the Generalization Discrepancy of Long Chain-of-Thought Supervised Fine-Tuning

在长链式思维监督微调中推理模式在泛化差异中的作用

Zhaoyi Li, Xiangyu Xi, Zhengyu Chen, Wei Wang, Gangwei Jiang, Ranran Shen, Linqi Song, Ying Wei, Defu Lian

机构 * University of Science and Technology of China（中国科学技术大学） ； Meituan LongCat Team（美团龙猫团队） ； City University of Hong Kong（香港城市大学） ； Zhejiang University（浙江大学） 纠错

AI总结 本文研究不同来源的长链式思维轨迹对模型泛化性能的影响，发现训练损失低并不一定带来更好的泛化能力，提出过滤频繁分支轨迹以提升SFT泛化性能。

Comments Under Review. version2: correct typos in Table 4 and add an ablation study (Table 5)

Unlearning Noise in PINNs: A Selective Pruning Framework for PDE Inverse Problems

在PINNs中去除噪声：一种用于PDE反问题的选性剪枝框架

Yongsheng Chen, Yong Chen, Wei Guo, Xinghui Zhong

机构 * Zhejiang University（浙江大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Texas Tech University（德克萨斯理工大学） 纠错

AI总结 本文提出P-PINN框架，通过选性剪枝去除预训练PINN中受污染数据的影响，提升PDE反问题的鲁棒性、准确性和训练稳定性。

ModalImmune: Immunity Driven Unlearning via Self Destructive Training

ModalImmune: 通过自毁式训练实现的免疫驱动反学习

Rong Fu, WeiZhi Tang, Ziming Wang, Jia Yee Tan, Zijian Zhang, Zhaolu Kang, Muge Qi, Shuning Zhang, Simon Fong

机构 * University of Macau（澳门大学） ； Zhejiang University（浙江大学） ； Renmin University of China（中国人民大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出ModalImmune框架，通过可控地在训练中坍缩选定模态信息，使模型学习到对破坏性模态影响具有鲁棒性的联合表示，提升多模态系统在模态丢失或损坏时的可靠性。

Comments 24 pages, 8 figures

Explainable Token-level Noise Filtering for LLM Fine-tuning Datasets

可解释的token级噪声过滤用于LLM微调数据集

Yuchen Yang, Wenze Lin, Enhao Huang, Zhixuan Chu, Hongbin Zhou, Lan Tao, Yiming Li, Zhan Qin, Kui Ren

机构 * The State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全全国重点实验室） ； Hangzhou HighTech Zone (Binjiang) Blockchain and Data Security Research Institute（杭州高新区（滨江）区块链与数据安全研究院） 纠错

AI总结 本文提出XTF框架，通过分解token级数据对微调过程的贡献，提升LLM微调性能，实验表明在数学、代码和医学任务中性能提升达13.7%。

VideoCoF: Unified Video Editing with Temporal Reasoner

VideoCoF：基于时间推理的统一视频编辑

Xiangpeng Yang, Ji Xie, Yiyuan Yang, Yue Ma, Yan Huang, Min Xu, Qiang Wu

机构 * University of Technology Sydney（悉尼科技大学） ； Zhejiang University（浙江大学） ； HKUST（香港科技大学） 纠错

AI总结 VideoCoF通过引入时间推理机制，解决视频编辑中精度与统一性的矛盾，实现无需掩码的精确区域映射和细粒度编辑，验证了方法的高效性与有效性。

Comments Accepted by CVPR 2026, Project Page: https://videocof.github.io/