Zhejiang University（浙江大学）

Fake-HR1: Rethinking Reasoning of Vision Language Model for Synthetic Image Detection

Fake-HR1: 重新思考视觉语言模型在合成图像检测中的推理方式

Changjiang Jiang, Xinkuan Sha, Fengchang Yu, Jingjing Liu, Jian Liu, Mingqi Fang, Chenfeng Zhang, Wei Lu

机构 * Wuhan University（武汉大学） ； AntGroup（蚂蚁集团） ； Zhejiang University（浙江大学） 纠错

AI总结 Fake-HR1通过两阶段训练框架实现自适应推理，提升合成图像检测性能与效率，优于现有LLMs。

Comments Accepted by ICASSP 2026

Parallelism and Generation Order in Masked Diffusion Language Models: Limits Today, Potential Tomorrow

掩码扩散语言模型中的并行性与生成顺序：今日的限制，明日的潜力

Yangyang Zhong, Yanmei Gu, Zhengqing Zang, Xiaomeng Li, Yuqi Ding, Xibei Jia, Yuting Shen, Zhenzhong Lan, Liwang Zhu, Weiping Liu, Junlin Zhou, Haisheng Liu, Zhong Xin Yu, Pengxin Luo, Donglian Qi, Yunfeng Yan, Junbo Zhao

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Shanghai Jiao Tong University（上海交通大学） ； University of Chinese Academy of Social Sciences（中国社会科学院大学） ； Westlake University（西湖大学） 纠错

AI总结 研究评估了八种主流MDLM在58个基准上的表现，发现其并行性和生成顺序受任务领域和正确性影响显著，且在需要逆向信息的任务中表现更优，提出生成后编辑范式以提升效率。

DistDF: Time-Series Forecasting Needs Joint-Distribution Wasserstein Alignment

DistDF：时间序列预测需要联合分布Wasserstein对齐

Hao Wang, Licheng Pan, Yuan Lu, Zhixuan Chu, Xiaoxi Li, Shuting He, Zhichao Chen, Haoxuan Li, Qingsong Wen, Zhouchen Lin

机构 * Xiaohongshu Inc.（小红书公司） ； College of Control Science and Technology, Zhejiang University（浙江大学控制科学与工程学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Computing and Artificial Intelligence, Shanghai University of Finance and Economics（上海财经大学计算与人工智能学院） ； 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） ； Squirrel AI（松鼠AI） ； Center for Data Science, Peking University（北京大学数据科学中心） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） 纠错

AI总结 DistDF通过最小化预测序列与标签序列条件分布之间的分布差异，解决传统直接预测方法在标签序列自相关时的偏差问题，提升多种预测模型性能。

Journal ref ICLR 2026

Evolutionary Profiles for Protein Fitness Prediction

蛋白质适应性预测的进化图谱

Jigang Fan, Xiaoran Jiao, Shengdong Lin, Zhanming Liang, Weian Mao, Chenchen Jing, Hao Chen, Chunhua Shen

机构 * Zhejiang University（浙江大学） ； Peking University（北京大学） ； East China University of Science and Technology（华东理工大学） ； Chengdu University of Information Technology（成都信息工程大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Zhejiang University of Technology（浙江工业大学） 纠错

AI总结 本文提出EvoIF模型，通过整合进化信号提升蛋白质突变适应性预测性能，采用轻量结构和逆强化学习框架，在有限数据下实现高精度预测。

A Heavy-Load-Enhanced and Changeable-Periodicity-Perceived Workload Prediction Network

一种增强负载和可变周期性感知的工作负载预测网络

Feiyi Chen, Naijin Liu, Zhen Qin, Hailiang Zhao, Mengchu Zhou, Shuiguang Deng

机构 * Zhejiang University（浙江大学） ； Beijing Wuzi University（北京物资学院） ； Zhejiang Gongshang University（浙江工商大学） 纠错

AI总结 本文提出PePNet，通过自动检测周期长度和适应性融合周期信息，提升可变周期时间序列中稀有高负载预测的准确性，实验表明其在整体和高负载预测上分别提升11.8%和21.0%。

Comments Submitted to TII 2026