高校专区
MAIC-UI: 用生成式UI制作交互式课程ware
机构 * Tsinghua University（清华大学） ； Guangzhou University（广州大学） ； Zhejiang University（浙江大学）
AI总结 MAIC-UI通过零代码系统实现教育者快速编辑交互式课程ware，采用多模态知识分析、生成-验证-优化流程和点击定位编辑技术，提升教学效果和学习公平性。
Comments You can try our demo at https://open.maic.chat/
SnapGuard: 基于截图的轻量级提示注入检测方法
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）
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
ReCreate：基于经验的推理与创造领域代理框架
机构 * Zhejiang University（浙江大学） ； Tencent（腾讯） ； Independent Researcher（独立研究者） ； Shanghai Jiao Tong University（上海交通大学） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院）
AI总结 本文提出ReCreate框架，通过利用代理交互历史，自动创建和适应领域代理，优于人类设计和现有自动化方法。
从口内3D扫描中检测牙齿标志：3DTeethLand挑战
机构 * Department of Oral ； Maxillofacial Surgery, Radboud University Medical Center, Geert Grooteplein Zuid 10, 6525 GA Nijmegen, Netherlands ； organization= State Key Lab of CAD\&CG, Zhejiang University, Hangzhou, 310058 , country= China ； organization= Department of Computer Graphics ； Multimedia, Brno University of Technology , city= Brno , country= Czech Republic ； text= National Dental Centre Singapore ； organization= Guangxi Colleges ； Universities Key Laboratory of Intelligent Software ,country= Wuzhou University ； text= National University of Singapore ； organization= Department of Computer Science , country = University of Copenhagen ； organization= School of Software, Shandong University , country= China ； Centre de Recherche en Num\' e rique de Sfax, Laboratory of Signals, Systems, Artificial Intelligence ； Inria, Univ. Grenoble Alpes, CNRS, Grenoble INP, LJK, France
AI总结 本文提出3DTeethLand挑战，通过公开数据集评估牙齿标志检测算法，推动临床应用。挑战引入340个口内3D扫描数据，49支队伍参与，最终6支进入决赛，展示高精度与召回率的平衡方法。
Comments MICCAI 2024, 3DTeethLand, Challenge report, under review
基于闭环动力学的高精度高效率挖掘机轨迹跟踪
机构 * Zhejiang University（浙江大学） ； Fuxi Robotics Lab, NetEase Inc.（网易弗西机器人实验室）
AI总结 本文提出EfficientTrack方法，结合模型学习和闭环动力学，解决液压挖掘机非线性动力学难题，提升轨迹跟踪精度与效率，实验证明其在仿真和实际应用中均优于传统方法。
Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Hangzhou, China, 2025, pp. 5617-5624
DDA-Thinker: 解耦双原子强化学习用于推理驱动的图像编辑
机构 * Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学）
AI总结 本文提出DDA-Thinker框架，通过解耦的规划模块与固定生成模型，提升图像编辑中的推理能力，采用双原子强化学习分解反馈，结合可验证检查清单提升训练效果。
一个refiner解锁所有：通过强化查询细化实现推理时间推理 elicitation
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Southeast University（东南大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出ReQueR框架，通过强化学习训练专门的Refiner策略，将推理 elicitation作为推理时间对齐任务，实现对多种模型的推理能力解锁，提升性能2.1%。
Comments Accepted to ACL26
视频生成的系统性后训练框架
机构 * The University of Hong Kong（香港大学） ； JD Explore Academy（京东探索研究院） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 本文提出系统性后训练框架，通过四个协同阶段提升视频生成的视觉质量、时间一致性和指令遵循性，同时保持预训练阶段的可控性。
Comments Tech report
JURY-RL: 选票提议，证明判定用于无标签的RLVR
机构 * Zhejiang University, Hangzhou, China（浙江大学，杭州，中国） ； Tongyi Lab, Alibaba Group, Hangzhou, China（通义实验室，阿里巴巴集团，杭州，中国）
AI总结 JURY-RL提出一种无标签RLVR框架，通过模型回放提议候选答案，形式验证器判定是否可获正奖，从而稳定训练并提升数学推理性能。
Comments Preprint. 32 pages, 9 figures
DenseScout: 面向边缘平台的预算有限小目标选择的算法-系统联合设计
机构 * College of Electrical Engineering, Zhejiang University（浙江大学电气工程学院）
AI总结 本文提出DenseScout，一种轻量级密集响应选择器，用于在边缘平台预算有限的情况下高效选择小目标候选区域，通过算法-系统联合设计提升部署性能。
Comments 19 pages, 8 figures
用数据编程：面向自改进大语言模型的测试驱动数据工程
机构 * Zhejiang University（浙江大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 本文提出通过数据编程方法，将数据工程生命周期映射到软件开发生命周期，实现对大语言模型的可靠训练与改进，通过数据修复提升模型性能。
Comments 57 pages, 28 figures, 14 tables
模式键作为在受限解码下的指令通道在结构生成中的应用
机构 * Zhejiang University（浙江大学）
AI总结 本文探讨了在受限解码中模式键作为隐式指令通道的作用，提出结构生成是多通道指令问题，并通过实验展示模式键词汇对准确性的影响，揭示了不同模型对不同通道的依赖性。
Comments 11 pages, 3 figures
SARE：基于样本的自适应推理用于无训练细粒度视觉识别
机构 * Zhejiang University（浙江大学） ； Netease Yidun AI Lab（网易云智AI实验室）
AI总结 SARE提出一种样本自适应推理框架，通过结合快速候选检索与细粒度推理，利用历史失败经验提升无训练细粒度视觉识别的准确性和效率。
Comments preprint, under review
HATIR: 用于湍流红外视频超分辨率的热感知扩散
机构 * Northwestern Polytechnical University（西北工业大学） ； Dalian University of Technology（大连理工大学） ； Zhejiang University（浙江大学） ； Dalian Maritime University（大连海事大学）
AI总结 HATIR通过热感知变形先验联合建模湍流退化与结构细节损失，提出相位引导流估计器和湍流感知解码器，构建首个湍流红外视频超分辨率数据集FLIR-IVSR，提升非均匀退化下的结构恢复精度。
Journal ref Proceedings of the 40th Annual AAAI Conference on Artificial Intelligence (AAAI 2026)
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