Zhejiang University（浙江大学）

Decomposed Vision-Language Alignment for Fine-Grained Open-Vocabulary Segmentation

分解式视觉-语言对齐用于细粒度开放词汇分割

Chenhao Wang, Yingrui Ji, Yu Meng, Yao Zhu

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空航天信息研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhejiang University（浙江大学） 纠错

AI总结 本文提出分解式视觉-语言对齐框架，通过将文本提示分解为概念令牌和多个属性令牌，实现细粒度开放词汇分割中对未见属性-类别组合的泛化提升。

BootstrapAgent: Distilling Repository Setup into Reusable Agent Knowledge

BootstrapAgent: 将仓库设置提炼为可重用的代理知识

Sihan Fu, Oucheng Liu, Shiyuan Wang, Jin Shi, Chengkun Wei

机构 * Zhejiang University（浙江大学） ； The Australian National University（澳大利亚国立大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） 纠错

AI总结 BootstrapAgent通过提炼仓库初始化过程中的启发式知识，生成可验证的代理合同，提升代码代理在 unfamiliar repositories 的任务成功率和效率。

Comments 19 pages, 9 figures, 6 tables

PanoWorld: Towards Spatial Supersensing in 360$^\circ$ Panorama World

PanoWorld：迈向360度全景世界的空间超感知

Changpeng Wang, Xin Lin, Junhan Liu, Yuheng Liu, Zhen Wang, Donglian Qi, Yunfeng Yan, Xi Chen

机构 * Zhejiang University（浙江大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Irvine（加州大学伊维特分校） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出PanoWorld，通过构建全景原生理解能力，解决传统多模态大模型在空间感知上的不足，通过全景空间交叉注意力机制提升3D空间推理能力，并建立PanoSpace-Bench基准测试，验证了全景原生监督的有效性。

Comments Project page: https://wcpcp.github.io/PanoWorld

NanoResearch: Co-Evolving Skills, Memory, and Policy for Personalized Research Automation

NanoResearch: 为个性化研究自动化共进化技能、记忆与政策

Jinhang Xu, Qiyuan Zhu, Yujun Wu, Zirui Wang, Dongxu Zhang, Marcia Tian, Yiling Duan, Siyuan Li, Jingxuan Wei, Sirui Han, Yike Guo, Odin Zhang, Conghui He, Cheng Tan

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Xi'an Jiaotong University（西安交通大学） ； East China University of Science and Technology（东华大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出NanoResearch框架，通过三重共进化解决研究自动化中的个性化需求，提升研究效率与用户体验。

Comments 40 pages, 14 figures, 7 tables

CG-MLLM: Captioning and Generating 3D content via Multi-modal Large Language Models

CG-MLLM：通过多模态大语言模型实现图像描述与3D内容生成

Junming Huang, Chi Wang, Letian Li, Guangkai Xu, Donglin Huang, Hao Chen, Qiang Dai, Weiwei Xu

机构 * Zhejiang University, China（浙江大学） 纠错

AI总结 本文提出CG-MLLM，一种能实现3D描述和高分辨率3D生成的多模态大语言模型，通过混合Transformer架构分离不同建模需求，结合预训练视觉语言模型与专用3D VAE潜在空间，提升3D生成质量与感知能力。

Comments ICML 2026

A Few GPUs, A Whole Lotta Scale: Faithful LLM Training Emulation with PrismLLM

几块GPU，大量规模：PrismLLM实现忠实的LLM训练仿真

Shaoke Xi, ChonLam Lao, Boyi Jia, Jiaqi Gao, Zhipeng Zhang, Jiamin Cao, Brian Sutioso, Erci Xu, Minlan Yu, Kui Ren, Yong Li, Zhengping Qian, Ennan Zhai, Jingren Zhou

机构 * Alibaba Group（阿里巴巴集团） ； Harvard University（哈佛大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） 纠错

AI总结 PrismLLM通过切片方法构建高保真执行图，使工程师能用少量GPU模拟大规模训练行为，准确复现性能和内存表现，节省集群访问成本。

Comments 13 pages body, 21 pages total

CM-EVS: Sparse Panoramic RGB-D-Pose Data for Complete Scene Coverage

CM-EVS：稀疏全景RGB-D-姿态数据用于完整场景覆盖

Jiale Liu, Jungang Li, Jieming Yu, Xinglin Yu, Zihao Dongfang, Zongjian Ding, Kaifeng Ding, Yi Yang, Lidong Chen, Yang Zou, Shunwen Bai, Jiahuan Zhang, Haoran Huang, Shan Huang, Yudong Gao, Mingjun Cheng

机构 * Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Vorynel（沃伊内尔） ； Xinjiang University（新疆大学） ； Wuhan Polytechnic University（武汉职业技术学院） ； Tianjin University（天津大学） 纠错

AI总结 本文提出CM-EVS，通过COVER算法生成稀疏全景RGB-D-姿态数据，实现低冗余且可追溯的完整场景覆盖，提升3D学习的几何一致性。

Comments 35 pages including appendix. Code and dataset: https://github.com/Strange-animalss/CM-EVS

SKILL0: In-Context Agentic Reinforcement Learning for Skill Internalization

SKILL0：基于上下文的代理强化学习用于技能内化

Zhengxi Lu, Zhiyuan Yao, Jinyang Wu, Chengcheng Han, Qi Gu, Xunliang Cai, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen

机构 * Zhejiang University（浙江大学） ； Meituan（美团） ； Tsinghua University（清华大学） 纠错

AI总结 SKILL0通过在训练时逐步减少技能上下文，使模型在无任务检索情况下实现自主行为，实验显示在多个任务中性能提升显著。

Integrating chemical structures as treatments improves representations of microscopy images for morphological profiling

将化学结构作为治疗手段提高显微镜图像的表示以进行形态学分析

Yemin Yu, Emre Hayir, Neil Tenenholtz, Lester Mackey, Ying Wei, David Alvarez-Melis, Ava P. Amini, Alex X. Lu

机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； Microsoft Research（微软研究院） ； Department of Computer Science, Zhejiang University（浙江大学计算机科学系） 纠错

AI总结 本文提出MICON框架，通过整合化学结构信息提升显微镜图像的表示能力，改进了形态学分析中的特征学习。

Comments 24 pages

Large Language Models Could Be Rote Learners

大语言模型可能只是机械学习者

Yuyang Xu, Renjun Hu, Haochao Ying, Jian Wu, Xing Shi, Wei Lin

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； State Key Laboratory of Transvascular Implantation Devices and TIDRI（血管植入设备国家重点实验室和TIDRI） ； Zhejiang Key Laboratory of Medical Imaging Artificial Intelligence（浙江医学影像人工智能重点实验室） ； School of Data Science of Engineering, East China Normal University（华东师范大学工程数据科学学院） ； Second Affiliated Hospital and Liangzhu Laboratory, Zhejiang University School of Medicine（浙江大学医学院第二附属医院和良渚实验室） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 本文研究大语言模型在基准测试中的可靠性问题，提出TrinEval框架以区分真实能力学习与机械记忆，发现主流模型在知识点上依赖机械记忆的比例高达19.6%。

Comments Work in Progress

DynamicNER: A Dynamic, Multilingual, and Fine-Grained Dataset for LLM-based Named Entity Recognition

DynamicNER: 一种动态、多语言和细粒度的用于基于大语言模型的命名实体识别的数据集

Hanjun Luo, Yingbin Jin, Xinfeng Li, Xuecheng Liu, Ruizhe Chen, Tong Shang, Kun Wang, Qingsong Wen, Zuozhu Liu

机构 * New York University Abu Dhabi（纽约大学阿布扎赫德分校） ； Zhejiang University（浙江大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technology University（南阳技术大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Texas A&M University（德克萨斯大学） ； Squirrel AI 纠错

AI总结 本文提出DynamicNER数据集，用于改进基于大语言模型的命名实体识别方法，通过动态实体分类和多语言支持，提升模型泛化能力与细粒度任务的准确率。

Comments This paper is accepted by EMNLP 2025 Main Conference