高校专区
通过无训练的身份感知记忆推进叙事长视频生成
机构 * Zhejiang University（浙江大学） ； Tencent Youtu Lab（腾讯云智实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出了一种无训练的身份感知记忆框架IAMFlow，通过显式建模和跟踪持久实体身份，实现一致的生成，同时引入NarraStream-Bench基准测试，在叙事流视频生成中取得最佳性能。
Comments Project page: https://eddie0521.github.io/projects/iamflow/ Code: https://github.com/Eddie0521/IAMFlow
SPIKE：一种适应性双控制器框架，用于成本效益高的长周期游戏智能体
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出SPIKE框架，通过双控制器设计实现成本高效长周期游戏智能体，通过事件触发机制和分层记忆结构提升目标导向性和任务完成率，实验表明在StarDojo数据集上显著提升成功率并降低资源消耗。
CrossView Suite: 利用数据集、模型和基准 harnessing MLLMs 的跨视图空间智能
机构 * Zhejiang University（浙江大学）
AI总结 该研究提出CrossView Suite，通过开发CrossViewSet、CrossViewBench和CrossViewer三个组件，解决跨视图推理中的数据稀缺、评估不足和对齐机制缺失问题，提升多视图空间理解能力。
具有任意相机轨迹可视化引擎的3D斜高斯散射
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出3D斜高斯散射（3DSGS），通过引入斜高斯分布来提升3D高斯散射的结构保真度和紧凑性，以解决对称高斯分布在捕捉形状和颜色不连续性方面的不足，从而提高可视化效果和空间数据探索的准确性。
Comments 16 pages
从手工到内核：一种以治理为导向的执行架构和语义ISA用于代理计算机
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出了一种以治理为导向的执行架构和语义指令集架构（ISA），旨在解决代理计算机中AI从脆弱原型到生产系统的过渡问题，通过引入概率处理单元和确定性神经符号内核，提升系统的安全性和可靠性。
RSEdit：面向遥感的文本引导图像编辑
机构 * School of Earth Sciences, Zhejiang University（浙江大学地球科学学院） ； Zhejiang Provincial Key Laboratory of Geographic Information Science（浙江省地理信息科学重点实验室） ； Key Laboratory of Spatio-temporal Information and Intelligent Services (LSIIS), Ministry of Natural Resources of the People’s Republic of China（中华人民共和国自然资源部时空信息与智能服务重点实验室） ； ReLER, CCAI, Zhejiang University（ReLER，中国人工智能学会，浙江大学）
AI总结 本文提出RSEdit，一种基于生成模型的遥感图像编辑方法，通过研究文本到图像模型的条件策略，实现了在保持地理空间结构的同时，生成指令忠实的图像编辑结果。
Comments accepted by IEEE GRSL
缓解多轮代理中的对话惯性
机构 * College of Computer Science and Technology, Zhejiang University, Hangzhou, China（浙江大学计算机科学与技术学院） ； University of Rochester, Rochester, NY, USA（罗切斯特大学）
AI总结 本文研究了多轮代理中对话惯性问题，提出通过上下文偏好学习来校准模型偏好，以减少惯性并提升性能。
Comments ICML2026
SCOPE-RL: 稳定和定量控制强化学习后训练中的策略熵
机构 * College of Software, Nankai University（南开大学软件学院） ； Zhongguancun Academy（中关村学院） ； Beijing Institute of Technology（北京理工大学） ； Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本文提出SCOPE-RL框架，通过温度自适应的正样本构造正则化项，稳定并定量控制强化学习后训练中的策略熵，实验表明其在Pass@1和Pass@$k$任务上优于现有基线方法。
TaskGround：全场景家庭推理的结构化可执行任务推断
机构 * Tsinghua University（清华大学） ； Microsoft Research Asia（微软亚洲研究院） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学）
AI总结 本文提出TaskGround框架，通过结构化任务推断提升全场景家庭推理能力，其核心贡献是引入FullHome评估套件，验证了在家庭场景中执行任务结构推断的重要性，并展示了紧凑本地模型在实际家庭部署中的有效性。
Comments Project page: https://aaronfengzy.github.io/TaskGround/
多语言大语言模型的高效路径：通过后训练PARAM$Δ$整合到再利用MoE进行语言扩展
机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室） ； Zhejiang University（浙江大学）
AI总结 本文提出了一种高效的方法，通过将密集模型转换为MoE架构，并将不同语言分配给不同专家，从而在不进行复杂对齐阶段的情况下提升多语言大语言模型的性能，同时保留原始能力。
FedSDR: 带校正的联邦自我蒸馏
机构 * Beijing University of Aeronautics（北京航空航天大学） ； Zhejiang University（浙江大学） ； Shandong University（山东大学） ； Stevens Institute of Technology（史蒂文斯理工学院）
AI总结 本文提出FedSDR，一种改进的联邦自我蒸馏方法，通过引入双重流机制来解决联邦学习中数据分布不匹配和幻觉问题，提升模型的准确性和一致性。
Comments Accepted by ICML 2026
共享骨干PPO用于多UAV通信覆盖与连接保持
机构 * Zhejiang University（浙江大学）
AI总结 本文提出了一种共享骨干PPO算法，通过在Actor和Critic网络之间共享基础模块，实现了高效的训练和提升的性能。该算法在保持连接的多UAV群体通信覆盖任务中得到实现，并与标准PPO算法进行比较。实验结果表明，所提出的方法具有优越的性能，此外，还集成了图信息聚合模块以适应代理之间的通信条件。整合该模块后，算法仍保持有效，训练后的代理群体表现出更高的合作水平。
WorldArena 2.0: 扩展模态、功能和平台的具身世界模型基准测试
机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Stanford University（斯坦福大学） ； The University of Hong Kong（香港大学） ； Princeton University（普林斯顿大学） ； Chinese Academy of Sciences（中国科学院） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出WorldArena 2.0，扩展了具身世界模型的评估，涵盖模态、功能和平台三个维度，提供全面的测试平台以评估具身世界模型的进展。
AffordVLA: 通过隐式特征对齐将 affordance 表示注入到视觉-语言-动作模型中
机构 * Grasp Lab, School of Mechanical Engineering of Zhejiang University（浙大机械工程学院抓取实验室）
AI总结 本文提出 AffordVLA 框架，通过隐式特征对齐将以操作为中心的 affordance 表示注入到视觉-语言-动作模型中，以提升动作准确性，实验表明其在仿真和现实中的表现优于现有方法。
Comments 13pages, 10figures
Omni-Customizer: 用于联合音频-视频生成的端到端多模态定制
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 本文提出Omni-Customizer，一种端到端多模态定制框架，旨在实现精确的多模态身份信息绑定和无缝融合，通过引入Omni-Context Fusion模块和Masked TTS Cross-Attention机制，提升多模态定制生成的性能。
DyGRO-VLA: 通过动态分组残差优化实现跨任务的视觉-语言-动作模型扩展
机构 * School of Data Science, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）数据科学学院） ； Shenzhen Loop Area Institute（深圳河套学院） ； Zhejiang University（浙江大学） ； Rutgers University-New Brunswick（罗格斯大学新布朗斯维尔回声分校） ； Shanghai AI Laboratory（上海人工智能实验室） ； Jiangxing Intelligence Technology Inc.（江行智能科技有限公司）
AI总结 本文提出DyGRO-VLA，一种通过动态分组残差优化实现跨任务视觉-语言-动作模型扩展的两阶段优化框架，旨在提升模型的泛化能力。
勿信工具：在不可信工具反馈下评估和防御LLM代理
机构 * Southern University of Science and Technology（南方科技大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Birmingham（伯明翰大学） ； Zhejiang University（浙江大学） ； East China Normal University（华东师范大学） ； Alibaba Group（阿里巴巴集团）
AI总结 本研究探讨了在不可信工具反馈环境下评估和防御LLM代理的问题，提出了一种新的失败模式'认知中毒'，并介绍了TRUST-Bench基准、GuardedJoint惩罚指标和VISTA-Guard框架，展示了轨迹感知的最终动作评分在安全与效用权衡中的有效性。
BELIEF: 结构化证据建模与不确定性感知融合用于生物医学问答
机构 * School of Computer Science and Technology, Zhejiang University of Science and Technology（浙江理工大学计算机科学与技术学院） ； College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院） ； Zhejiang Key Laboratory of Biomedical Intelligent Computing Technology, Zhejiang University of Science and Technology（浙江理工大学生物医学智能计算技术重点实验室）
AI总结 本文提出BELIEF框架，通过结构化证据建模和不确定性感知融合，提升生物医学问答任务中检索文献的利用效率，实现对证据可靠性、不确定性以及候选假设的支持强度的显式建模。
Comments 14 pages, 6 figures
ROVR-Open-Dataset: 一个大规模深度数据集用于自动驾驶
机构 * Wuhan University（武汉大学） ； Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所） ； University of Technology Sydney（悉尼大学） ； University of Bologna（博洛尼亚大学） ； Zhejiang University（浙江大学） ； University of California, Berkeley（加州大学伯克利分校） ； Huazhong University of Science and Technology（华中科技大学） ； Great Wall Motor（长城汽车） ； ROVR Labs, Inc.（ROVR实验室）
AI总结 本文提出ROVR-Open-Dataset，一个大规模、多样化且成本效益高的深度数据集，用于提升自动驾驶中空间感知的能力，通过提供丰富的场景、光照和天气条件数据，以及经过验证的地面真实数据，支持鲁棒的模型训练，并识别出当前架构共享的三种失败模式。
CFTel: 一种用于鲁棒且可扩展的远程机器人系统的实用架构
机构 * Deakin University（德金大学） ； RMIT University（皇家墨尔本理工大学） ； Zhejiang University（浙江大学） ； Swinburne University of Technology（斯威本科技大学） ； University of Tasmania（塔斯马尼亚大学）
AI总结 本文提出了一种基于云雾自动化架构的远程机器人系统CFTel，旨在解决传统云基远程机器人系统的延迟、可靠性、可扩展性和容错问题，通过分布式云-边缘-机器人计算架构实现确定性连接、连接智能和网络化计算，从而提升实时控制、可扩展性和自主性。
Comments 6 pages, 1 figure, accepted paper on the 23rd IEEE International Conference on Industrial Informatics (INDIN), July 12-15, 2025, Kunming, China
Journal ref 2025 IEEE 23rd International Conference on Industrial Informatics (INDIN), Kunming, China, 2025
异构时序超图神经网络
机构 * School of Cyberspace, Hangzhou Dianzi University（杭州电子科技大学信息学院） ； Data Security Governance Zhejiang Engineering Research Center（浙江数据安全治理工程研究中心） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院）
AI总结 本文提出了一种异构时序超图神经网络（HTHGN），旨在捕捉复杂异构时序超图中的高阶交互关系，通过引入层次注意力机制和对比学习来提升模型对异构节点和超边之间丰富语义的捕捉能力。
Comments Accepted by IJCAI 2025
为单目视觉-惯性系统使用前馈3D模型实现高效的特征-free初始化
机构 * MBZUAI（马克斯·普朗克人工智能研究所） ； HKUST (GZ)（香港科技大学（广州）） ； Zhejiang University（浙江大学）
AI总结 本文提出了一种无需视觉特征跟踪的初始化框架，利用前馈3D模型预测的点云，从而提高了单目视觉-惯性导航系统的初始化可靠性与效率，实验表明其初始化成功率超过90%且数据需求显著减少。
CyberCorrect: 一种基于闭环自修正的大型语言模型框架
机构 * School of Software, Henan University, Kaifeng, China（河南大学软件学院，开封，中国） ； Zhejiang University, Hangzhou, China（浙江大学，杭州，中国）
AI总结 本文提出CyberCorrect框架，将大型语言模型的自我修正建模为闭环控制系统，通过三模态错误检测器、类型导向的修正控制器和收敛判断器，提升模型的自我修正能力和准确性。
Comments 6 pages, 1 figure, submitted to IEEE SMC 2026
MetaCogAgent: 一种具有自我意识的任务委托多智能体大语言模型框架
机构 * School of Computer and Artificial Intelligence, Zhengzhou University, Zhengzhou, China（郑州大学计算机与人工智能学院） ； Zhejiang University, Hangzhou, China（浙江大学）
AI总结 本文提出MetaCogAgent框架，通过引入元认知自我评估单元，使每个智能体在执行任务前评估自身能力边界，从而提升任务准确性并减少API调用次数。
Comments 6 pages, submitted to IEEE SMC 2026
ChemVA：推动大型语言模型在化学反应图示理解上的进步
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州全球科学与技术创新中心） ； Department of Chemistry, Fudan University（复旦大学化学系）
AI总结 本文针对现有系统在理解化学反应图示时存在的视觉缺陷和语义断开问题，提出ChemVA框架，通过视觉锚机制和语义对齐方法提升大型语言模型在化学推理中的性能。
D$^2$Evo: 双重难度感知的自进化方法用于数据高效的强化学习
机构 * Zhejiang University（浙江大学） ； AMAP, Alibaba Group（AMAP，阿里巴巴集团）
AI总结 本文提出D$^2$Evo方法，通过双重难度感知的自进化机制，解决强化学习中有效数据稀缺和动态难度变化的问题，从而在数学推理基准上以少于2K真实数学样本实现优于现有方法的性能。
Comments Accepted by ICML 2026. First two authors contributed equally
利用人工智能解决逆偏微分方程问题：过去、现在与展望
机构 * Collaborative Innovation Center of Artificial Intelligence (CCAI), Zhejiang University（人工智能协同创新中心（CCAI），浙江大学） ； School of Mathematical Sciences, Zhejiang University（浙江大学数学科学学院） ； Tsinghua University（清华大学） ； Center for Interdisciplinary Applied Mathematics, School of Mathematical Sciences, Zhejiang University（浙江大学数学科学学院交叉应用数学中心）
AI总结 本文综述了利用人工智能解决逆偏微分方程问题的最新进展，涵盖了逆问题、逆设计和控制问题三大类，总结了科学和工业领域中的典型应用，并讨论了开放挑战和未来前景。
Comments 35 pages, 4 figures
信息导向的图结构学习
机构 * Zhejiang University（浙江大学） ； Hangzhou City University（杭州市大学） ； China Mobile Communications Group Co.,Ltd（中国移动通信集团有限公司）
AI总结 本文提出了一种信息导向的图结构学习方法（InGSL），通过结合相似性和多样性来优化图结构，减少边数并提高性能。
确定性分解随机生成动力学
机构 * The University of Tokyo（东京大学） ； Zhejiang University（浙江大学）
AI总结 本文提出Bridge Matching框架，通过分解生成动力学中的确定性与随机效应，实现可控的生成模型。
Comments 10 pages main text, 6 figures; appendix included. Code available at: https://github.com/xingyu-song/bridge_matching
StreamingTalker: 基于音频的3D面部动画与自回归扩散模型
机构 * 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） ； Ant Group（蚂蚁集团） ； College of Computer Science, Zhejiang University（浙江大学计算机学院）
AI总结 本文提出基于自回归扩散模型的StreamingTalker，解决音频驱动3D面部动画中长音频处理延迟和超训练范围的问题，通过动态条件生成高质量实时面部动作。
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