高校专区
AiraXiv：一个面向人类和AI科学家的AI驱动的开放获取平台
机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Shanghai Innovation Institution（上海创新研究院） ； Zhongguancun Academy（中关村学院）
AI总结 本文提出AiraXiv平台，通过AI驱动的开放预印本、AI增强的分析与评审以及读者反馈，解决传统学术出版系统在AI时代面临的研究产出增长和可扩展性挑战。
RankE: 用于离散文本到图像生成的端到端后训练方法 with Decoder Co-Evolution
机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 本文提出RankE，一种端到端的后训练框架，通过解码器与策略的协同进化，解决离散自回归文本到图像生成中策略优化导致的潜在协变量偏移问题，同时提升图像质量和对齐度。
Mobile UMI: 用于移动操作的跨视角扩散策略与解耦动力学
机构 * Zhejiang University（浙江大学）
AI总结 本文提出了一种无需硬件的演示框架Mobile UMI，通过三个组件解决移动模仿学习中的两个瓶颈问题：运动污染的动作标签和推理导致的执行延迟。核心方法是通过双摄像头捕捉全局和局部上下文，结合空间锚点统一视觉-惯性框架，并利用异步递推地执行器进行在线状态匹配，从而实现解耦的动力学和基座轨迹。
HDMoE：一种用于多模态癌症生存预测的分层解耦-融合专家混合框架
机构 * Zhejiang University（浙江大学） ； Xinjiang University（新疆大学） ； Hangzhou City University（杭州市大学） ； Sun Yat-sen University Cancer Center（中山大学肿瘤中心）
AI总结 本文提出HDMoE框架，通过分层解耦-融合专家混合方法，有效整合多模态医学数据以提高癌症生存预测的准确性，解决了传统方法中特征解耦和融合效果不佳的问题。
Comments 12 pages, HDMoE has been accepted by KDD 2026 AI for Sciences Track
NeighborDiv: 一种基于邻居多样性、无需训练的跨域通用图异常检测方法
机构 * Netease Yidun AI Lab（网易易盾AI实验室） ； School of Software Technology（软件学院） ； Zhejiang University（浙江大学）
AI总结 本文提出NeighborDiv，一种无需训练的通用图异常检测方法，通过邻居多样性原理来检测异常，克服了传统方法在训练复杂度、数据依赖性和跨域泛化稳定性方面的不足，实验表明其在多个评估框架下均取得最佳性能。
DISC: 通过策略生成解耦指令与状态条件控制
机构 * Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； TranscEngram
AI总结 DISC通过策略生成解耦指令与状态条件控制，解决了任务状态耦合导致的观察泄漏问题，并在多个基准测试中表现出色，证明了语言生成的策略参数驱动行为。
AIR: 一种用于自监督前馈2D高斯点散射的 amortized 图像重建框架
机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of Software Technology, Zhejiang University（浙江大学软件学院）
AI总结 本文提出了一种自监督前馈框架AIR，通过将迭代高斯拟合 amortized 到单次网络传递中，消除了每张图像测试时的优化需求。该框架采用分阶段残差架构，逐步从重建残差中预测额外的高斯原始体，并结合显式的阶段控制机制，仅在欠重建区域激活新的原始体。通过预测-优化-蒸馏训练策略，稳定了多阶段预测，最终实现了更高效的图像重建。
Comments preprint version
动态TMoE：一种针对非平稳时间序列预测的漂移感知动态专家混合框架
机构 * School of Software Technology, Zhejiang University, Ningbo, China ； State Key Lab of CAD\&CG, Zhejiang University, Hangzhou, China
AI总结 本文提出Dynamic TMoE框架，通过动态构建异构专家和剪枝冗余专家来优化容量，并利用时间记忆路由器确保稳定且上下文感知的专家选择，从而在非平稳时间序列预测中实现更优性能。
Comments 27 pages, 7 figures. Accepted to ICML 2026
制造设计：一种集成制造知识的强化学习框架用于航空发动机自由形管道路由
机构 * State Key Laboratory of Fluid Power and Mechatronic Systems, Zhejiang University（浙江大学流体动力与机电系统国家重点实验室） ； Engineering Research Center for Design Engineering and Digital Twin of Zhejiang Province, Zhejiang University（浙江省设计工程与数字孪生工程研究中心） ； Zhejiang Changxing Heliang Intelligent Equipment Co., Ltd.（浙江长兴鹤浪智能装备有限公司）
AI总结 本文提出了一种集成制造知识的强化学习框架，用于航空发动机中自由形管道路由优化，通过将制造知识作为约束条件，提高了管道路径的可制造性和几何平滑度。
解锁VLMs中的密集度量深度估计
机构 * Zhejiang University（浙江大学） ； Tencent Hunyuan LLM（腾讯混元大模型） ； HKUST（香港科技大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本文提出DepthVLM，一种将单个VLM转换为原生密集几何预测器的简单有效框架，同时保持其多模态能力。通过在LLM主干上附加轻量级深度头，并在统一的视觉-文本监督范式下进行训练，DepthVLM能够在单次前向传递中生成高分辨率深度图和语言输出。此外，还引入了一个统一的室内-室外度量深度基准，实验表明DepthVLM在推理效率、复杂3D空间推理等方面均优于现有VLMs和纯视觉模型。
Comments Project Page: https://depthvlm.github.io/
ComplexMCP: 评估LLM代理在动态、相互依赖和大规模工具沙箱中的表现
机构 * Zhejiang University（浙江大学） ； Zhejiang Lab（浙江实验室） ； Alibaba Group（阿里巴巴集团）
AI总结 本文提出ComplexMCP基准，用于评估LLM代理在动态、相互依赖和大规模工具环境中的性能，揭示了现有模型在复杂任务中的不足，指出三个关键瓶颈：工具检索饱和、过度自信和战略投降倾向。
DeformMaster: 一个用于从视频中生成变形物体交互物理-神经世界模型
机构 * Nankai University（南开大学） ； Zhejiang University（浙江大学） ； Southern University of Science and Technology（南方科技大学） ； Rightly Robotics, A4X（Rightly Robotics，A4X） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本研究提出DeformMaster，一种基于视频的交互物理-神经世界模型，能够从真实交互视频中生成变形物体的统一动态-外观框架，通过保留结构化的物理推演并利用神经残差补偿未建模效应，实现高保真4D外观生成，实验表明其在动态预测和外观渲染方面优于现有方法。
Comments Project page: https://can-lee.github.io/deformmaster-web/
VeraRetouch: 一个轻量级的全微分框架用于多任务推理照片修复
机构 * Zhejiang University（浙江大学） ； vivo BlueImage Lab（vivo BlueImage实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhejiang Lab（浙江实验室）
AI总结 本文提出VeraRetouch，一个轻量级且全微分的多任务照片修复框架，通过使用0.5B视觉-语言模型和全微分的修复渲染器，实现了端到端的像素级训练，并引入了AetherRetouch-1M+数据集和DAPO-AE强化学习策略，以提升修复性能和泛化能力。
FEAT: 一个线性复杂度的超大规模结构化数据基础模型
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Aalborg University（奥尔堡大学）
AI总结 本文提出FEAT，一种线性复杂度的基础模型，用于处理超大规模结构化数据，通过多层双轴编码架构和自适应融合双向状态空间模型，实现线性时间内的跨元组上下文化，同时支持排列不变的表示学习。
Affordance-R1: 为多模态大语言模型中的通用化 affordance 推理设计的强化学习
机构 * The Hong Kong University of Science and Technology (GZ)（香港科技大学（广州）） ； National University of Singapore（新加坡国立大学） ； ShanghaiTech University（上海科技大学） ； East China Normal University（华东师范大学） ； Nanjing University of Information Science & Technology（南京信息工程大学） ； Zhejiang University（浙江大学） ； Institute of Automation, Chinese Academy of Science（中国科学院自动化研究所） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出 Affordance-R1，一种结合认知 CoT 引导的 Group Relative Policy Optimization (GRPO) 的统一 affordance 地标框架，通过强化学习实现零样本泛化和测试时推理能力。
通过轨迹积分反馈调节解剖感知奖励用于体积计算断层扫描分析
机构 * Zhejiang University（浙江大学） ； DAMO Academy, Alibaba Group（阿里集团达摩院） ； Hupan Lab（虎扑实验室） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 本文提出了一种新的框架，通过轨迹积分反馈GRPO（TIF-GRPO）来改进医疗视觉语言模型在三维CT分析中的性能，通过引入临床异常基准评估子系统（CABS）来解决优化目标与临床严谨性之间的不匹配问题，提升异常检测和临床准确性。
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