高校专区
Archon：面向整体数字人生成的统一多模态模型
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD与CG国家重点实验室） ； Google（谷歌） ； Google DeepMind（谷歌DeepMind）
AI总结 提出Archon，一个完全预训练的以人为中心的统一多模态模型，通过模态特定分词器、语义视频重参数化和“模态思维”策略，实现文本、音频、动作和视觉等七种模态的整体数字人生成。
Comments Accepted to CVPR 2026. Project Page: https://zju3dv.github.io/archon/
LoRA如何记忆？大语言模型微调的参数记忆定律
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 本文提出参数记忆定律，揭示LoRA在微调中参数与序列长度对损失降低的幂律关系，并基于此设计MemFT优化策略提升记忆保真度与效率。
Comments Ongoing work
相同证据，不同答案：面向多轮语言模型的规范上下文在线策略蒸馏
机构 * Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出规范上下文在线策略蒸馏（CCOPD）方法，通过教师-学生框架对齐模型在完整提示和逐步揭示信息下的行为，减少自我锚定漂移，在多轮数学对话上训练后，在原始分片任务上平均提升32%性能。
模型何时应改变想法？大语言模型中的上下文信念管理
机构 * Zhejiang University（浙江大学） ； HomologyAI
AI总结 提出上下文信念管理（CBM）框架，通过引入BeliefTrack基准和信念状态奖励的强化学习，将大语言模型在长程交互中的信念更新失败率平均降低70.9%。
Comments Work in progress
元认知记忆策略优化用于长视野LLM智能体
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Tencent（腾讯）
AI总结 针对长视野任务中记忆策略训练缺乏中间监督的问题，提出基于信念熵的元认知记忆策略优化（MMPO），通过自监督代理惩罚高认知不确定性摘要，提升长期推理性能。
来自稀疏观测的大深度补全模型
机构 * Zhejiang University（浙江大学） ； Tongyi Lab, Alibaba Group（阿里云实验室） ； Fudan University（复旦大学） ； Ningbo Innovation Center, Zhejiang University（宁波创新中心，浙江大学） ； NingboTech University（宁波科技学院） ； Jinhua Institute of Zhejiang University（金华大学浙大研究院）
AI总结 提出LDCM，利用单目基础模型和基于泊松的深度初始化策略，结合点图头回归3D坐标，实现稀疏观测下的度量准确深度补全。
Comments ICLR 2026. Project webpage: https://pkqbajng.github.io/ldcm/
DocRetriever：面向多模态文档检索的即插即用框架与综合基准
机构 * Zhejiang University（浙江大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 提出DocRetriever即插即用框架，通过布局感知的稀疏嵌入和推理增强的重排序器解决多模态文档检索中语义模糊和泛化瓶颈问题，并构建MultiDocR基准实现更严格评估。
Comments Accepted at KDD 2026 Research Track
VisualThink-VLA：用于高效低延迟视觉-语言-动作策略的视觉中间推理
机构 * Zhejiang University（浙江大学） ； Cornell University（康奈尔大学） ； National University of Singapore（新加坡国立大学） ； Xi'an University of Electronic Science and Technology（西安电子科技大学）
AI总结 提出VisualThink-VLA框架，通过视觉中间推理和选择性路由机制，在保持高精度的同时将推理延迟从数秒降至亚秒级。
EarlyTom: 早期令牌压缩实现快速视频理解
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Alibaba Cloud Computing（阿里云计算）
AI总结 针对视频大语言模型中视觉编码阶段效率低下的问题，提出EarlyTom无训练令牌压缩框架，通过在视觉编码器内部进行早期压缩，显著降低首令牌延迟并提升吞吐量。
Comments Accepted by CVPR 2026. 16 pages, 8 figures, 8 tables. Project page: https://viridisgreen.github.io/EarlyTom
使大语言模型通过反馈从流式经验中学习合成
机构 * Huzhou Normal University（湖州师范学院） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学） ； Zhejiang Key Laboratory of Intelligent Education Technology and Application（浙江省智能教育技术与应用重点实验室）
AI总结 提出StreamSynth设置和SynLearner框架，使模型通过任务流积累经验并利用反馈提升合成数据生成性能。
像团队一样进化：基于LLM的多智能体系统的协作自我进化
机构 * Zhejiang University（浙江大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Tencent（腾讯）
AI总结 提出Meta-Team框架，通过协作自我进化机制，基于执行经验改进多智能体系统的行为、协调和团队组织，在长周期任务中显著优于单智能体、手工MAS及先前进化方法。
FLIP：通过点云配准实现大规模分布式集群的实时弹性编队规划
机构 * Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院智能系统与控制研究所） ； Huzhou Institute, Zhejiang University（浙江大学湖州研究院）
AI总结 提出将最优编队位置序列计算转化为时空点云配准问题，利用带离群点剔除的PCR方法实现大规模分布式集群的弹性、高效轨迹规划。
NICE：一个基于理论的LLM社交智能诊断基准
机构 * Department of Psychology and Behavioral Sciences, Zhejiang University（浙江大学心理学与行为科学系） ； College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院） ； Human Machine Interaction Lab, Huawei Technologies Co., Ltd.（华为技术有限公司人机交互实验室） ； Zhejiang Key Laboratory of Neurocognitive Development and Mental Health（浙江省神经认知发展与心理健康重点实验室）
AI总结 本文通过构建基于社会理论的社交智能框架，提出诊断基准NICE，用于细粒度评估大语言模型在社交交互中的能力弱点。
EviLink: 面向大规模Text-to-SQL的基于不确定性引导证据获取的多路径模式链接
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； Tencent TEG（腾讯TEG） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院）
AI总结 提出EviLink方法，通过多假设模式基础与不确定性引导的证据获取，重新定义模式链接为不确定性感知的模式需求推理，以平衡模式完整性、相关性和令牌成本，提升大规模Text-to-SQL性能。
AMDP：面向大规模模型训练的异步多方向流水线并行
机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University, Hangzhou, China（区块链与数据安全国家重点实验室，浙江大学，杭州，中国） ； College of Computer Science and Technology, Zhejiang University, Hangzhou, China（计算机科学与技术学院，浙江大学，杭州，中国）
AI总结 针对异步流水线并行中参数不匹配导致收敛退化的问题，提出AMDP方法，通过限制流水线第一阶段处理小批量数量、启动多条并发流水线并自适应调整数量、以及跨小批量累积梯度后单次更新，在保持高利用率的同时加速训练并保证收敛。
Comments Accepted by ICML 2026, 9 pages, and 8 figures
PTCG-Bench：LLM智能体能否掌握宝可梦集换式卡牌游戏？
机构 * Zhejiang University（浙江大学） ； FinVolution Group（FinVolution集团）
AI总结 提出PTCG-Bench基准，通过宝可梦集换式卡牌游戏评估LLM智能体的决策性能和自进化能力，并设计模块化消融实验分析智能体性能。
掩码扩散语言模型的簇级注意力引导并行解码
机构 * Zhejiang University（浙江大学） ； RIKEN Center for Advanced Intelligence Project（日本理化学研究院先进智能项目中心） ； The Institute of Statistical Mathematics（统计数学研究所） ； Agency for Science, Technology and Research (A ⋆ \star STAR)（科技研究局（A ⋆ STAR））
AI总结 提出CLAD方法，通过将相邻高置信度token聚合成簇，并利用自注意力图估计簇间依赖，实现掩码扩散语言模型的训练无关簇级并行解码，在保持任务精度的同时获得1.77-8.47倍加速。
GaussianDream：用于机器人操作的前馈3D高斯世界模型
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学）
AI总结 提出GaussianDream，一种前馈3D高斯世界模型插件，通过可学习查询编码当前帧3D空间结构和短期未来演化，在训练时用静态重建和未来预测头监督，推理时仅保留查询条件化动作生成，在多个机器人操作基准上达到最先进性能。
Comments 19 pages, 9 figures
JAEGER：模拟物理环境中的联合3D音频-视觉定位与推理
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tencent AI Lab（腾讯AI实验室）
AI总结 提出JAEGER框架，通过集成RGB-D观测和多通道一阶环境声学，将音频-视觉大语言模型扩展到3D空间，实现联合空间定位与推理，并引入神经强度向量（Neural IV）提升声源方向估计的鲁棒性。
Comments Accepted to ICML 2026
S-MARC：全双工对话行为建模的因果流式推理
机构 * University of California, Berkeley（加州大学伯克利分校） ； Zhejiang University（浙江大学） ； South China University of Technology（华南理工大学）
AI总结 提出S-MARC框架，通过流式因果层次建模意图到动作路径，预测高层交际功能和低层交互行为，并构建高质量语料库，实现全双工对话中的鲁棒行为检测与可解释推理。
AV-EMO-Reasoning: 在具有视听线索的全模态大语言模型中基准测试情感推理能力
机构 * UC Berkeley（加州大学伯克利分校） ； South China University of Technology（华南理工大学） ； Zhejiang University（浙江大学） ； National Taiwan University（台湾大学） ； University of Southern California（美国南加州大学）
AI总结 提出AV-EMO-Reasoning基准，通过合成和真实世界的视听对话数据集及情感感知与交互推理指标，系统评估全模态大语言模型的情感推理能力。
PuzzleClone: 一种基于DSL的可验证数据合成框架
机构 * HiThink Research（HiThink研究院） ； HKUST（香港科技大学） ； Zhejiang University（浙江大学）
AI总结 提出PuzzleClone框架，通过DSL驱动的方法合成大规模、高可靠、多样化的可验证数学逻辑数据集，并构建PC-83K基准，实验表明后训练能显著提升LLM在逻辑与数学任务上的性能。
TrojanTO：针对轨迹优化模型的行动级后门攻击
机构 * Laboratory for Big Data and Decision, National University of Defense Technology（大数据与决策实验室，国防科技大学） ； Zhejiang University（浙江大学） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； National University of Singapore（新加坡国立大学）
AI总结 提出TrojanTO，首个针对轨迹优化模型的行动级后门攻击方法，通过交替训练增强触发与目标动作关联，并利用轨迹过滤和批量投毒实现高隐蔽性，在低攻击预算下有效植入后门。
Comments 23 pages, 6 figures
Journal ref International Conference on Learning Representations (ICLR), 2026
基于学习的视觉策略用于真实世界中未见过孔洞的插拔
机构 * College of Control Science and Engineering, Zhejiang University, Zhejiang, China.（控制科学与工程学院，浙江大学，浙江，中国） ； The Application Innovate Lab, Huawei Incorporated Company, China.（应用创新实验室，华为公司，中国）
AI总结 提出一种基于学习的视觉插拔方法，通过解耦感知与策略模块，在仿真中训练多种形状，并仅需少量仿真到现实迁移成本即可适应真实世界中任意未见形状。
Battery-Sim-Agent: 利用LLM智能体进行电池逆参数估计
机构 * Peking University（北京大学） ； Microsoft Research（微软研究院） ； Zhejiang University（浙江大学） ； Chalmers University of Technology（皇家理工学院）
AI总结 提出Battery-Sim-Agent框架，将电池逆参数估计重构为推理任务，利用LLM智能体与高保真模拟器闭环交互，通过物理假设和结构化参数更新，显著优于贝叶斯优化等黑箱优化方法。
双变量生存结局的深度最优个体化治疗规则：基于自适应预测驱动学习
机构 * Department of Biostatistics, City University of Hong Kong（香港城市大学生物统计学系） ； Center for Data Science, Zhejiang University（浙江大学数据科学中心）
AI总结 针对随机试验中的双变量生存结局，提出一种基于深度神经网络的自适应预测驱动方法，通过随机策略建模治疗规则并耦合边际加速失效时间模型，以最大化联合生存概率。
DynSess：面向角色扮演智能体的动态会话级评估与优化框架
机构 * Zhejiang University（浙江大学） ； Fuxi AI Lab, NetEase Inc.（福克斯人工智能实验室，网易公司） ； Xiamen University（厦门大学）
AI总结 提出DynSess统一会话级框架，通过会话级评估（DynSess-Eval）和基于多步前瞻搜索的训练轨迹优化（DSPO/GSRPO），提升角色扮演智能体的长程一致性和交互质量。
PrismFlow: 时间序列生成中流匹配的残差动力学
机构 * Zhejiang University, China（浙江大学，中国） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； I2R, Agency for Science, Technology and Research (A*STAR), Singapore（科技研究局（A*STAR）新加坡研究所，新加坡）
AI总结 提出PrismFlow方法，通过Koopman启发的动力学专家和置信度感知的胜者全得目标，在流匹配中学习残差修正，以解决标准流匹配中全局向量场估计器导致的频谱失真和模式覆盖不足问题，在时间序列生成中取得最优性能。
桥接分类与重建：协同时间序列异常检测
机构 * National Key Laboratory of Information Systems Engineering, National University of Defense Technology（信息系统工程国家重点实验室，国防科技大学） ； College of Systems Engineering, National University of Defense Technology（系统工程学院，国防科技大学） ； Zhejiang University（浙江大学） ； Zhejiang Key Laboratory of Space Information Sensing and Transmission, Hangzhou Dianzi University（空间信息感知与传输浙江大学重点实验室，杭州电子科技大学）
AI总结 提出CoAD框架，通过分类模块生成概率软掩码指导重建模块，协同利用分类与重建范式的互补优势，有效检测细微复杂异常，并在基准数据集上显著优于现有方法。
Comments 15 pages, submitted to KDD 2026
PACE: 几何感知的桥梁传输用于单细胞轨迹推断
机构 * Zhejiang University（浙江大学） ； Department of Artificial Intelligence, School of Engineering, Westlake University（人工智能学院，西湖大学）
AI总结 针对单细胞轨迹推断中异步发育导致的错位问题，提出PACE框架，通过构建各向异性黎曼度量、交替优化跨时间耦合与神经桥梁、蒸馏全局速度场，在七个数据集上平均降低MMD、Wasserstein-1和Wasserstein-2距离23.7%。
Comments 31 pages, 12 figures
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