高校专区
学习适应：通过认知感知探索实现自我改进的网络智能体
机构 * Zhejiang University（浙江大学）
AI总结 提出SCALE框架，利用选择器、预测器和评判器三个对抗角色，通过环境探索自主发现智能体局限性并扩展认知边界，结合SCALE-Hop图探索策略和SCALE-20k数据集，显著提升多模态大语言模型在多种网络环境中的性能和泛化能力。
Comments 24 pages
ConsisGuard：在LLM护栏中对齐安全审议与策略执行
机构 * Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学） ； Huzhou Normal University（湖州师范学院） ； 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ConsisGuard框架，通过策略到决策轨迹蒸馏和功能耦合对齐，解决基于推理的LLM护栏中审议与执行之间的不一致问题，提升安全检测性能并减少策略执行失败。
Comments 18 pages, 9 figures
面向流式同步空间音频生成的自回归扩散Transformer
机构 * Zhejiang University, China（浙江大学）
AI总结 提出SwanSphere统一流式框架，通过因果自回归扩散Transformer、空间视频-音频对比学习及多目标在线直接偏好优化，实现从全景视频和文本提示生成高保真空间音频，并开发自动化标注管道缓解数据稀缺。
Comments Accepted by ICML 2026
关注证据：面向多模态RLVR的证据锚定空间注意力监督
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； Nankai University（南开大学） ； Shanghai Jiaotong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 提出EASE方法，通过将标注证据区域转化为平滑视觉标记目标，在多模态强化学习训练中引导响应到图像的注意力，从而提升视觉语言模型在感知、幻觉、视觉数学和多模态推理基准上的性能。
MergeTok: 通过令牌合并实现统一连续和离散视觉令牌化
机构 * Tsinghua University（清华大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； OPPO ； Shanghai AI Lab（上海人工智能实验室）
AI总结 提出MergeTok统一令牌化器，通过令牌合并技术联合优化连续VAE和离散VQ令牌化器，实现高保真重建与语义可控离散表示的兼顾。
Comments 11 pages (main text), 7 figures. Preprint. Under review at NeurIPS 2026
UniScale: 通过模型路由和测试时扩展的在线联合优化实现自适应统一推理扩展
机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； Shenzhen Research Institute of Big Data, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）大数据研究院） ； 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） ； College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Department of Computer Science and Engineering, Chinese University of Hong Kong（香港中文大学计算机科学与工程系）
AI总结 提出UniScale框架，将模型路由和测试时扩展统一为上下文多臂老虎机问题，通过LinUCB在线学习推理策略，实现细粒度且更优的质量-成本权衡。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
COMPASS: 认知MCTS引导的过程对齐用于安全搜索代理
机构 * Zhejiang University（浙江大学）
AI总结 提出COMPASS框架，通过认知树探索和自省步骤对齐，在保持通用效用的同时实现搜索代理工作流中的鲁棒安全对齐。
SSR：将稳健且对称的人形穿越扩展到开放世界
机构 * Zhejiang University（浙江大学）
AI总结 提出SSR框架，通过引入想象落脚点引导、等变潜在空间对称增强和地形特定多判别器运动先验，实现基于视觉的人形机器人在开放世界中的安全稳定穿越。
LongDS-Bench：关于长周期智能数据分析的失败
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Zhejiang University - Ant Group Joint Laboratory of Knowledge Graph（知识图谱联合实验室）
AI总结 提出LongDS基准，用于评估长周期多轮数据分析中智能体维护和更新分析状态的能力，发现最佳模型平均准确率仅48.45%，且长周期错误占失败原因的52%-69%。
Comments Ongoing work
基于最小充分表示学习的大语言模型领域特定数据合成
机构 * vivo AI Lab（vivo人工智能实验室） ； Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学）
AI总结 提出DOMINO框架，通过对比解耦学习最小充分领域表示，指导生成领域对齐的合成数据，在隐式领域定义下提升微调性能。
Comments Accepted by KDD 2026
Draft-OPD：用于推测草稿模型的在线策略蒸馏
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 针对推测解码中草稿模型因离线训练与在线推理不匹配导致性能瓶颈的问题，提出Draft-OPD方法，通过目标辅助展开和重放验证暴露的错误位置实现在线策略蒸馏，在多种任务上实现超过5倍的无损加速。
SpaMEM：具身环境中通过感知-记忆集成进行动态空间推理的基准测试
机构 * The University of New South Wales（新南威尔士大学） ； The University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Xinjiang University（新疆大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出SpaMEM基准，通过动作条件场景变换和多模态数据，分层评估多模态大模型在具身环境中的空间信念演化能力，揭示坐标一致性和视觉记忆瓶颈。
DTBench：文档到表格提取的合成基准
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（香港科学与技术大学）
AI总结 提出DTBench合成基准，通过反向Table2Doc范式和多智能体合成流程生成文档，系统评估LLM在文档到表格提取中的多种能力。
Comments KDD26
从内部诊断到外部审计：一种VLM驱动的数据自由在线后门防御范式
机构 * The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； Sun Yat-sen University, China（中山大学） ； Zhejiang University, China（浙江大学）
AI总结 提出一种从内部诊断到外部语义审计的范式转变，利用通用视觉语言模型（VLM）作为外部语义门控，通过PRISM框架（原型精炼与统计监控检查）实现数据自由的在线后门防御，在17个数据集和11种攻击类型上达到最先进性能。
Comments 25 pages, 10 figures, 19 tables. To appear in the Proceedings of the 43 rd International Conference on Machine Learning (ICML '26)
InfiMed-ORBIT: 通过基于评分标准的增量训练使大语言模型对齐开放复杂任务
机构 * Department of Computing, The Hong Kong Polytechnic University, Hong Kong, China（香港理工大学计算机系） ； Department of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院）
AI总结 提出ORBIT框架，利用动态生成的病例条件评分标准指导增量强化学习，仅用2k样本将Qwen3-4B-Instruct在HealthBench-Hard上的得分从7.0提升至27.5，达到同规模开源模型最优。
PostCam: 基于查询共享交叉注意力的相机可控新视角视频生成
机构 * State Key Lab of CAD\&CG, Zhejiang University（浙江大学CAD与CG国家重点实验室） ； Shanghai InSpatio Intelligent Technology Co., Ltd.（上海InSpatio智能技术有限公司）
AI总结 提出PostCam框架，通过查询共享交叉注意力机制对齐6自由度姿态和渲染特征，实现动态场景中高细节保持和精确相机轨迹编辑的新视角视频生成。
基于自适应空间特征融合增强的ResNet-50皮肤病变分类
机构 * Polytechnic Institute, Zhejiang University, Hangzhou, China（浙江大学杭州Polytechnic学院） ； Chu Kochen Honors College, Zhejiang University, Hangzhou, China（浙江大学杭州Chu Kochen荣誉学院） ； Alibaba Group, Chaoyang District, Beijing, China（北京朝阳区阿里巴巴集团） ； School of Information Science and Technology, Northeast Normal University, Changchun, China（吉林师范大学信息科学与技术学院） ； School of Mathematical Sciences, Zhejiang University, Hangzhou, China（浙江大学数学科学学院）
AI总结 提出一种结合自适应空间特征融合（ASFF）的改进ResNet-50模型，通过双分支结构融合多尺度语义和细节特征，在ISIC 2020子集上达到93.182%准确率，并有效泛化至ISIC 2019外部验证集。
基于辛神经网络的哈密顿动力学降阶建模
机构 * School of Mathematical Sciences, Zhejiang University（浙江大学数学科学学院） ； Department of Mathematics and Statistics, Texas Tech University（德克萨斯理工大学数学与统计系） ； School of Computational Science and Engineering, Georgia Institute of Technology（佐治亚理工学院计算科学与工程学院）
AI总结 提出一种数据驱动的辛诱导降阶建模框架，通过统一端到端神经架构同时发现潜空间和学习动力学，确保降阶模型精确保持辛结构，提升长期稳定性和保真度。
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