高校专区
空间-时间解耦参考条件用于身份保持的文本到视频生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Zhejiang University（浙江大学）
AI总结 提出ST-DRC框架，通过空间-时间解耦参考条件、TASS-RoPE机制和身份目标，实现高保真身份保持视频生成。
迈向精确意图对齐的VLA空中导航：基于专家引导的GRPO
机构 * Zhejiang University Differential Robotics（浙江大学差分机器人实验室）
AI总结 提出EG-GRPO框架，通过专家数据增强在线rollout和异构并行流水线，解决VLA模型在无人机导航中因数据稀缺和探索低效导致的意图对齐问题，成功率提升至SFT基线的2.13倍，意图对齐性能提升60.9%。
SeClaw: 面向自主代理评估的规范驱动安全任务合成
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Ant Digital Technologies, Ant Group（蚂蚁集团数字技术部） ； Xi’an Jiaotong University（西安交通大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Oxford（牛津大学） ； City University of Hong Kong（香港城市大学） ； Institute of Science Tokyo（东京科学研究所） ； Zhejiang University（浙江大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Beijing University of Technology（北京理工大学）
AI总结 提出SeClaw框架，通过规范驱动的安全任务合成与基于执行的安全评估，实现对自主LLM代理在状态化环境中的安全风险的可扩展、可复现评估。
混沌中的秩序：捕捉AI操纵图像伪造定位的内在能量异常
机构 * Zhejiang University（浙江大学）
AI总结 本文提出FLAME框架，利用扩散过程抑制局部高频方差产生的统计能量间隙，结合LAD图和SAM适配器实现像素级伪造定位，并引入EditStream流水线持续合成训练数据，在AI生成伪造数据集上达到最先进性能。
Comments Accepted by ICML 2026
CRAFTQA: 一种用于复杂结构化数据推理的代码驱动自适应框架
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； JIUTIAN Research（JIUTIAN研究） ； ZJU-Ant Group Joint Lab of Knowledge Graph（浙江大学-蚂蚁集团知识图谱联合实验室）
AI总结 提出CRAFTQA框架，通过CodeSTEP模块生成逐步代码推理序列，并利用CRAFT模块动态生成自定义代码函数，以突破预定义函数集的限制，在复杂结构化数据推理任务中显著优于现有统一方法。
Comments Accepted by Findings of ACL 2026
均衡扩散：面向均衡图像定制的频率感知文本嵌入
机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学）
AI总结 提出均衡扩散方法，通过频率空间分解概念特征并独立优化嵌入，实现风格与主体解耦，提升定制图像的保真度和文本对齐。
迈向3D感知视频扩散模型：基于网格标记化的无渲染人体运动控制
机构 * DAMO Academy, Alibaba Group（阿里巴巴集团大模型实验室） ； Hupan Lab（虎盘实验室） ； Zhejiang University（浙江大学） ； INSAIT
AI总结 提出一种无渲染框架，通过压缩的3D人体网格标记直接条件化视频生成，实现精确的人体运动控制，减少2D引导伪影并提升3D结构建模能力。
Comments Project page: https://jingyunliang.github.io/MeshToken/
随机最小二乘值迭代本身是联合差分隐私的
机构 * Laboratoire d’Informatique Fondamentale d’Orléans (LIFO), Université d’Orléans（奥尔良基础信息学实验室（LIFO），奥尔良大学） ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Department of Computer Science, University of Copenhagen（哥本哈根大学计算机科学系）
AI总结 研究随机探索算法RLSVI在表格MDP中的隐私保护，证明其内在噪声同时提供联合差分隐私保证。
Comments 12 pages, 0 figures
MidSurfNet：面向广义中面抽象的可学习面配对与干涉隐式场
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Shenzhen Poisson Software Co., Ltd.（深圳波森软件有限公司）
AI总结 提出MidSurfNet框架，通过可学习的面配对模块和干涉隐式场，解决薄壁CAD模型中多壁厚、自匹配及非中心偏移等复杂场景的中面抽象问题，实现87.32%的面配对准确率。
Comments 20 pages, 12 figures, 5 tables
用于推测解码的成本感知扩散草稿树
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学）
AI总结 提出CaDDTree方法，通过联合优化树结构和节点预算直接最大化令牌吞吐量，并证明在凸验证成本下吞吐量函数是单峰的，从而无需离线预算搜索。
KDH-CAD：数据稀缺下的知识-数据混合CAD学习
机构 * State Key Laboratory of CAD \& CG, Zhejiang University, Hangzhou, 310027, China
AI总结 提出KDH-CAD框架，融合预训练基础模型、结构化领域知识和少量标注CAD数据，在数据稀缺下实现高效机械零件分类，准确率达92.6%（250样本）和95.8%（1000样本）。
Comments 18 pages
SkillAdaptor：基于轨迹的LLM智能体自适应技能
机构 * Zhejiang University（浙江大学） ； Ant Digital Technologies, Ant Group（蚂蚁集团数字技术部） ； Zhejiang University - Ant Group Joint Laboratory of Knowledge Graph（浙江大学-蚂蚁集团知识图谱联合实验室）
AI总结 提出SkillAdaptor，一种无训练的步骤级技能自适应框架，通过显式故障归因和针对性更新，提升LLM智能体在长程交互任务中的表现。
Comments Work in progress
看向哪里：基础模型能否通过主动探索达到目标视角？
机构 * Zhejiang University（浙江大学）
AI总结 提出目标视角复现（TVR）任务及TVRBench基准，通过分析现有模型瓶颈并构建统一后训练框架，将9B开源模型成功率提升至50%以上。
Comments Project page: https://github.com/aim-uofa/TVRBench
USV-HROV系统的系缆感知动态避碰
机构 * Zhejiang University（浙江大学）
AI总结 针对USV跟踪HROV时水下系缆与过往船只刮擦及系缆绷紧风险，提出一种系缆感知的动态避碰方法，通过引入系缆安全感知平面域和系缆绷紧感知速度障碍法，实现安全避碰并降低系缆绷紧可能性。
TravelEval：评估基于LLM的旅行规划代理的综合基准框架
机构 * Zhejiang University（浙江大学） ； Hong Kong Polytechnic University（香港理工大学） ； Southeast University（东南大学） ； HKUST (GZ) & HKUST Guangzhou（香港科技大学（广州）& 香港科技大学（广州））
AI总结 针对现有基准过度关注约束合规、缺乏真实性和多维评估的问题，提出TravelEval，通过六维评估框架、真实数据沙盒和模拟全局评估方法，全面评估LLM在旅行规划中的表现。
Comments 31pages, 8 figures, accepted by KDD 2026
TriLens: 基于逐层Logit-Lens熵的白盒幻觉检测
机构 * Binjiang Institute of Zhejiang University（浙江大学滨海学院） ； Beijing Normal-Hong Kong Baptist University（北京师范大学-香港 Baptist大学） ； Zhejiang University（浙江大学） ； GenTel.io ； Great Bay University（Great Bay大学）
AI总结 提出TriLens方法，通过在每个Transformer层读取多头自注意力、前馈网络和残差流的logit-lens输出熵，构建紧凑的3L维轨迹，有效检测大语言模型幻觉。
COLLAR: 级联对象级潜在精化用于高保真条件生成
机构 * College of Computer Science, Zhejiang University（浙江大学计算机科学学院）
AI总结 提出COLLAR框架，通过视场扩展和级联对象级潜在精化，在扩散Transformer中实现无训练的高保真对象级控制，优于现有方法。
揭秘多类分类中的最优公平分类器
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； College of Computer Science（计算机科学学院） ； Technology, Zhejiang University（技术，浙江大学） ； School of Communication Engineering, Hangzhou Dianzi University（杭州电子科技大学通信工程学院）
AI总结 本文针对多类分类中的公平性问题，提出了一种在公平约束下最优分类器的概率公式，并设计了两种属性盲算法（处理中与处理后）以逼近最优精度-公平帕累托前沿。
Comments Accepted to ICML 2026
FLaG：用于幻觉检测的细粒度潜在分组
机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学）
AI总结 提出FLaG框架，通过能量路由机制将实例软关联到多个潜在证据组，并利用对数边际聚合组合组条件可靠性信号，以捕获异构幻觉模式，实现无需修改底层模型的高效幻觉检测。
SENSE: 基于软门控评估的语义嵌入导航用于检索式推测解码
机构 * Zhejiang University, Hangzhou, China（浙江大学，杭州，中国）
AI总结 提出SENSE方法，通过语义嵌入导航和软门控评估模块替代表面形式匹配，提升检索式推测解码的鲁棒性和加速效果，在LLaMA和Qwen系列上实现最高4.09平均接受长度和3.26倍加速。
SortingHat: 用定制的数字教学助手重新定义操作系统教育
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院）
AI总结 针对操作系统课程教学挑战，提出结合检索增强生成和多智能体强化学习的3D数字人教学助手SortingHat，提供个性化指导、自适应内容生成和自动评估。
Journal ref WWW '25: Companion Proceedings of the ACM on Web Conference 2025,Pages 2951 - 2954
融合异质注意力结构的Transformer模型通用解释方法
机构 * Zhejiang University（浙江大学）
AI总结 针对Transformer中异质注意力结构（如共注意力）带来的多源信息融合挑战，提出一种通用解释方法，并通过实验分析范式对代表性模型进行语义和逻辑解释。
InstructSAM: 根据任意指令分割任意实例
机构 * Zhejiang University（浙江大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
AI总结 提出InstructSAM框架，通过将指令驱动实例分割建模为集合结构查询预测问题，并设计显式推理到实例查询接口，结合视觉语言模型和SAM3实现单次前向传播中的多实例分割。
Comments 19 pages, 8 figures, code: https://github.com/DCDmllm/InstructSAM
通道级向量量化
机构 * Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； JD.COM（京东公司） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 提出通道级向量量化（CVQ）代替补丁级量化，并基于此设计通道级自回归（CAR）模型，通过逐通道预测实现渐进式细节生成，在图像重建和文本到图像生成中取得优异性能。
AGILE: 通过代理生成从视频重建手-物体交互
机构 * State Key Lab 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） ； Zhejiang University of Technology（浙江工业大学）
AI总结 提出AGILE框架，利用视觉语言模型引导生成完整物体网格，结合锚定-跟踪策略和接触感知优化，从单目视频鲁棒重建手-物体交互，生成可直接用于仿真的资产。
Comments 16 pages, SIGGRAPH 2026
当AI评审科学：我们能信任审稿人吗？
机构 * School of Electronic Engineering, Southeast University（东南大学电子工程学院） ； Zhejiang University（浙江大学）
AI总结 针对AI审稿的安全性和可靠性问题，本文通过分类攻击类型并实验验证声望框架、断言强度、反驳谄媚和上下文投毒对评分的影响，为评估AI同行评审的可靠性提供基线。
Journal ref The Innovation Informatics 2:100030 (2026)
AtomEval: 事实核查中对抗性声明重写的有效性感知原子评估
机构 * Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出AtomEval协议，通过原子分解和保留门控，区分有效规避验证与改变命题的重写，并引入VASR指标，解决传统ASR膨胀问题。
弥合模型所想与所言之间的鸿沟：通过自我意识意图-实现对齐的富有表现力的语音生成
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Tencent Ethereal Audio Lab（腾讯虚实音频实验室） ； Southeast University（东南大学） ； Zhejiang University（浙江大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学）
AI总结 提出SASLM框架，通过自蒸馏意图和自奖励优化，无需外部标注即可弥合语义理解与声学实现之间的差距，实现富有表现力的语音生成。
Comments Submitted to EMNLP 2026. Project page: https://wangkevin02.github.io/SASLM/
屏幕到动作中缺失了什么？面向多模态GUI推理的UI-in-the-Loop范式
机构 * Zhejiang University（浙江大学） ； ZJU-Ant Group Joint Lab of Knowledge Graph（浙大蚂蚁集团知识图谱联合实验室）
AI总结 提出UI-in-the-Loop (UILoop) 范式，通过循环的屏幕-UI元素-动作过程，让多模态大模型显式学习UI元素的定位、语义和用法，实现可解释推理，并在UI理解任务上达到最优。
Comments Accepted by ACL 2026 Findings
OpenHospital: 一个用于进化和基准测试基于LLM的集体智能的物自体竞技场
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； Laboratory for Statistical Monitoring and Intelligent Governance of Common Prosperity, Zhejiang Gongshang University（浙江工商大学共同富裕统计监测与智能治理实验室） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室） ； Alibaba Cloud（阿里云）
AI总结 提出OpenHospital交互式竞技场，通过医生代理与患者代理的互动进化集体智能，采用数据在代理自身范式快速提升能力并提供医学熟练度和系统效率的基准测试。
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