高校专区
AnyAudio-Judge：基于动态评分标准的音频指令跟随基准与评估器
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Tencent Hunyuan（腾讯文脉）
AI总结 针对指令引导音频生成中复杂指令解耦困难、评估缺乏可解释性和细粒度属性匹配的问题，提出基于动态评分标准的评估范式，通过自适应分解音频描述为可验证的二元评分项，并构建包含7920个样本的双语基准和105K训练语料，结合SFT与GRPO训练专用评估器，在零样本对齐检测和下游强化学习指令对齐中取得显著提升。
scTranslation：单细胞多组学模态翻译的综合基准
机构 * Westlake University（西湖大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Xidian University（西安电子科技大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 针对单细胞多组学模态翻译任务，提出了包含多样化数据集、先进模型和全面评估指标的综合基准scTranslation，并系统研究了特征选择、特征质量和少样本设置等影响因素。
GN0：迈向视觉语言导航中生成、评估与策略学习的统一范式
机构 * Institute of Artificial Intelligence, China Telecom（人工智能研究院，中国电信） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Tongji University（同济大学） ； Fudan University（复旦大学） ； Jiangsu University（江苏大学）
AI总结 提出GN0统一框架，通过自动生成大规模导航数据集GN-Matrix、基于3DGS的高保真仿真平台和BEV基准GN-Bench，结合RL驱动的导航基础模型BAE，在VLN任务上超越现有方法。
DDOR: 用于可解释过度拒绝测试与修复的Delta调试方法
机构 * Southeast University（东南大学） ； Singapore Management University（新加坡管理学院） ； Zhejiang University（浙江大学） ； Huzhou Institute of Industrial Control Technology（湖州工业控制技术研究所）
AI总结 提出DDOR框架，通过delta调试定位最小拒绝触发片段（mRTF），实现黑盒环境下大语言模型过度拒绝行为的自动化测试与修复。
通过宽基线匹配激发多模态大语言模型中的复杂空间推理
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） ； Westlake University（西湖大学）
AI总结 本文提出ReasonMatch-Bench基准和动态对应强化学习（DCRL）方法，以系统评估和提升多模态大语言模型在宽基线匹配任务中的空间推理能力。
Comments CVPR 2026. Project page: https://aim-uofa.github.io/reasonmatch/ Code: https://github.com/aim-uofa/ReasonMatch
IDO: 面向多模态假新闻检测的不一致性感知分布优化
机构 * Nanjing University（南京大学） ； University of Birmingham（伯明翰大学） ； East China Normal University（华东师范大学） ； Zhejiang University（浙江大学）
AI总结 提出不一致性感知分布优化（IDO）方法，通过事实不一致性和模态不一致性建模，提升多模态假新闻检测性能。
Comments Accept by GlobalSouthML@ICML 2026
GeoAlign: VLA模型中的状态引导空间对齐超越语义
机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Jingdezhen Ceramic University（景德镇陶瓷大学） ； Tsinghua University（清华大学） ； HONOR（HONOR公司） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出GeoAlign架构，通过RGB几何分支的后训练和机器人本体状态引导的几何特征查询，实现几何感知的空间对齐和动态可供性选择，在多个基准上取得高性能。
Comments 20 pages, 9 figures, 8 tables, including appendix
Follow-Your-Preference++：重新思考图像修复中的偏好对齐
机构 * Zhejiang University（浙江大学） ； The University of Tokyo（东京大学） ； Tsinghua University（清华大学）
AI总结 本文从基本原理出发，通过直接偏好优化框架和公开奖励模型构建偏好数据，系统研究了图像修复中的偏好对齐问题，发现奖励模型存在偏差但可通过集成缓解，并在标准指标、大视觉语言模型评估和人类评估上显著超越先前最先进模型。
Comments 23 pages, 14 figures. arXiv admin note: substantial text overlap with arXiv:2509.23082
JAVEDIT: 联合音频-视觉指令引导视频编辑与智能体数据策展
机构 * Zhejiang University（浙江大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Nanjing University（南京大学） ； University of Auckland（奥克兰大学） ； Fudan University（复旦大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对联合音频-视觉编辑缺乏数据集和基准的问题，提出首个大规模高质量数据集JAVEdit-100k、基准JAVEditBench以及基线模型JAVEdit，在六项指标中五项超越所有基线。
Comments Equal contributions from first two authors. Project page: https://ryanchenyn.github.io/projects/JAVEdit Code: https://github.com/RyanChenYN/JAVEdit Dataset: https://huggingface.co/datasets/Coraxor/JAVEdit-100k
TTT-VLA：面向视觉-语言-动作模型的测试时潜在提示优化
机构 * ByteDance Seed（字节跳动种子） ； The University of Adelaide（阿德莱德大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； CSIRO Data61
AI总结 提出TTT-VLA框架，通过测试时优化潜在提示来适应分布偏移，无需修改策略本身，在SimperEnv上提升单/多实体任务成功率。
DeskCraft: 桌面代理在专业工作流与人在环协作中的基准测试
机构 * Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Tencent（腾讯） ； The University of Hong Kong（香港大学）
AI总结 提出DeskCraft基准，针对专业创意软件中的长周期工作流和主动人机协作，通过多级难度分类和交互协议评估18种代理，发现GPT-5.4在标准任务上达31.6%，交互任务上达27.6%。
RMPrior: 融合传播先验与扩散精炼的高效无线电地图构建
机构 * Zhejiang University（浙江大学）
AI总结 提出一种中起点采样策略，通过将传播先验扰动至中间扩散时间步，仅执行剩余反向步骤，在加速2.01倍的同时提升重建质量，并理论分析了初始化差距的上界及截断条件。
MetaWorld: 从单视角视频数据扩展多智能体视频世界模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学）
AI总结 提出MetaWorld框架，通过单目世界状态展开、主体感知世界生成器和世界状态对齐机制，从单视角视频构建多智能体视频世界模型，解决数据稀缺和世界状态对齐问题。
学习何时不行动：缓解智能体强化学习中的工具滥用
机构 * NLPR, Institute of Automation, Chinese Academy of Sciences（NLPR，自动化研究所，中国科学院） ； ByteDance（字节跳动） ； Zhejiang University（浙江大学）
AI总结 提出EAPO框架，通过引入无工具轨迹、难度感知奖励塑造和置信度感知令牌重加权，在数学和知识密集型推理任务中减少工具滥用，同时提升准确率-效率权衡。
Comments Under review
FocusDiT: 扩散Transformer中的查询掩码用于细粒度图像生成
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学）
AI总结 提出FocusDiT方法，通过掩码关键查询令牌仅输入FFN层，增强细粒度视觉生成，实验验证其有效性。
EvoBrain: 面向异构BCI任务的EEG基础模型的持续学习
机构 * State Key Laboratory of Brain-machine Intelligence and College of Computer Science and Technology, Zhejiang University（脑机智能国家重点实验室和浙江大学计算机科学与技术学院） ； MOE Frontier Science Center for Brain Science and Brain-Machine Integration, Zhejiang University（教育部脑科学与脑机集成前沿科学中心，浙江大学）
AI总结 提出EvoBrain框架，通过神经频谱任务归一化和响应亲和蒸馏，解决EEG基础模型在异构BCI任务中的持续学习问题，实现跨任务知识迁移和遗忘缓解。
Comments 18 pages,12 figures
重新思考Kronecker因子优化器中的Bregman散度
机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院人工智能安全国家重点实验室，计算技术研究所）
AI总结 本文通过协方差矩阵谱分析，研究了不同Bregman散度（Frobenius、von Neumann、LogDet）在Kronecker近似误差分配中的角色，并提出一种子空间感知的Kronecker优化器，在顶部子空间应用基于特征值的预处理，在底部子空间使用自适应各向同性加速常数。
EXACT-MPPI：通过路径积分控制实现点云中任意足迹机器人的精确有符号距离导航
机构 * ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University, Hangzhou, China（浙江大学杭州全球科技创新中心） ； College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou, China（浙江大学生物系统工程与食品科学学院） ； Department of Biological and Agricultural Engineering, University of California, Davis, Davis, California, USA（加州大学戴维斯分校生物与农业工程系）
AI总结 提出EXACT-MPPI框架，将解析精确有符号距离评估器嵌入模型预测路径积分控制器，无需中间地图表示，直接处理点云实现任意形状足迹机器人的安全导航。
几何引导的基础特征建模实现可泛化的物体形状变形学习
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学计算机科学与工程系） ； Zhejiang Innovation Center for Humanoid Robotics, Ningbo, China（浙江省人形机器人创新中心） ； State Key Laboratory of Industrial Control and Technology, Zhejiang University, Hangzhou, China（浙江省工业控制技术重点实验室）
AI总结 提出一种几何引导的特征建模机制和视图自适应特征聚合模块，通过变形类别级形状模板实现单目3D形状恢复，在形状变化和视角多样性上显著优于现有方法。
Comments 20 pages, 12 figures, accepted by ICML 2026
Vision Inference Former：在多模态大语言模型中维持视觉一致性
机构 * Zhejiang University（浙江大学） ； East China Normal University（华东师范大学） ； Zhejiang University of Science and Technology（浙江理工大学）
AI总结 针对多模态大语言模型中视觉信息被弱化的问题，提出Vision Inference Former（VIF）轻量模块，在推理解码阶段持续注入视觉语义，提升生成内容与视觉的一致性。
CogRAG：通过分层检索与推理应对RAG中的异构认知需求
机构 * School of Computer and Computing Science, Hangzhou City University（杭州城市大学计算机与计算科学学院） ； Innovation Center of Yangtze River Delta, Zhejiang University（长三角创新中心，浙江大学） ； Institute of Digital Twin, Eastern Institute of Technology（数字孪生研究院，东部技术研究院）
AI总结 提出CogRAG框架，基于布鲁姆分类法预测查询的认知负荷，协调认知自适应证据精炼与认知分层结构化推理，解决RAG中不同任务的异构认知需求，在注册营养师资格考试中将Qwen3-8B准确率提升至85.8%。
深度ReLU分类中梯度下降泛化的最优速率
机构 * School of Mathematical Sciences, Zhejiang University（浙江大学数学科学学院） ； Department of Mathematics, The University of Hong Kong（香港大学数学系） ； School of mathematics and statistics, University of Sydney（悉尼大学数学与统计学学院）
AI总结 针对深度ReLU网络，通过权衡优化与泛化误差，在NTK可分离假设下证明了梯度下降的泛化误差率为~O(L^6/(nγ^2))，与SVM最优率仅差深度相关因子，关键技术是控制参考模型附近的激活模式以得到更紧的Rademacher复杂度界。
Comments Published in NeurIPS 2025
Agent 的第一天：在工作场景中基准测试学习、探索和调度
机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对多模态大语言模型在动态工作场景中面临的任务调度、主动探索和持续学习三大挑战，提出动态评估环境 EvoEnv，实验表明现有 agent 在这些方面存在显著不足。
通过 $l_1$ 滤波在线性时间内求解主成分追踪
机构 * School of Mathematical Sciences, Dalian University of Technology（大连理工大学数学科学学院） ； Key Lab. of Machine Perception (MOE), Peking University（北京大学机器感知重点实验室） ； Microsoft Research Asia（微软亚洲研究院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
AI总结 提出一种名为 $l_1$ 滤波的算法，以 $O(r^2(m+n))$ 复杂度精确求解主成分追踪问题，实现线性时间内的核范数最小化，并具有高度可并行性。
一种加速核范数最小化算法的块Lanczos热启动技术
机构 * Microsoft Research Asia（微软亚洲研究院） ； Zhejiang University（浙江大学）
AI总结 提出块Lanczos热启动（BLWS）技术，利用前次迭代的主奇异子空间初始化块Lanczos过程以加速核范数最小化算法中的部分SVD计算，实验表明可加速2-3倍。
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