Zhejiang University（浙江大学）

LongMedBench: Benchmarking Medical Agents for Long-Horizon Clinical Decision-Making

LongMedBench：用于长期临床决策的医疗智能体基准测试

Zihan Xu, Yanzhen Chen, Xiaocheng Zhang, Zhiting Fan, Weiqi Zhai, Hongxia Xu, Zuozhu Liu

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； Transvascular Implantation Devices Research Institute（血管内植入装置研究所） 纠错

AI总结 介绍基于EHR的LongMedBench基准，用于长期临床决策。构建含多患者多事件数据集，提出评估分类法。实验表明大语言模型在隐式时间推理有挑战，RAG和智能体记忆系统对信息检索有帮助，决策任务性能依赖模型即时上下文。

Comments Submitted manuscript prior to peer review in MICCAI 2026

NaviCache: Test-Time Self-Calibration Caching for Video Generation

NaviCache: 视频生成的测试时自校准缓存

Zheqi Lv, Zhibo Zhu, Jinke Wang, Qi Tian, Shengyu Zhang, Zhengyu Chen, Chengxi Zang, Zhou Zhao, Fei Wu

机构 * Zhejiang University（浙江大学） ； Cornell University（康奈尔大学） ； Tencent Hunyuan（腾讯文生视频） 纠错

AI总结 针对视频扩散模型计算成本高的问题，提出NaviCache方法，将特征演化重构思为惯性导航系统问题，通过双状态估计架构自适应跟踪特征变化比和潜在漂移，实现有界误差的计算跳过，在多个模型上取得优异性能。

Comments Published at ICML 2026: Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026

PUMA: Perception-driven Unified Foothold Prior for Mobility Augmented Quadruped Parkour

PUMA：用于移动增强四足动物跑酷的感知驱动统一立足点先验

Liang Wang, Kanzhong Yao, Yang Liu, Weikai Qin, Jun Wu, Zhe Sun, Qiuguo Zhu

机构 * Institute of Cyber-Systems and Control,Zhejiang University（浙江大学控制系统研究所） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究所） 纠错

AI总结 研究针对四足动物跑酷任务，提出PUMA这一端到端学习框架，集成视觉感知与立足点先验于单阶段训练，利用地形特征估计相关先验，指导机器人姿态适应，经实验验证其在复杂地形中有出色敏捷性和鲁棒性。

Towards Blind Lens Aberration Correction via Large LensLib Pre-training and Discrete Degradation Priors

面向盲镜头像差校正的大规模LensLib预训练与离散退化先验

Xiaolong Qian, Qi Jiang, Yao Gao, Lei Sun, Kailun Yang, Xian Wang, Zhonghua Yi, Wenyong Li, Ming-Hsuan Yang, Luc Van Gool, Kaiwei Wang

机构 * National Research Center for Optical Instrumentation, Zhejiang University（浙江省光学仪器研究中心，浙江大学） ； INSAIT, Sofia University "St. Kliment Ohridski"（INSAIT，索菲亚大学"圣克莱门特·欧弗里迪斯基"） ； School of Artificial Intelligence and Robotics, Hunan University（人工智能与机器人学院，湖南大学） ； National Engineering Research Center of Robot Visual Perception and Control Technology, Hunan University（机器人视觉感知与控制技术国家工程研究中心，湖南大学） 纠错

AI总结 提出FoundCAC框架，通过构建大规模无偏镜头库AODLibpro和离散退化先验LPR，解决数据扩展与先验缺失问题，实现盲镜头像差校正的零样本泛化和高效少样本适应。

Comments Accepted to 2026 IEEE International Conference on Computational Photography (ICCP). The source code and datasets will be made publicly available at https://github.com/zju-jiangqi/FoundCAC