高校专区
CMuon：通过分块动量正交化加速并稳定扩散Transformer的训练
机构 * Peking University（北京大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学）
AI总结 针对扩散Transformer训练计算成本高、普通Muon优化器存在后期收敛问题的瓶颈，提出CMuon策略，通过分块权重实现训练加速与收敛优化，在ImageNet 256上200个epoch达FID1.18，训练速度超AdamW2倍
Comments ECCV 2026
PromptPath：用于上下文学习的提示自适应计算路径
机构 * Zhejiang University（浙江大学） ； University of Nevada, Reno（内华达大学雷诺分校） ； Guangdong Institute of Intelligence Science and Technology（广东省智能科学与技术研究院）
AI总结 该研究针对现有ICL方法的浅层任务适配问题，提出PromptPath框架，通过提示驱动的路由机制动态重构模型计算，在视觉识别基准上性能优于现有ICL基线且泛化能力强。
相同语义，不同路径：面向视觉-文本压缩的自改进对齐
机构 * Southeast University（东南大学） ； Nanjing University（南京大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 该研究针对视觉-文本压缩中渲染图像与原生文本表示的跨路径不一致瓶颈，提出自监督对齐框架SPIRAL，通过令牌级OPD与序列级DPO提升模型性能，在VTCBench上显著改善Qwen3-VL-8B的表现并实现域外泛化。
Comments Accepted to ACM Multimedia 2026 (Oral)
DART：用于高效长上下文序列建模的循环状态解码注意力
机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； National University of Singapore（新加坡国立大学） ； Hong Kong Polytechnic University（香港理工大学） ； School of Science, Huzhou Normal University（湖州师范学院理学院）
AI总结 DART基于Mamba-2的状态空间对偶性，通过保留分块状态记忆并解码键值执行状态-记忆注意力，减少长上下文推理缓存，同时提升关联召回与检索性能。
利用人工智能在稀疏数据条件下进行细粒度食品安全风险预测
机构 * Zhejiang University（浙江大学） ； Rutgers University（罗格斯大学）
AI总结 该研究提出基于Transformer的框架，整合多类数据与Wilson区间预训练，在稀疏数据下细粒度预测城市食品安全风险，实验及浙江实地测试显示其性能优于基线，可提升检测率与检查资源分配效率。
用于增强多智能体轨迹规划的前向-逆向动态博弈框架
机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院）
AI总结 针对多智能体轨迹规划的动态博弈方法局限，本文提出带状态依赖权重的KL正则化动态博弈及上下文感知逆向博弈模块，经模拟与多机器人实验验证了其有效性。
Remember-R1：通过强化学习缓解长上下文视觉遗忘
机构 * Northwestern Polytechnical University（西北工业大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang University（浙江大学）
AI总结 该研究针对多模态大语言模型的长上下文视觉遗忘问题，提出强化学习框架Remember-R1，通过过程级监督优化视觉依赖与注意力，提升了多模态推理性能。
Comments Accepted by ACM Multimedia 2026
CAAT：用于数据高效接触丰富型操作的接触感知注意力缩放与触觉掩码方法
机构 * ShanghaiTech University（上海科技大学） ； Beihang University（北京航空航天大学） ； Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院） ； Zhejiang University（浙江大学） ； BUPT（北京邮电大学）
AI总结 该研究针对接触丰富型操作中视觉-触觉策略缺乏接触感知先验的问题，提出CAAT框架，通过注意力缩放和动态触觉掩码提升策略性能，在仿真和真实实验中均显著优于现有方法。
Comments 11 pages, 6 figures
Struct-GStream：基于结构化3D高斯的低码率高效自由视点视频流技术
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Chinese Academy of Sciences（中国科学院） ； University of Science and Technology Beijing（北京科技大学）
AI总结 本文针对现有自由视点视频在线训练方法存储与训练时间不足的问题，提出Struct-GStream，通过结构化3D高斯等技术实现低码率下的高效视频流，性能优于现有方法。
几何引导的情感调制用于可控且照片级真实感的情感说话人脸生成
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Ningbo Global Innovation Center, Zhejiang University（浙江大学宁波全球创新中心）
AI总结 GemTalk框架结合隐式表示与显式几何先验，通过V-AEP、D-GPG和GEM模块，实现情感说话人脸的可控生成，在照片真实感与情感动态上表现优异。
Comments 17 pages, 11 figures
语言模型去偏的启发式视角
机构 * Inner Mongolia University（内蒙古大学） ； Xiamen University（厦门大学） ； University of Sydney（悉尼大学） ； Nanjing University of Science and Technology（南京理工大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Zhejiang University（浙江大学）
AI总结 该研究针对现有语言模型去偏方法的局限，提出HEIMAT启发式自动去偏框架，经实验验证其可在保留NLU性能的同时有效缓解不同文化下的模型偏见。
Comments 13 pages in total, 5 figures
SpatialAfford：教紧凑视觉语言模型（VLMs）关注何处与定位何处以实现 affordance
机构 * Zhejiang University（浙江大学） ； Vivo Mobile Communication Co., Ltd（维沃移动通信有限公司）
AI总结 SpatialAfford 是一个两阶段框架，通过空间注意力对齐和空间感知 GRPO，使紧凑 4B VLMs 在多个基准上的 affordance 定位性能优于更强的 7B+ 基线模型。
通过自蒸馏增强基于评分标准的强化学习
机构 * Zhejiang University（浙江大学） ； ByteDance（字节跳动）
AI总结 研究基于评分标准的强化学习中探索有限问题，提出标准蒸馏策略优化（CriPO），通过策略内自蒸馏同时解决未探索标准和被抑制标准问题，在医学和科学基准测试中表现出色，减少优化步骤并提升性能。
DynImmune-BERT：基于神经常微分方程驱动的连续变换器的动态免疫组库建模
机构 * University of Macau（澳门大学） ； Hanyang University（汉阳大学） ； Zhejiang University（浙江大学） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学） ； South China University of Technology（华南理工大学） ； University of Liverpool（利物浦大学）
AI总结 研究针对纵向T细胞受体组库建模问题，提出DynImmune-BERT模型，结合多种方法，能在有纵向组库结构时补充静态编码器，通过特定评估方式得出结果，对小外部队列和协议差异需谨慎解读。
Comments 13 pages, 6 figures
DAG-FM：异构因果机制下因果发现的基础模型
机构 * Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 针对观测表格数据因果发现难题，提出DAG-FM基础模型，通过自回归阶段、表格交互块及叶专家混合处理复杂情况，经迭代推理构建DAG，在合成及真实数据集上性能优于传统算法和其他模型。
Comments 33 pages, 9 figures, 12 tables, preprint
4DVGGT-D: 具有改进动态深度估计的4D视觉几何变换器
机构 * Peking University（北京大学） ； Zhejiang University（浙江大学） ； Huzhou University（湖州大学） ； Huawei（华为） ； Tongji University（同济大学）
AI总结 本文提出一种无需训练的渐进解耦框架，通过稳定相机姿态和几何细化，解决动态与静态的分离问题，提升4D场景重建性能。
弥合认知鸿沟：面向6G智能AI-RAN的统一记忆范式
机构 * Sun Yat-sen University, China（中山大学，中国） ； Zhejiang University, China（浙江大学，中国） ； University of Exeter, U.K.（埃克塞特大学，英国） ； Singapore University of Technology and Design, Singapore（新加坡科技设计大学，新加坡） ； Purple Mountain Laboratories, Nanjing, China（紫金山实验室，南京，中国）
AI总结 本文提出一种统一记忆范式，通过将生物记忆层次映射到异构计算架构，弥合感知与推理之间的鸿沟，实现6G网络中自主决策的跨时间尺度状态共享。
Comments This work has been submitted to the IEEE for possible publication
SOD：分步式在线蒸馏用于小型语言模型代理
机构 * Zhejiang University（浙江大学） ； Large Language Model Department, Tencent（腾讯大语言模型部门） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对小型语言模型中工具集成推理的稳定性问题，提出SOD分步式在线蒸馏框架，通过动态调整蒸馏强度缓解教师信号误导，提升推理性能。
Chimera：用于可信数据平面智能的神经符号注意力原语
机构 * University of Macau（澳门大学） ； Zhejiang University（浙江大学） ； University of Southampton（南安普顿大学） ； University of Liverpool（利物浦大学） ； Fudan University（复旦大学） ； Renmin University of China（中国人民大学） ； New York Institute of Technology（纽约理工学院） ； University of Bologna（博洛尼亚大学） ； Minzu University of China（民族大学） ； Hanyang University（汉阳大学）
AI总结 Chimera提出了一种框架，将神经计算和符号约束映射到数据平面原语，实现可信推断，通过线性化注意力近似和层级键选择机制，在资源限制下实现高保真推理。
Comments 22 pages, 10 figures
GaiaFlow：基于语义的扩散调优用于碳节约搜索
机构 * University of Macau（澳门大学） ； Renmin University of China（中国人民大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Liverpool（利物浦大学） ； Peking University（北京大学） ； Northeast Normal University（东北师范大学） ； Minzu University of China（民族大学）
AI总结 GaiaFlow通过结合语义引导的扩散调优与硬件无关的性能建模策略，在保证检索精度的同时降低环境影响，实现了高效且可持续的神经搜索系统。
Comments 19 pages, 7 figures
缺失-by-设计：可撤销多模态情感分析的可验证模态删除
机构 * University of Macau（澳门大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Juntendo University（立命馆大学） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出MBD框架，通过结构化表示学习和可验证参数修改流程，实现可撤销多模态情感分析中的模态删除，实验表明其在不完整输入下具有强预测性能，并实现隐私与效用的平衡。
Comments 21 pages, 6 figures. In the previous version, Juntendo University was erroneously listed as the affiliation; we must clarify that this paper has absolutely no relation to Juntendo University. Therefore, we have replaced this affiliation in the new version
AST：自适应、无缝且无需训练的精确语音编辑
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； Innovation and Management Center of the School of Software (Ningbo), Zhejiang University（浙江大学软件学院（宁波）创新与管理中心） ； Institute of Remote Sensing Satellite, China Academy of Space Technology（中国空间技术研究院遥感卫星研究所） ； Zhejiang Key Laboratory of Digital-Intelligence Service Technology（浙江省数字智能服务技术重点实验室）
AI总结 本文提出AST框架，通过预训练自回归TTS模型实现精确语音编辑，引入潜变量重组和自适应弱事实引导，提升编辑区域的时序一致性和语音质量，同时引入LibriSpeech-Edit数据集和WDTW指标。
面向缺失数据的多模态融合用于统一微服务故障管理
机构 * Zhejiang University（浙江大学）
AI总结 本文提出ARMOR框架，通过自监督学习解决微服务故障管理中多模态数据缺失问题，提升异常检测、故障分类和根本原因定位的性能。
Comments Accepted by the Proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE '26), 2026. This is the authors' version of the work; the definitive Version of Record is forthcoming
SARe: 基于结构的大规模3D碎片重组
机构 * State Key Lab of CAD\&CG, Zhejiang University（浙江大学CAD与计算机图形学国家重点实验室） ； School of Software Technology, Zhejiang University（浙江大学软件学院） ； Laboratory of Art and Archaeology Image, Zhejiang University（浙江大学艺术与考古图像实验室）
AI总结 本文提出SARe框架，通过生成式方法解决大规模3D碎片重组问题，通过显式接触建模提高接触推理的稳定性与一致性，实验证明在碎片数量增加时具有更优的性能。
Comments 9 pages, 5 figures
突破探索瓶颈：面向通用大语言模型推理的Rubric引导强化学习
机构 * Zhejiang University（浙江大学） ； Li Auto Inc.（力汽车公司） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Hangzhou City University（杭州市大学）
AI总结 本文提出Rubric-Scaffolded Reinforcement Learning，通过引入检查表式评分标准作为探索和利用的指导框架，突破通用大语言模型推理的探索瓶颈，提升推理能力。
LADY：用于自动驾驶效率的线性注意力，无需Transformer
机构 * Udeer AI ； Zhejiang University（浙江大学） ； Yuanshi Intelligence（元世智能）
AI总结 LADY是首个基于线性注意力的端到端自动驾驶生成模型，通过常数时间与内存复杂度实现高效长时序建模与跨模态交互。
Comments Accepted by IEEE RAL
WorldMirror：基于任意先验提示的通用三维世界重建
机构 * Zhejiang University（浙江大学） ； Chinese University of Hong Kong（香港中文大学） ； Tencent Hunyuan（腾讯混元）
AI总结 本研究提出WorldMirror这一统一前馈模型，可整合多种几何先验并生成多种三维表示，在多类三维几何任务的基准测试中达到最优性能且推理效率高。
Comments Accepted to ICML 2026. Code: https://github.com/Tencent-Hunyuan/HunyuanWorld-Mirror Project page: https://3d-models.hunyuan.tencent.com/world/
Mamba Policy：基于混合选择性状态模型的高效3D扩散策略
机构 * Microelectronics Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）微电子领域） ； Division of Emerging Interdisciplinary Areas, The Hong Kong University of Science and Technology（香港科技大学新兴交叉领域 division） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Center for X-Mechanics, Zhejiang University（浙江大学X力学中心）
AI总结 本研究提出Mamba Policy，以XMamba Block融合Mamba与注意力机制，参数量减超80%，在Adroit等数据集上性能优异且计算资源需求低，长 horizon 场景鲁棒性更强。
Comments Accepted to IROS 2025. Project Page: https://sagecao1125.github.io/mamba_policy/
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