高校专区
EnvACE：通过世界预演内化环境动态以实现智能体强化学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Sun Yat-sen University（中山大学） ； Central South University（中南大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tencent Inc.（腾讯公司）
AI总结 本文提出 EnvACE 方法，以世界预演替代外部环境交互训练 LLM 智能体，在多基准测试中性能优于基线，可突破外部环境约束扩展 LLM 智能体训练。
AgentOPSD：面向智能体强化学习的递归自蒸馏方法
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Meituan（美团）
AI总结 提出 AgentOPSD 这一无 critic 的递归自蒸馏方法，用于智能体强化学习的轮次级 credit 分配，在 ALFWorld 等数据集上优于 GRPO 等基线，在 Qwen2.5-7B 模型上实现 ALFWorld 89.1% 的成功率。
Comments Code: https://github.com/ZethWang/AgentOPSD
Vorch-Director：基于噪声感知误差校正的交互式世界故事模型
机构 * Vorch Team（Vorch团队） ； Zhejiang University（浙江大学）
AI总结 Vorch-Director是一种噪声感知残差校正策略，基于LTX-2扩散Transformer，可提升视听长视频生成的稳定性与保真度，支持多镜头、多主体的参考引导生成。
Comments Project page: https://vorch-project.github.io/Vorch-Director-project
GST-Bench：视觉语言模型能否从视频中发展出全局空间感知能力？
机构 * ByteDance Seed（字节跳动 Seed） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 该研究提出GST-Bench基准评估VLMs的视频全局空间感知，发现其与人类存在显著差距，构建GST-Bench-Local探究原因，还提供GST-Train数据集助力相关研究。
声驱动毫米级螺旋机器人：受限流体环境中的超声协同操控
机构 * Zhejiang University（浙江大学） ； Huzhou Institute of Zhejiang University（浙江大学湖州研究院） ； Huzhou Normal University（湖州师范学院） ； Huzhou Vocational and Technical College（湖州职业技术学院）
AI总结 该研究提出协调多声场方法，利用声辐射力与声流协同实现毫米级螺旋机器人在受限流体环境的可控运动，提升了操控性，为相关生物医学应用提供支撑。
一次响应，始终是响应：通过潜在提示恢复检测大语言模型生成的文本
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
AI总结 针对现有零样本LLM生成文本检测器未考虑LLM训练过程的问题，提出无训练检测器EchoPrompt，通过潜在提示恢复实现零样本检测，在零样本检测器中达SOTA性能且稳健性强。
Comments 17 pages, 7 figures
上下文强制：揭示自回归视频扩散中的上下文效应
机构 * School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） ； Tencent Youtu Lab（腾讯云图实验室） ； 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 针对自回归视频扩散模型依赖干净帧导致的时间一致性差等问题，提出In-Context Forcing方法，通过递减噪声水平的上下文实现自适应指导，兼具时间一致性与动态性，还可并行去噪加速推理，在VBench上性能优于SOTA。
EA-Nav：通过具身感知学习安全的视觉导航策略
机构 * Zhejiang University（浙江大学） ； Wuhan University（武汉大学） ； Hunan University（湖南大学） ； D-Robotics（D机器人公司）
AI总结 针对跨具身导航挑战，提出基于模仿学习的具身感知导航框架，通过模块化多阶段设计，预训练构建数据集并引入具身几何，微调设计多模态信息注入机制，有效提高不同具身设置下的导航性能。
MAC 2026：推动微动作分析迈向细粒度理解
机构 * United Arab Emirates University（阿联酋大学） ； Hefei University of Technology（合肥工业大学） ； University College London（伦敦大学学院） ； Zhejiang University（浙江大学） ； University of Oulu（奥卢大学） ； CMVS, University of Oulu（奥卢大学计算机视觉与媒体研究中心）
AI总结 本文介绍第三届MAC 2026，以从识别到细粒度微动作理解为主题，扩大挑战范围，引入新任务并借助多模态大语言模型评估，总结了相关数据集、设置、结果等，还探讨了微动作分析未来方向及在视频理解中的作用。
Comments Challenge Summary Paper of the 3rd Micro-Action Analysis Grand Challenge (MAC 2026) at ACM Multimedia 2026
Tactile-WAM：具有触觉非对称注意力的触觉感知世界动作模型
机构 * Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 针对接触丰富操作中视觉预测不完整的问题，提出Tactile-WAM，通过触觉非对称注意力机制（TAAM）在保护视觉预测的同时利用触觉信息生成动作，整体成功率提升38.9%。
Comments Submitted to RSS2026 WorkShop Tactile for FM
DVAR：对抗性多智能体辩论用于视频真实性检测
机构 * Zhejiang University（浙江大学） ； Guangming Lab（光明实验室）
AI总结 DVAR通过多智能体辩论框架，将视频真实性检测转化为结构化推理过程，利用生成假设代理与自然机制代理的竞争，结合MDL框架和GenVideoKB知识库，实现对未知生成架构的强泛化能力。
Comments 9 pages
MMaDA-VLA: 基于统一多模态指令与生成的大型扩散视觉-语言-动作模型
机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； East China University of Science and Technology（华东理工大学） ； Huawei Celia Team（华为Celia团队） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； OpenHelix Robotics
AI总结 本文提出MMaDA-VLA模型，通过统一多模态理解与生成框架，解决机器人操控中的时序不一致和长周期误差累积问题，实现高效视觉-语言-动作生成。
Comments Accepted by ACM MM 2026
Know Your Step: 通过步感知优势实现更快速和更优的流匹配模型对齐
机构 * Zhejiang University（浙江大学） ； HiThink Research（HiThink研究） ； Southern University of Science and Technology（南方科技大学）
AI总结 TAFS GRPO通过步感知优势机制改进流匹配模型，实现更高效且更优的少步文本到图像生成与人类偏好对齐。
基于大语言模型的代理软件问题解决：综述
机构 * The State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； School of Computing and Information Systems, Singapore Management University（计算与信息系统学院，新加坡管理大学）
AI总结 本文综述了基于大语言模型的代理软件问题解决的最新研究，探讨了其方法、挑战及未来方向。
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