Zhejiang University（浙江大学）

From Recoverability to Functional Use: Certifying Temporal Reports in Time-Series Forecasting

时间序列预测器是否使用了正确的历史信息：时间延迟的可恢复性、恢复及功能使用

Qipeng Qian, Yuntao Qian

机构 * Supcon Technology（中控技术） ； College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院） 纠错

AI总结 该研究针对时间序列模型，分析了延迟可恢复性、报告与功能使用的问题，发现多数模型存在延迟报告正确但实际未使用对应历史的情况，提出的路由方法可实现预测与报告的对齐。

DreOPD: Degraded-Reference Extrapolative On-Policy Distillation for Flow-matching Models

DreOPD：用于流匹配模型的退化参考外推式在线策略蒸馏

Mingfeng Lin, Chengfei Cai, Lin Xu, Yuxiang Wei, Liang Han

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本研究提出用于流匹配模型的DreOPD方法，将隐式奖励外推转为闭式速度回归并引入退化参考强化对比，在单/多教师设置下，其平均性能优于OPD及多任务RL基线，多数指标超专用教师。

Comments project page: https://sleepy1231.github.io/DreOPD/

Constitutional On-Policy Safe Distillation

宪法性在策略安全蒸馏

Ming Wen, Yuxuan Liu, Kun Yang, Yunhao Feng, Zhuoer Xu, Yuhao Sun, Shiwen Cui, Xiang Zheng, Yi Liu, Xingjun Ma, Yu-Gang Jiang

机构 * Institute of Trustworthy Embodied AI（可信具身人工智能研究院） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 针对在策略自蒸馏在安全对齐中因宪法条件导致教师分布收缩、表达能力下降的问题，提出宪法性在策略安全蒸馏（COPSD），通过交叉SFT冷启动校准教师分布，再进行宪法条件在策略蒸馏，在12个基准上实现了更优的安全-有用性权衡并降低安全税。

A Q-learning-based QoS-aware multipath routing protocol in IoMT-based wireless body area network

基于Q学习的面向服务质量的多路径路由协议

Mehdi Hosseinzadeh, Roohallah Alizadehsani, Amin Beheshti, Hamid Alinejad-Roknyd, Lu Chen, Mohammad Sadegh Yousefpoor, Efat Yousefpoor, Muneera Altayeb, Thantrira Porntaveetus, Sadia Din

机构 * School of Engineering and Technology, Duy Tan University（杜益坦大学工程与技术学院） ； Institute for Intelligent Systems Research and Innovation, Deakin University（德金大学智能系统研究与创新研究所） ； School of Computing, Macquarie University（麦考瑞大学计算机学院） ； UNSW BioMedical Machine Learning Lab (BML), School of Biomedical Engineering, UNSW Sydney（新南威尔士大学生物医学机器学习实验室（BML）） ； Visiting Scholar (Collaborative Projects), Center of Excellence in Precision Medicine and Digital Health, Chulalongkorn University（朱拉隆梭大学精准医学与数字健康中心） ； Department of Computer Science, Zhejiang University（浙江大学计算机科学系） ； Center of Research and Strategic Studies, Lebanese French University（黎巴嫩法语大学研究与战略研究所） ； Faculty of Engineering, Hourani Center for Applied Scientific Research, Al-Ahliyya Amman University（阿卡巴大学工程学院，Hourani应用科学研究中心） ； Center of Excellence in Precision Medicine and Digital Health, Chulalongkorn University（朱拉隆梭大学精准医学与数字健康中心） ； Department of Computer Engineering, Gachon University（加恩大学计算机工程系） 纠错

AI总结 本文提出QQMR协议，通过Q学习优化WBANs中的多路径路由决策，提升数据包交付率并降低延迟和能耗。

Comments Due to substantial changes in the contributions and responsibilities of the researchers involved in the project, the authorship of the manuscript requires revision to accurately reflect the current contributions. We therefore request withdrawal of the present version to appropriately resolve the authorship and contribution record

EvDiff: Event-Based Video Reconstruction using One-Step Diffusion Models

EvDiff：高质视频与事件相机

Weilun Li, Lei Sun, Ruixi Gao, Qi Jiang, Yuqin Ma, Kaiwei Wang, Ming-Hsuan Yang, Luc Van Gool, Danda Pani Paudel

机构 * Zhejiang University（浙江大学） ； INSAIT ； UC Merced（加州大学默塞德分校） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 EvDiff通过基于事件的扩散模型和替代训练框架，从单色事件流生成高质量彩色视频，提升视频生成的保真度和现实感。

Comments Replacement note: This manuscript has been transferred from the CVPR format to the ECCV 2026 format, with the corresponding title and template updated accordingly. The technical content remains largely unchanged from the previous version. (Current version: 21 pages, 6 figures, and 3 tables.) Accepted by ECCV 2026