高校专区
VicEdit：从视觉上下文示例学习编辑视频
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Zhejiang University（浙江大学）
AI总结 针对文本指令视频编辑难以传达细粒度视觉信息的问题，提出视觉上下文编辑新范式，构建VicEdit-400K数据集，开发VicEdit框架，在VicEditBench上实现SOTA性能。
PersonaShot：多镜头视频生成中以人为中心的叙事连续性基准
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Zhejiang University（浙江大学）
AI总结 该研究针对多镜头视频生成中角色叙事连续性评估的不足，推出PersonaShot基准，设计三类特定评估器，发现先进模型感知质量与跨镜头连续性存在差距，评估器与人类专家判断一致性强。
硬币皆有两面：关于大型语言模型的策略内蒸馏中泛化的双重性质
机构 * University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； IQuest Research（IQuest研究院） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Zhejiang University（浙江大学）
AI总结 本研究探究大型语言模型策略内蒸馏（OPD）的泛化特性，发现其迁移教师推理行为而非答案，同源配对泛化性强，异源配对适配性有限，多教师组合存在能力跷跷板效应，为诊断多教师OPD提供了视角。
Comments Under Review
DPNet：面向基于视觉的无人机导航的高效死胡同预测与规避
机构 * Huzhou Institute of Zhejiang University（浙江大学湖州研究院） ； University of Electronic Science and Technology of China（电子科技大学） ； Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院 cyber系统与控制研究所） ； Differential Robotics Technology Company（差分机器人技术公司）
AI总结 该研究针对基于视觉的无人机导航死胡同问题，提出轻量级神经网络DPNet，利用RGB-D输入预测死胡同并修剪轨迹库，实现50Hz高频重规划，跨场景无需标注微调，仿真与真实实验验证其优异性能。
询问、条件化或弃权：针对缺失前提推理的强化学习
机构 * Ant International（蚂蚁国际） ； Zhejiang University（浙江大学） ； Dingtalk, Alibaba Group（阿里巴巴集团钉钉） ； Ant Group（蚂蚁集团）
AI总结 本研究提出ACA-RL框架，结合MPB基准，训练模型应对缺失前提的推理任务，可询问、条件化或弃权，提升欠定问题处理能力。
基于多模态大语言模型（MLLM）的文本到视频生成语义修正
机构 * Zhejiang University（浙江大学） ； Huawei Cloud Computing Technology Co., Ltd.（华为云计算技术有限公司）
AI总结 该研究提出一种无需训练的MLLM引导文本到视频生成语义修正框架，通过两个关键模块在生成中修正语义偏差，提升了生成内容的语义对齐度等性能，经多基准实验验证有效。
HiFi-BRep：用于鲁棒边界表示（B-Rep）生成的高保真隐式表示
机构 * Zhejiang University（浙江大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； Guangzhou University（广州大学）
AI总结 HiFi-BRep是一种新型框架，通过拓扑感知编码器与单阶段解码器解决B-Rep生成的脆弱性问题，在结构有效性和几何保真度上优于现有最优方法，提供了鲁棒的B-Rep合成方案。
Comments Accepted to CVPR 2026
JailbreakSkill：通过可复用且不断演进的技能扩展自动化红队测试
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 本研究提出以技能为核心的JailbreakSkill框架，将攻击策略打包为可复用技能，通过攻击与学习的闭环演进技能，大幅提升攻击成功率，且技能可泛化至未见过的提示词与目标模型。
D2-ScaleAgent：面向长文档理解的双维度缩放方法
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； University of Science and Technology of China（中国科学技术大学）
AI总结 针对现有多模态RAG长文档理解方法缺乏动态计算缩放能力的问题，提出D2-ScaleAgent双维度缩放智能体框架，在相关基准上取得良好效果。
RetroMPA：一种用于增强逆合成预测的分子属性感知辅助框架
机构 * School of Cyber Science and Engineering, Wuhan University（武汉大学网络安全学院） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； College of Chemistry and Molecular Sciences, Wuhan University（武汉大学化学与分子科学学院）
AI总结 RetroMPA是一种与模型无关的即插即用化学过滤器，通过注入化学知识增强逆合成预测，在USPTO-50K和USPTO-Full数据集上提升了多种模型的准确率，湿实验验证了其实际效用。
Comments Accepted for publication in Journal of Chemical Information and Modeling
RAPAC-DP：延迟执行场景下扩散策略的响应对齐待执行动作补偿
机构 * Zhejiang University（浙江大学） ； Midea Group（美的集团）
AI总结 本文针对云端部署模仿学习策略的延迟问题，提出RAPAC-DP框架，通过编码待执行动作补偿延迟，在Kinetix和RoboMimic任务中取得良好性能，验证了该方法的有效性。
RLCascadeRouter：基于强化学习的无质量估计器级联路由
机构 * Polytechnic Institute, Zhejiang University（浙江大学理工学院） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 该研究针对LLM路由的灵活性问题，提出RLCascadeRouter框架，将级联路由建模为马尔可夫决策过程，无需质量估计器，在LLMRouterBench基准上实现了更优的性能-成本权衡，且可纳入未见模型无需重训。
ChainSpace：面向空间智能的链式推理范式
机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Li Auto Inc.（理想汽车有限公司）
AI总结 针对现有空间推理方法的缺陷，提出ChainSpace链式推理范式，构建对应基准与训练框架，相关模型在基准上表现最优且可迁移至多类外部基准，为空间智能评估与学习提供有效方案。
从通用到专用：基于冻结视觉语言模型（VLM）的内窥镜息肉报告上下文融合框架
机构 * Zhejiang University（浙江大学） ； Shanghai Institute for Advanced Study, Zhejiang University（浙江大学上海高等研究院） ； Shanghai Key Laboratory of MICCAI（上海市MICCAI重点实验室） ； Digital Medical Research Center, School of Basic Medical Sciences, Fudan University（复旦大学基础医学院数字医学研究中心） ； Endoscopy Center and Endoscopy Research Institute, Zhongshan Hospital, Fudan University（复旦大学附属中山医院内镜中心及内镜研究所） ； Shanghai Collaborative Innovation Center of Endoscopy（上海市内镜协同创新中心） ； Alliance Manchester Business School, The University of Manchester（曼彻斯特大学联盟曼彻斯特商学院）
AI总结 本研究针对内窥镜息肉报告需求，提出一种不修改预训练权重的上下文融合框架，通过隐式指令与显式转换上下文对冻结通用VLM专用化，在2056张标注图像实验中实现最优性能且参数量仅为冻结VLM的0.006%。
视觉生成AI时代的知识产权保护：一项综述
机构 * Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； McGill University（麦吉尔大学） ； EPFL（洛桑联邦理工学院） ； Université de Montréal（蒙特利尔大学） ； Nanyang Technological University（南洋理工大学） ； Science Tokyo（东京理科大学） ； Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Sony Research（索尼研究院）
AI总结 本综述针对视觉生成AI带来的知识产权风险，提出二维分类体系梳理相关防御方法，对齐评估协议并探讨挑战，为该领域研究者提供系统概述。
Comments 35 pages, 2 figures, 3 tables
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