高校专区
JADE：面向开放式专业任务的专家基础动态评估
机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） ； Zhejiang University（浙江大学） ； Peking University（北京大学）
AI总结 提出JADE双层评估框架，结合专家知识与动态声明级评估，解决开放式专业任务中严格性与灵活性的矛盾，在BizBench等基准上提升稳定性并揭示关键失败模式。
Comments Accepted at ICML 2026
循环世界：通过反向预测循环一致性减轻长期视频世界模型中的误差累积
机构 * School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院） ； Institute of Cyber-Systems and Control, Zhejiang University, Hangzhou, China（浙江大学控制系统研究所） ； Nanyang Technological University, Singapore（新加坡南洋理工大学）
AI总结 针对自回归扩散模型在长视频生成中误差累积问题，提出循环世界框架，通过训练和推理阶段的时间可逆性及反向预测模型抑制误差，实验证明其在VBench基准测试中显著减轻误差漂移，提升生成质量和时间一致性。
Comments Accepted by ECCV 2026
AutoPath：学习可转移的目标条件随机路径先验以实现无人类示范的安全导航
机构 * Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Ant Group（蚂蚁集团） ； Shanghai Jiao Tong University（上海交通大学） ； Shenzhen University（深圳大学）
AI总结 研究在复杂环境下的安全导航问题，提出学习可转移目标条件随机路径先验的方法，引入规范状态表示和结构化先验学习框架，实验证明该方法成功率高、效率有竞争力且可跨平台转移。
Comments Accepted by IEEE Robotics and Automation Letters (RA-L). 8 pages, 4 figures
LightMem-Ego：适用于日常生活的人工智能记忆
机构 * Zhejiang University（浙江大学） ； South China University of Technology（华南理工大学） ； Central China Normal University（华中师范大学） ； Lenovo Group Limited（联想集团有限公司）
AI总结 针对移动和可穿戴设备上个人AI助手回答过去经历查询难的问题，提出LightMem-Ego轻量级流多模态记忆系统，能捕获、对齐并组织视觉和音频流成分层记忆，基于多模态证据生成答案，可部署在多种设备上提供多种支持。
Comments Ongoing work
HierCAD：通过结构对齐和参数接地实现分层文本到CAD设计
机构 * 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 针对文本到CAD设计中结构一致性和参数确定问题，提出HierCAD框架，通过分解CAD构造树进行渐进推理，并引入SAPG学习策略，在CAD序列生成和模型评估上优于现有方法。
GeoGS-SLAM：使用带几何先验的高斯点云的在线单目重建
机构 * State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University（工业控制技术国家重点实验室，浙江大学控制科学与工程学院） ； Key Laboratory of Collaborative Sensing and Autonomous Unmanned Systems of Zhejiang Province（浙江省协同感知与自主无人系统重点实验室）
AI总结 研究提出GeoGS-SLAM在线单目密集重建系统，结合3DGS地图表示与几何先验。利用前馈模型预测先验，通过采样扩展地图，粗到细优化姿态和地图，纳入回环检测与姿态图优化，实验表明其在质量、精度和实时性上优于现有方法。
通过截断二次损失实现增强的拜占庭鲁棒联邦学习以处理异构数据
机构 * Ocean College, Zhejiang University（浙江大学海洋学院） ； City University of Hong Kong（香港城市大学） ； Aalto University（阿尔托大学）
AI总结 针对联邦学习中恶意攻击和数据异构性问题，提出利用截断二次损失的新鲁棒聚合规则，减轻现有方法偏差，在非凸损失函数和异构数据下实现最优阶拜占庭鲁棒学习，实验证明该聚合器鲁棒性优于其他技术。
Opti-Agent-Bench：在实际业务问题上对端到端优化研发智能体进行基准测试
机构 * Ding Talk, Alibaba Group（钉钉，阿里巴巴集团） ； Zhejiang University（浙江大学）
AI总结 研究针对大语言模型解决优化问题的现有不足，引入Opti-Agent-Bench基准测试，通过业务语义真实性、模块化评估、ORAC双层有效性框架，在多工业规模任务中揭示当前模型关键失败模式。
基于3D高斯三角剖分的增量式在线场景重建
机构 * Zhejiang University（浙江大学） ； Hefei University of Technology（合肥工业大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 研究增量式在线场景重建问题，提出通过直接对密集几何高斯表示三角剖分来重建和更新显式网格的方法，还给出直接网格化算法及相关约束，实验证明该方法性能优于传统高斯方法。
从自注意力到连接拉普拉斯算子：Transformer的统一算子视角
机构 * Zhejiang University（浙江大学） ； Alibaba Cloud（阿里云）
AI总结 研究从算子视角理解自注意力，将令牌序列视为向量场，证明单头和多头注意力的性质及相关条件，通过实验发现不同规模和结构的训练Transformer呈现与理论一致的几何结构，提供连接自注意力与几何算子的形式及分析工具。
Comments 29 pages, 10 figures
ChartSync：视觉逻辑级联图表编辑的基准测试
机构 * Jianghan University（江汉大学） ； HiThink Research（海思睿研） ； University of Science and Technology of China（中国科学技术大学） ； Southeast University（东南大学） ； Zhejiang University（浙江大学）
AI总结 研究针对生成式图像编辑模型处理结构化统计图的困难，提出视觉逻辑级联编辑任务。引入ChartSync基准测试，含多种图表类别和任务类型。通过两层框架评估模型，发现开源与专有模型能力差距，分析误差以指导多模态架构发展，数据集和代码已公开。
通过强大的音频感知增强长格式全模态理解
机构 * SAI, Shanghai Jiao Tong University（上海交通大学 上海人工智能研究院） ； Zhejiang University（浙江大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 为解决全模态理解不足问题，提出AVDC数据集及AVDC-QA-CoT数据集，利用现成模型标注视频，采用两阶段训练范式，在多下游任务实验中取得显著性能提升，推动全模态感知发展。
DSSMs：通过延迟微分方程实现的具有显式记忆的状态空间模型
机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Department of Mathematics, National University of Singapore（新加坡国立大学数学系） ； School of Mathematical Sciences, Zhejiang University（浙江大学数学科学学院）
AI总结 研究针对状态空间模型压缩历史信息能力有限的问题，提出延迟状态空间模型DSSMs，通过显式延迟状态反馈增强离散SSM循环，推导传递函数在频域计算内核，解决相关工具难题，在延迟检索任务上有显著改进，性能优于S4D。
TS-Mask VLA：用于视觉-语言-动作模型的具有有效桥接的二维时空掩码
机构 * Institute of Cyber-Systems and Control, Zhejiang University（浙江大学网络系统与控制研究所） ； Tongji University（同济大学）
AI总结 研究针对视觉-语言-动作模型问题，提出TS-Mask VLA框架，基于离散扩散动作专家和时空二维掩码策略，在模拟基准和现实任务实验中表现出色，验证了设计有效性。
Comments 9 pages, 5 figures, accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
EvoCUA-1.5：用于多轮计算机使用智能体的在线强化学习
机构 * Meituan（美团） ； 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 研究多轮计算机使用智能体的在线强化学习问题，提出EvoCUA-1.5，通过STEPO、DTAC等方法应对多轮交互挑战，经实验验证其提高了训练稳定性和下游性能，为在线强化学习提供实用框架。
EvoClawBench：智能体能否从自身运行中学习可复用技能？
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Hithink Research（同花顺研究院）
AI总结 研究智能体能否从自身运行学可复用技能，引入EvoClawBench基准测试，涵盖多任务多子问题并支持多运行时。实验对比不同方式，发现直接基线性能依赖运行时，自我创作技能效果各异，表明学习可复用技能有选择性且成本敏感。
验证器即课程：用于跨家族游戏生成的执行门控自蒸馏
机构 * Institute of Science Tokyo（东京科学研究所） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究针对游戏生成中代码生成器的优化，提出执行门控自蒸馏方法，通过严格启动过滤器提升跨家族泛化能力，在GameCraft-Bench上实验表明该方法显著提高干净生成率和覆盖率，验证器对模型学习有重要作用。
LongMedBench：用于长期临床决策的医疗智能体基准测试
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）
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: 视频生成的测试时自校准缓存
机构 * Zhejiang University（浙江大学） ； Cornell University（康奈尔大学） ； Tencent Hunyuan（腾讯文生视频）
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：用于移动增强四足动物跑酷的感知驱动统一立足点先验
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）
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。
面向盲镜头像差校正的大规模LensLib预训练与离散退化先验
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）
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
神经网络控制器的快速初始化方法：基于图像视觉伺服控制的多旋翼拦截案例研究
机构 * State Key Laboratory of Fluid Power and Mechatronic Systems, School of Mechanical Engineering, Zhejiang University, Hangzhou, China（流体动力与机械系统国家重点实验室，机械工程学院，浙江大学，杭州，中国） ； Zhiyuan Research Institute, Hangzhou, China（智远研究院，杭州，中国）
AI总结 本文提出一种神经网络快速初始化方法，通过构建符合稳定性条件的数据集，实现控制器的初始训练，并通过多旋翼拦截实验验证其有效性。
超级通才：通过通才-专才协同实现全面准确的医学图像理解
机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab（湖畔实验室） ； Department of Radiology, Ningbo No. 2 Hospital（宁波市第二医院放射科） ； Department of Radiology, Guangdong Provincial People’s Hospital（广东省人民医院放射科） ； Department of Radiology, Shanghai Institution of Pancreatic Disease（上海胰腺疾病研究所放射科） ； Department of Radiology, Shengjing Hospital of China Medical University（中国医科大学附属盛京医院放射科） ； The First Affiliated Hospital, Zhejiang University School of Medicine（浙江大学医学院附属第一医院） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 研究旨在通过通才-专才协同实现全面准确的医学图像理解。提出SuG框架，整合多分割专家空间先验进行视觉-语言对齐，利用病变掩码校准注意力。在多CT基准测试中评估，其在疾病诊断任务中性能领先，超越专才模型，有强大病变定位能力。
超越时间偏移：将全能语言模型（Omni-LLM）适配为生成式视听模型的无参考评估器
机构 * Zhejiang University（浙江大学） ； The Hong Kong Polytechnic University（香港理工大学） ； IROOTECH TECHNOLOGY（易路泰克科技）
AI总结 研究针对视听生成模型跨模态同步评估难题，提出框架解决人类与自动化评估指标的矛盾。通过引入数据集、适配模型及提出优化方法，实现先进的人类偏好对齐，建立标准化基准推动评估从信号相关性到因果关系发展。
Comments Accepted to ECCV 2026
OmniMapBench：对多样化地图文档进行以视觉为中心的推理基准测试
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学）
AI总结 针对LVLMs文档理解中视觉推理基准测试不足的问题，提出OmniMapBench，含2096个问答对，设计了视觉依赖指数（VDI）量化基准属性，评估25个LVLMs发现性能差距大，推动了以视觉为中心的推理进展。
深入技能市场：从软件工程活动到可复用的智能体技能
机构 * The Hong Kong University of Science（香港科技大学） ； University of Chinese Academy of Sciences Beijing, China（中国科学院大学） ； Institute of Software, Chinese Academy of Sciences Beijing, China（中国科学院软件研究所） ； Zhejiang University Hangzhou, China（浙江大学）
AI总结 研究探讨软件工程活动如何转化为可复用智能体技能。通过对公共库和市场中SE技能大规模实证研究，分析其封装活动、生命周期覆盖等，发现SE活动正通过技能成为可复用工件，为技能推荐等提供研究机会及相关机制需求。
使用适度非结构化稀疏权重矩阵加速大语言模型的GPU推理
机构 * National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学）
AI总结 研究大语言模型推理成本挑战，提出含稀疏张量核层等的三层矩阵存储格式，设计联合稀疏张量核与CUDA核的SpMM内核，实现了在现代GPU上超越密集矩阵乘法，取得显著加速。
Comments DAC 2026
AugServe：用于增强型大语言模型推理服务的自适应请求调度
机构 * College of Computer Science and Technology, Zhejiang University, Hangzhou, China（浙江大学计算机科学与技术学院） ； Alibaba Group, Hangzhou, China（阿里巴巴集团）
AI总结 研究针对增强型大语言模型推理服务效率问题及现有系统挑战，提出AugServe框架，采用两阶段自适应请求调度策略并动态调整令牌批处理机制，有效提升了有效吞吐量并减少首次令牌时间。
当结构化稀疏自编码器跨模态学习一致概念时
机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学）
AI总结 研究视觉语言模型中普通稀疏自编码器难以学习模态一致概念的问题，提出结构化稀疏自编码器$S^2AE$，通过图像块分组及结构化稀疏正则化强化概念一致性，经实验验证该方法在语义对齐等方面有提升，能促进跨模态表示更连贯解缠。
作为潜在漂移的进展：缓慢演变病理的生成预测
机构 * Zhejiang University（浙江大学） ； The Hong Kong Polytechnic University（香港理工大学） ； IROOTECH TECHNOLOGY（IROOTECH技术） ； Wolf 1069 b Lab, Sany Group（Wolf 1069 b实验室，三一集团）
AI总结 研究针对缓慢演变神经退行性疾病未来解剖结构预测难题，提出潜在漂移的渐进生成框架，在压缩语义表示中学习变化，结合有限标量量化抑制干扰波动，实验表明该方法在神经预测上优于基线。
Comments Accepted to ECCV 2026
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