高校专区
交错思维中的模态隔离桥接：通过逐步强化监督模态转换
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； Zhejiang University（浙江大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 提出MoTiF框架，通过反射式SFT和Flow-GRPO优化模态转换保真度，解决交错思维中图像与文本脱节的模态隔离问题，提升跨模态一致性和任务准确性。
Comments 22 pages, 5 figures, 6 tables
TriphiBot：一种结合基于FOC的推进与偏心设计的三栖机器人
机构 * State Key Laboratory of Industrial Control Technology, Zhejiang University（浙江大学工业控制技术状态重点实验室） ； Huzhou Institute of Zhejiang University（浙江大学湖州研究院） ； Hainan Red Tower Cigarette Co., Ltd.（海南红塔烟草有限责任公司）
AI总结 研究提出新型三栖机器人TriphiBot，采用极简设计结合四旋翼与被动轮。引入偏心重心设计提升地面支撑运动效率，基于FOC开发统一推进系统解决不同流体运动控制差异，用混合控制确保多域运动与转换，实验验证了其能力、效率及适应性。
PhyMAGIC：基于置信度引导的大语言模型的物理运动感知生成推理
机构 * Department of Computer Science \& Engineering, University of Nevada, Reno, USA School of Software Technology, Zhejiang University, China
AI总结 针对3D内容生成中动态模型物理一致性问题，PhyMAGIC提出无需训练的框架，整合图像到视频扩散模型、大语言模型置信度引导推理及可微物理模拟器，通过迭代优化和模拟反馈生成物理一致的运动，性能优于现有方法。
Comments This work is accepted by ECCV 2026
StreamVLN：通过快慢上下文建模实现流式视觉与语言导航
机构 * Shanghai AI Lab（上海人工智能实验室） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究现实世界中视觉与语言导航问题，提出StreamVLN框架，采用混合快慢上下文建模策略，通过快速流式对话上下文与缓慢更新内存上下文配合，实现实时对话，在VLN-CE基准实验中展现低延迟最优性能。
Comments Accepted to ICRA 2026
通过用密集CLIP泛化语义映射实现开放词汇目标导航
机构 * Shanghai AI Lab（上海人工智能实验室） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学）
AI总结 研究面向对象的实体导航任务，提出OVExp框架，利用密集CLIP模型展示基于语义地图的目标预测网络泛化能力，设计跨模态转移策略解决训练成本高问题，在ObjectNav基准上对未知目标有强大泛化能力。
Comments Accepted by ICRA 2026
用于机器人操作的视觉-语言-动作模型中的双潜记忆
机构 * Nanjing University of Science and Technology（南京理工大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究针对主流VLA模型处理长期任务的不足，提出LaMem-VLA框架，通过四个协调组件将历史经验重构为潜记忆令牌并与VLA推理直接交织，实现在同一潜空间处理历史经验，经实验验证该框架具有优越性。
Comments Project page: https://github.com/quhongyu/LaMem-VLA
RoboSnap：用于可泛化机器人学习与评估的一次性真实到模拟场景生成
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 针对构建物理稳定且视觉逼真场景缓慢昂贵的问题，提出RoboSnap框架，通过分层设计将单张RGB图像转为模拟场景，实验证明其能实现轨迹重放等，还引入DROID-Sim数据集，凸显真实到模拟方法对机器人学习评估的价值。
Comments 24 pages, 16 figures, Project page: https://robosnap.github.io
动态少步长：统一动态计算与少步长蒸馏以实现高效视频生成
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； BlueImage, vivo（蓝城图像，维沃） ； Xian Jiaotong-Liverpool University（西交利物浦大学）
AI总结 针对视频扩散模型计算成本高问题，提出将动态结构稀疏化融入蒸馏过程的加速框架，联合优化去噪步骤与模型稀疏性，引入相关策略和机制确保训练稳定，开发推理引擎，有效提升效率且保持生成质量。
M$^3$：重新框架化离散物理模拟的训练度量
机构 * The University of Tokyo（东京大学） ； Zhejiang University（浙江大学）
AI总结 M$^3$通过多尺度Morton度量框架平衡训练度量，提升连续物理域预测精度，减少误差达4.7倍，且在降采样下仍保持优势。
统一去除雨滴和反射：一个新的基准和一个新流程
机构 * School of Aeronautics and Astronautics, Zhejiang University（浙江大学航空航天学院） ； Huanjiang Laboratory（浣江实验室） ； Hangzhou Institute of Technology, Xidian University（西安电子科技大学杭州研究院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出统一去除雨滴和反射的任务，并构建了新的基准数据集，同时提出基于扩散的新型框架DiffUR³，有效去除两种退化，实验表明在基准和真实场景中表现优异。
Comments Accepted by ECCV 2026
Delta6: 一种低成本的六自由度力感知柔性末端执行器
机构 * Nanyang Technological University（南洋理工大学） ； WinGs Robotics LLC ； Zhejiang University（浙江大学） ； Maider Medical Industry Equipment Company, Ltd.（迈德医疗工业设备有限公司）
AI总结 Delta6是一种低成本六自由度力感知柔性末端执行器，结合拮抗弹簧与磁编码器实现高精度力矩感知，具备简单组装和耐用性，通过参数分析模型可扩展性能，支持多种计算平台，验证其在复杂任务中的鲁棒性。
Comments This work has been submitted to the IEEE for possible publication
Journal ref IEEE/ASME Transactions on Mechatronics, pp. 1-12, 2026
非文本目标攻击
机构 * 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） ； Hangzhou High-Tech Zone, Binjiang Institute of Blockchain and Data Security, Hangzhou（杭州高新技术区，滨江区块链与数据安全研究院） ； School of Cyberspace Security, Nanjing University of Science and Technology（网络安全学院，南京理工大学） ； School of Computer Science, Shanghai Jiao Tong University（计算机科学学院，上海交通大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，新加坡国立大学） ； King Abdullah University of Science and Technology (KAUST)（卡布斯科学与技术大学）
AI总结 针对现有大语言模型越狱攻击的局限，提出非文本目标攻击NTA，通过非文本约束目标最大化不安全概率，分解目标便于优化，扩展攻击空间，在AdvBench上对安全对齐的大语言模型仅100次迭代，平均成功率达96.8%，性能远超现有攻击。
当蒸馏破坏运动控制时：恢复快速视频生成器的生成轨迹
机构 * Zhejiang University of Technology（浙江工业大学） ； University of New South Wales (UNSW Sydney)（新南威尔士大学（悉尼）） ； University of Auckland（奥克兰大学） ； Zhejiang University（浙江大学）
AI总结 研究免训练运动定制应用于蒸馏视频生成器的问题，提出MotionEcho框架，通过推理时用高质量扩散教师模型校正学生模型采样轨迹，实现准确运动控制，提升运动保真度和视觉质量，且保留蒸馏生成效率优势。
Comments Project page: https://euminds.github.io/motionecho/
视觉作为统一的多模态生成
机构 * SenseTime Research（商汤科技研究院） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 该研究将计算机视觉表述为统一多模态生成，SenseNova-Vision用自然语言指令等指定任务并生成多种输出。通过转换注释形成语料库训练模型，其涵盖多种视觉任务，实验显示统一模型能匹配专用系统，为集成视觉能力到通用模型提供可扩展途径。
Comments 48 pages,22 figures
用于超高分辨率图像编辑的免调优潜在扩散模型
机构 * College of Computer Science and Artificial Intelligence, Wenzhou University（温州大学计算机科学与人工智能学院） ； Department of Computer Science, Memorial University of Newfoundland（纽芬兰纪念大学计算机科学系） ； AI Analytics Team, Nasdaq（纳斯达克人工智能分析团队） ； State Key Laboratory of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室）
AI总结 针对现有图像编辑方法在高分辨率处理上的局限，提出免调优的UltraDiffEdit框架，通过多尺度渐进编辑、多补丁编码、全局-局部一致性去噪及补丁混合采样等技术，实现高质量超高分辨率图像编辑，处理能力达8K且灵活性高。
Comments 29 pages, 29 figures. Published in IEEE Transactions on Neural Networks and Learning Systems
Journal ref IEEE Transactions on Neural Networks and Learning Systems, 2026
VisTCP：一种用于构建基于知识图谱的中国传统绘画表示的可视化框架
机构 * School of Media and Design, Hangzhou Dianzi University（杭州电子科技大学媒体与设计学院） ； School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机科学学院） ； State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
AI总结 针对中国传统绘画语义理解难题，提出VisTCP框架，结合智能模型与专家知识，通过构建语义分类法、训练模型、设计可视化视图，实现人在回路的迭代优化，有效支持TCP的结构化表示和语义理解。
从被动检索到主动记忆导航：学习将记忆用作结构化动作空间
机构 * Alibaba（阿里巴巴） ； ShanghaiTech University（上海科技大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究针对个性化对话代理中记忆系统的被动性问题，提出NapMem框架，将用户记忆组织成多粒度金字塔并通过工具暴露层次，经记忆工具强化学习训练智能体，在多任务实验中具竞争力，还进行了多方面分析，证明结构化存储与策略结合对长期用户记忆有益。
偏好校准的人机协同强化学习用于机器人操作
机构 * Central South University（中南大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学）
AI总结 提出PACT框架，通过干预隐式偏好信号进行信用重分配和策略对齐，提升人机协同强化学习的样本效率和性能。
GARDEN: 从RGB图像中重力对齐的解耦环境重建
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团）
AI总结 提出GARDEN框架，利用重力先验将多视图RGB图像重建为具有显式刚体和解耦背景的结构化混合场景表示，支持直接物理模拟。
从参数空间过滤记忆化在扩散模型中
机构 * RIKEN AIP（理化学研究所Advanced Institute for Peripheral Research） ； Science of Tokyo（东京科学大学） ； University of California, Berkeley（加州大学伯克利分校） ； Zhejiang University（浙江大学）
AI总结 本文提出BAF框架，通过分解LoRA更新并测量其与预训练骨干的主子空间对齐度，实现训练后记忆抑制，减少生成内容中的版权或敏感内容复现。
参考增强学习用于腱驱动连续机器人精确跟踪策略
机构 * Department of Control Science and Engineering, Zhejiang University（控制科学与工程系，浙江大学）
AI总结 本文提出一种参考增强的离线学习框架，用于腱驱动连续机器人的精确六自由度跟踪控制，通过可微RNN动态替代模型优化控制策略，有效减少位置误差。
UniICL：通过能力导向的分类系统化统一多模态上下文学习
机构 * Zhejiang University（浙江大学） ； Shanghai Jiaotong University（上海交通大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出能力导向的分类系统，通过构建UniICL-760K语料库和UniICL-Bench评估体系，提出Context-Adaptive Prototype Modulator模块，提升多模态少样本学习效果。
通过自适应邻域学习和辅助正则化实现不平衡鲁棒且采样高效的连续条件生成对抗网络
机构 * School of Artificial Intelligence/School of Future Technology, Nanjing University of Information Science & Technology, Nanjing, China（人工智能学院/未来技术学院，南京信息科学技术大学） ； Perceptual and Generative AI Lab, Nanjing University of Information Science & Technology, Nanjing, China（感知与生成人工智能实验室，南京信息科学技术大学） ； College of Media, Zhejiang University, Hangzhou, China（传媒学院，浙江大学） ； College of Computer Science and Technology, Zhejiang University, Hangzhou, China（计算机科学与技术学院，浙江大学）
AI总结 研究针对CcGAN固定大小邻域训练对标签密度敏感及CCDM计算昂贵问题，提出结合软/混合自适应邻域与辅助判别器引导正则化的CcGAN-AVAR，实验表明其能保持GAN采样效率，提升生成质量和标签一致性，推理速度远超CCDM。
视觉扩散模型中的复制：一项综述与展望
机构 * Australian Artificial Intelligence Institute, University of Technology Sydney（澳大利亚人工智能研究所，悉尼技术大学） ； Baidu Inc.（百度公司） ； College of Computer Science and Technology, Zhejiang University（计算机科学与技术学院，浙江大学）
AI总结 本文综述视觉扩散模型中的复制现象，将现有研究分类为揭示、理解和缓解该现象的方法，还回顾其现实影响，讨论了检测和基准测试复制的挑战及未来方向，助力研究人员和从业者理解AI技术与社会公益交叉点。
Comments Accepted by TPAMI 2026
Uni-OPD：基于双视角方案的统一策略内蒸馏框架
机构 * Zhejiang University（浙江大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； LLM Department, Tencent（腾讯大模型部门）
AI总结 针对策略内蒸馏存在的信息状态探索不足、教师监督不可靠问题，提出跨大语言与多模态大模型的统一框架Uni-OPD，经多域实验验证其通用性与有效性。
超越孤立对象：基于3D场景图分析的关系感知开放词汇场景理解
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； Zhejiang University（浙江大学）
AI总结 针对现有开放词汇3D理解方法忽略对象关系的问题，提出RelGraphOV框架，通过3D场景图与自适应门控双流式图注意力网络，提升场景理解性能与泛化性。
Comments Project Page: https://cxavireh.github.io/relgraphov-projectpage
WildSplat：基于无位姿野外图像的前向高斯溅射方法
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； vivo BlueImage Lab（vivo蓝河图像实验室）
AI总结 针对前向3D重建在光照变化场景下性能不佳的问题，提出双分支解耦架构的WildSplat框架，实现单步前向的野外新视角合成与外观编辑SOTA性能。
Comments 22 pages, 9 figures; Accepted by ECCV 2026. Project page: https://zju3dv.github.io/wildsplat/
ChatImage：通过交互式图像导航大语言模型的长文本回答
机构 * Zhejiang University（浙江大学）
AI总结 针对LLM长文本答案难以细粒度浏览的问题，ChatImage将其转为带点击热点的交互图像，支持局部查询，提升内容与交互区域的一致性，还开源实现并发布多格式评测基准。
Comments Project:https://wencanjiang.github.io/ChatImage
AgentGym2：在去理想化真实世界环境中评测大语言模型智能体
机构 * Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Shanghaijiaotong University（上海交通大学） ； Peking University（北京大学）
AI总结 针对现有LLM智能体基准过于理想化的问题，提出去理想化评测框架AgentGym2，可全面测查智能体实操能力，实验显示当前SOTA模型仍存在明显性能缺口。
Comments Accepted as a main conference paper at ACL 2026
STAPO：用于大语言模型智能体训练的选择性轨迹感知策略优化
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； City University of Hong Kong（香港城市大学） ； College of Artificial Intelligence, Shanghai Institute for Advanced Study, Zhejiang University（浙江大学上海高等研究院人工智能学院） ； School of Earth Sciences, Zhejiang University（浙江大学地球科学学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系）
AI总结 针对强化学习训练大语言模型智能体时轨迹忽视问题，提出归一化熵，引入STAPO框架，利用其定位异常步骤，通过联合机制优化，提升轨迹感知并保持训练稳定性，实验验证其有效性和鲁棒性。
Comments ACL 2026 MainConference
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