高校专区
ClinHallu: 用于诊断医学多模态大语言模型推理中阶段式幻觉的基准
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； Hupan Lab（湖畔实验室） ； Zhejiang University（浙江大学）
AI总结 提出ClinHallu基准，包含7031个实例，每个实例带有结构化推理轨迹（视觉识别、知识回忆、推理整合），通过阶段替换干预和轨迹监督微调，实现细粒度幻觉诊断与缓解。
Comments Code and datasets: https://github.com/alibaba-damo-academy/ClinHallu
HPSv3++：跨扩散模型能力全谱系扩展奖励模型
机构 * Tsinghua University（清华大学） ； JD Explore Academy（京东探索研究院） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 提出HPSv3++奖励模型框架，通过双维度偏好数据集HPDv3++和两阶段训练（正交梯度投影+无监督引导），提升对各类T2I模型及RL迭代的偏好预测能力，在多个基准上达到最优。
VISTA: 视图一致的自验证训练用于GUI定位
机构 * Zhejiang University（浙江大学） ； Venus Team, Ant Group（蚂蚁集团金星团队）
AI总结 提出VISTA框架，通过多视图分组和自验证锚点改进GRPO训练，在GUI定位任务中显著提升准确率。
密集坐标列表微调在视觉语言模型中诱导可控干扰面
机构 * School of Engineering, Institute of Science Tokyo（东京科学大学工学院） ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Graduate School of Information, Production and Systems, Waseda University（早稻田大学信息生产系统研究生院）
AI总结 研究密集坐标列表微调对视觉语言模型结构化输出（如重复、终止）的影响，发现其产生结构绑定且跨家族的干扰面，可通过目标信号分离和结构轴探针进行测量与控制。
SyLink Hand：一种受协同作用启发的连杆驱动拟人手，实现类人灵巧性
机构 * National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学）
AI总结 受人类手部协同作用启发，提出SyLink Hand拟人灵巧手，通过生物力学协同原理与连杆驱动机构结合，在紧凑低成本架构中实现外观、运动学和功能的高度拟人化，验证了协同启发连杆设计有效平衡拟人度、机械简单性和功能多样性。
条件至关重要：稳定扩散图像编辑中的反演与注意力
机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全全国重点实验室） ； HangZhou High-Tech Zong (Binjiang) Institute of Blockchain and Data Security（杭州高新技术产业开发区（滨江）区块链与数据安全研究院） ； College of Computer Science, Zhejiang University（浙江大学计算机科学与技术学院） ； University at Buffalo, State University of New York（纽约州立大学布法罗分校）
AI总结 本文提出SimEdit框架，通过优化文本条件精度和令牌级跨分支注意力控制，提升扩散模型反演稳定性和编辑保真度，在PIE-Bench上显著优于先前方法。
Comments Accepted to ECML PKDD 2026 Research Track
MiniMax 稀疏注意力
机构 * MiniMax ； Peking University（北京大学） ； NVIDIA（英伟达） ； Zhejiang University（浙江大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 提出 MiniMax 稀疏注意力（MSA），一种基于分组查询注意力的块级稀疏注意力机制，通过轻量索引分支选择 Top-k 键值块，实现高效长上下文处理，在 109B 模型上以 1M 上下文减少 28.4 倍注意力计算，并带来 14.2 倍预填充和 7.6 倍解码加速。
Comments 30 pages, 14 figures
超越评分标准：面向奖励建模的探索引导评估技能
机构 * Zhejiang University（浙江大学） ； Xiaohongshu Inc.（小红书公司）
AI总结 提出Eval-Skill方法，通过探索引导合成可复用的领域级评估技能，以替代每查询生成评分标准，在RewardBench 2上使Qwen3-8B和DeepSeek-V4-Flash分别提升13.44%和18.51%。
Comments 24 pages, 6 images
超越统一令牌：时间序列语言模型的自适应压缩
机构 * Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shandong University（山东大学）
AI总结 针对时间序列语言模型中令牌效率低的问题，提出自适应令牌预算框架，通过频域结构压缩时间序列令牌并逐层减少提示令牌，实现高达7.68倍推理加速并在78%设置中提升性能。
CloudCons：云资源整合的全面端到端基准测试
机构 * Zhejiang University（浙江大学） ； State Street Technology (Zhejiang) Ltd.（道富科技（浙江）有限公司） ； Richoo AI ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新区（滨江）区块链与数据安全研究院） ； Datadog AI Research
AI总结 提出CloudCons基准，评估云资源整合中预测模型的决策效用，发现基础模型零样本预测准确但决策效用未必更优，并分析预测分位数选择对资源效率与可靠性的权衡。
Comments Accepted to KDD 2026
导航安全-保真度权衡：通过概率场景进行电力系统的大规模多变量时间序列预测
机构 * ZJU-UIUC Institute, Zhejiang University（浙江大学伊利诺伊大学厄巴纳香槟校区联合学院）
AI总结 针对现有基准无法评估大规模多变量概率预测的安全性与保真度权衡问题，提出包含多达36,964个通道的电力系统基准PowerPhase和场景式分位数预测器PowerForge，在多个网格上取得最佳平均排名。
Otters++: 一种基于首次脉冲时间的高能效光学脉冲Transformer
机构 * National University of Singapore（新加坡国立大学） ； Westlake University（西湖大学） ； Shandong University（山东大学） ； Zhejiang University（浙江大学） ； Agency for Science, Research and Technology（新加坡科技研究局）
AI总结 提出Otters++，利用光电器件自然信号衰减实现TTFS计算，通过层等效与混合训练方法，在GLUE上达到84.17%平均分且能耗更低。
面向杂乱环境中的可靠顺序物体抓取：RGMC 2025 亚军方案
机构 * School of Mechanical Engineering, Zhejiang University（浙江大学机械工程学院）
AI总结 针对杂乱环境中的顺序物体抓取任务，提出集成硬件-软件流水线，结合多功能夹爪设计与物体分布及遮挡关系新表示，实现高效识别、搜索与顺序抓取，获RGMC 2025亚军。
Comments First, Second and Third Coauthor contributed equally to this work
SalArt-VQA: 诊断VLM是否理解生成图像中的显著伪影
机构 * Stanford University（斯坦福大学） ； Zhejiang University（浙江大学） ； The University of Queensland（昆士兰大学）
AI总结 提出SalArt-VQA基准，通过950张图像和3681道多选题，从检测、定位、空间基础、缺陷识别四方面评估VLM对生成图像伪影的理解，揭示高检测准确率下隐藏的失败模式。
Comments 23 pages, 7 figures, 7 tables. Dataset: https://huggingface.co/datasets/salartvqa/SalArt-VQA
ReCal: 基于强化学习的LLM路由的奖励校准
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出ReCal框架，通过分层奖励分解和分布感知优化校准奖励信号，解决多目标冲突和异质性任务优化偏差，提升LLM路由性能与稳定性。
MultiToP：学习修补视觉令牌以减轻视频大型多模态模型中的幻觉
机构 * Zhejiang University（浙江大学） ； Sun Yat-sen University（中山大学） ； East China Normal University（华东师范大学）
AI总结 提出MultiToP框架，通过轻量级视觉令牌修补器动态替换不可靠视觉令牌，结合信息引导排名校准和稀疏正则化，在不修改原模型情况下减少视频多模态模型幻觉，显著提升F1分数和问答准确率。
Comments Preprint
CineDance: 迈向下一代多镜头长片电影级音视频生成
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Zhejiang University（浙江大学） ； The University of Tokyo（东京大学） ； Nanyang Technological University（南洋理工大学）
AI总结 提出CineDance-1M大规模多镜头长片音视频数据集，通过三阶段筛选流程和CineBench评估体系，实现高质量联合生成。
Skill-3D：面向智能体3D空间推理的场景感知技能进化
机构 * Zhejiang University（浙江大学） ； University of Technology Sydney（技术悉尼大学） ； OPPO Research Institute（OPPO研究院）
AI总结 提出Skill-3D框架，通过场景记忆和技能库的协同进化，使智能体根据场景自适应选择工具，显著提升3D空间推理中工具使用的正确性和充分性。
APT: 动作专家预训练提升视觉-语言-动作策略的指令泛化能力
机构 * Zhejiang University（浙江大学） ； Zhejiang Humanoid Robot Innovation Center（浙江人形机器人创新中心）
AI总结 针对连续动作专家模型对分布外语言指令泛化差的问题，提出APT两阶段训练方法，先预训练动作专家作为视觉-动作先验，再通过门控融合注入语言，显著提升泛化性能。
VIA-SD：通过模型内路由进行推测解码的验证
机构 * ReLER, The State Key Lab of Brain Machine Intelligence, Zhejiang University（脑机智能国家重点实验室，浙江大学） ； College of Artificial Intelligence, Zhejiang University（人工智能学院，浙江大学） ； CFAR, Agency for Science, Technology and Research, Singapore（科学与技术研究局，新加坡） ； National University of Singapore（新加坡国立大学）
AI总结 提出VIA-SD多级验证框架，利用从完整验证器派生的精简验证器处理中等置信度令牌，减少大模型调用，在多个任务上实现10-20%加速。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026)
SpecLoR: 面向运动连贯文本到视频生成的频谱前瞻矫正
机构 * ReLER, College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院ReLER实验室） ； Huawei Central Research Institute（华为中央研究院）
AI总结 提出SpecLoR，一种即插即用的推理方法，通过前瞻预测和频域矫正减少文本到视频生成中的时空不一致性，在Wan2.2上显著提升运动连贯性且仅增加4次NFE。
从草图探索：利用先验地图加速无人机在大规模环境中的探索
机构 * 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工业控制技术研究所） ； Huzhou Institute, Zhejiang University, and Huzhou Key Laboratory of Autonomous System（浙江大学湖州研究院，湖州市自主系统重点实验室） ； Zhejiang Zhongyan Industry Co., Ltd（浙江中烟工业有限责任公司） ； Differential Robotics Technology Company（微分机器人技术有限公司）
AI总结 提出利用稀疏、未对齐甚至不一致的2D先验地图加速无人机大规模环境探索的框架，通过鲁棒的2D-3D点云配准和层次化视点规划，实现效率提升34.2%。
Comments 25 pages, 22 figures
理解跨传感器特征变化以实现可泛化的3D感知
机构 * Zhejiang University（浙江大学）
AI总结 针对雷达-相机BEV感知跨数据集性能下降问题，提出频域场景变化建模框架，通过合成多样源域视图并正则化融合表示，提升3D检测器鲁棒性，无需目标域样本。
Spatial-Omni：通过FOA编码在多模态大语言模型中实现空间音频理解
机构 * Zhejiang University（浙江大学） ； Tencent Hunyuan（腾讯文心）
AI总结 提出Spatial-Omni，通过SO-Encoder将一阶Ambisonics空间音频注入现有全模态大语言模型，以轻量方式实现空间音频理解，并在构建的SO-Bench基准上超越现有模型。
TractFM：纤维束图基础模型
机构 * The State Key Lab of Brain-Machine Intelligence, Zhejiang University, Hangzhou（脑机智能国家重点实验室，浙江大学，杭州） ； Department of Radiology, Brigham and Women’s Hospital, Mass General Brigham, Boston（放射科，布里洛妇女医院，马萨诸塞总医院，波士顿） ； Harvard Medical School, Boston（哈佛医学院，波士顿） ； Academy of Medical Engineering and Translational Medicine, Tianjin University, Tianjin（医学工程与转化医学研究院，天津大学，天津） ； School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu（信息与通信工程学院，电子科技大学，成都） ； Psychiatry Neuroimaging Laboratory, Brigham and Women’s Hospital, Mass General Brigham, Boston（精神病神经影像实验室，布里洛妇女医院，马萨诸塞总医院，波士顿） ； Department of Psychiatry, Center for Morphometric Analysis, Massachusetts General Hospital, Boston（精神病科，形态分析中心，马萨诸塞总医院，波士顿）
AI总结 提出TractFM基础模型，直接从全脑纤维束集学习可复用表示，结合局部纤维编码器和置换等变纤维束编码器，通过密集解剖束分割预训练，实现纤维束级和受试者级任务的迁移。
GUIDE: 目标初始化的定向理解用于端到端视觉导航
机构 * Institute of Cyber-Systems and Control, Zhejiang University（浙江大学控制科学与工程学院） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI）） ； Oxford Robotics Institute, University of Oxford（牛津大学牛津机器人研究所） ； Center for Robotics, University of Bonn（波恩大学机器人中心） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系）
AI总结 提出GUIDE框架，通过空间锚点预测器利用多频率本体感受历史提取自运动表示，结合深度流感知局部几何，实现无需后续目标更新的端到端四足机器人导航。
Comments https://guide-navigation.github.io/
N-GRPO：嵌入级邻居混合增强策略优化
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团）
AI总结 针对大语言模型数学推理中探索策略的折衷问题，提出N-GRPO方法，通过语义邻居混合机制在嵌入层注入多样性，在保持语义一致性的同时提升策略优化效果。
Comments ACL 2026 Findings. 16 pages, 3 figures. Code: https://github.com/ZJUSCL/N-GRPO
AutoPDE: 通过显式表示的求解器策略实现可靠的智能体PDE求解
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学）
AI总结 提出AutoPDE，一种将求解器策略作为显式对象维护的代码智能体，通过PDE分析、数值方法选择和自适应调优三阶段构建策略，在PDE Agent Bench上达到54.5%的通过率，比最强基线提升14.2个百分点。
ManiSplat: 基于解耦3D高斯泼溅的单目视频操作轨迹合成
机构 * Zhejiang University（浙江大学） ； Horizon Robotics（地平线机器人）
AI总结 提出ManiSplat框架，通过图结构解耦表示和任务导向时空对齐，从单目视频重建可控的3D高斯数字孪生，支持机器人操作任务与策略学习。
5% > 100%: 平坦性偏好是您进行多模态参数高效微调所需的一切
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Zhejiang University（浙江大学） ； ETH Zürich（苏黎世联邦理工学院） ； Anhui University of Science and Technology（安徽理工大学） ； Tsinghua University（清华大学） ； State Key Laboratory of Networking and Switching Technology（网络与交换技术国家重点实验室）
AI总结 揭示参数高效微调方法中普遍存在的平坦性偏好，即少量尖锐维度主导泛化，并提出FlatPO方法优化这些维度以提升泛化性能。
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