高校专区
Vision Inference Former：在多模态大语言模型中维持视觉一致性
机构 * Zhejiang University（浙江大学） ； East China Normal University（华东师范大学） ； Zhejiang University of Science and Technology（浙江理工大学）
AI总结 针对多模态大语言模型中视觉信息被弱化的问题，提出Vision Inference Former（VIF）轻量模块，在推理解码阶段持续注入视觉语义，提升生成内容与视觉的一致性。
CogRAG：通过分层检索与推理应对RAG中的异构认知需求
机构 * School of Computer and Computing Science, Hangzhou City University（杭州城市大学计算机与计算科学学院） ； Innovation Center of Yangtze River Delta, Zhejiang University（长三角创新中心，浙江大学） ； Institute of Digital Twin, Eastern Institute of Technology（数字孪生研究院，东部技术研究院）
AI总结 提出CogRAG框架，基于布鲁姆分类法预测查询的认知负荷，协调认知自适应证据精炼与认知分层结构化推理，解决RAG中不同任务的异构认知需求，在注册营养师资格考试中将Qwen3-8B准确率提升至85.8%。
深度ReLU分类中梯度下降泛化的最优速率
机构 * School of Mathematical Sciences, Zhejiang University（浙江大学数学科学学院） ； Department of Mathematics, The University of Hong Kong（香港大学数学系） ； School of mathematics and statistics, University of Sydney（悉尼大学数学与统计学学院）
AI总结 针对深度ReLU网络，通过权衡优化与泛化误差，在NTK可分离假设下证明了梯度下降的泛化误差率为~O(L^6/(nγ^2))，与SVM最优率仅差深度相关因子，关键技术是控制参考模型附近的激活模式以得到更紧的Rademacher复杂度界。
Comments Published in NeurIPS 2025
Agent 的第一天：在工作场景中基准测试学习、探索和调度
机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对多模态大语言模型在动态工作场景中面临的任务调度、主动探索和持续学习三大挑战，提出动态评估环境 EvoEnv，实验表明现有 agent 在这些方面存在显著不足。
通过 $l_1$ 滤波在线性时间内求解主成分追踪
机构 * School of Mathematical Sciences, Dalian University of Technology（大连理工大学数学科学学院） ； Key Lab. of Machine Perception (MOE), Peking University（北京大学机器感知重点实验室） ； Microsoft Research Asia（微软亚洲研究院） ； 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 提出一种名为 $l_1$ 滤波的算法，以 $O(r^2(m+n))$ 复杂度精确求解主成分追踪问题，实现线性时间内的核范数最小化，并具有高度可并行性。
一种加速核范数最小化算法的块Lanczos热启动技术
机构 * Microsoft Research Asia（微软亚洲研究院） ； Zhejiang University（浙江大学）
AI总结 提出块Lanczos热启动（BLWS）技术，利用前次迭代的主奇异子空间初始化块Lanczos过程以加速核范数最小化算法中的部分SVD计算，实验表明可加速2-3倍。
空间-时间解耦参考条件用于身份保持的文本到视频生成
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）
AI总结 提出ST-DRC框架，通过空间-时间解耦参考条件、TASS-RoPE机制和身份目标，实现高保真身份保持视频生成。
迈向精确意图对齐的VLA空中导航：基于专家引导的GRPO
机构 * Zhejiang University Differential Robotics（浙江大学差分机器人实验室）
AI总结 提出EG-GRPO框架，通过专家数据增强在线rollout和异构并行流水线，解决VLA模型在无人机导航中因数据稀缺和探索低效导致的意图对齐问题，成功率提升至SFT基线的2.13倍，意图对齐性能提升60.9%。
SeClaw: 面向自主代理评估的规范驱动安全任务合成
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Ant Digital Technologies, Ant Group（蚂蚁集团数字技术部） ； Xi’an Jiaotong University（西安交通大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Oxford（牛津大学） ； City University of Hong Kong（香港城市大学） ； Institute of Science Tokyo（东京科学研究所） ； Zhejiang University（浙江大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Beijing University of Technology（北京理工大学）
AI总结 提出SeClaw框架，通过规范驱动的安全任务合成与基于执行的安全评估，实现对自主LLM代理在状态化环境中的安全风险的可扩展、可复现评估。
混沌中的秩序：捕捉AI操纵图像伪造定位的内在能量异常
机构 * Zhejiang University（浙江大学）
AI总结 本文提出FLAME框架，利用扩散过程抑制局部高频方差产生的统计能量间隙，结合LAD图和SAM适配器实现像素级伪造定位，并引入EditStream流水线持续合成训练数据，在AI生成伪造数据集上达到最先进性能。
Comments Accepted by ICML 2026
CRAFTQA: 一种用于复杂结构化数据推理的代码驱动自适应框架
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； JIUTIAN Research（JIUTIAN研究） ； ZJU-Ant Group Joint Lab of Knowledge Graph（浙江大学-蚂蚁集团知识图谱联合实验室）
AI总结 提出CRAFTQA框架，通过CodeSTEP模块生成逐步代码推理序列，并利用CRAFT模块动态生成自定义代码函数，以突破预定义函数集的限制，在复杂结构化数据推理任务中显著优于现有统一方法。
Comments Accepted by Findings of ACL 2026
均衡扩散：面向均衡图像定制的频率感知文本嵌入
机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学）
AI总结 提出均衡扩散方法，通过频率空间分解概念特征并独立优化嵌入，实现风格与主体解耦，提升定制图像的保真度和文本对齐。
迈向3D感知视频扩散模型：基于网格标记化的无渲染人体运动控制
机构 * DAMO Academy, Alibaba Group（阿里巴巴集团大模型实验室） ； Hupan Lab（虎盘实验室） ； Zhejiang University（浙江大学） ； INSAIT
AI总结 提出一种无渲染框架，通过压缩的3D人体网格标记直接条件化视频生成，实现精确的人体运动控制，减少2D引导伪影并提升3D结构建模能力。
Comments Project page: https://jingyunliang.github.io/MeshToken/
随机最小二乘值迭代本身是联合差分隐私的
机构 * Laboratoire d’Informatique Fondamentale d’Orléans (LIFO), Université d’Orléans（奥尔良基础信息学实验室（LIFO），奥尔良大学） ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Department of Computer Science, University of Copenhagen（哥本哈根大学计算机科学系）
AI总结 研究随机探索算法RLSVI在表格MDP中的隐私保护，证明其内在噪声同时提供联合差分隐私保证。
Comments 12 pages, 0 figures
MidSurfNet：面向广义中面抽象的可学习面配对与干涉隐式场
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Shenzhen Poisson Software Co., Ltd.（深圳波森软件有限公司）
AI总结 提出MidSurfNet框架，通过可学习的面配对模块和干涉隐式场，解决薄壁CAD模型中多壁厚、自匹配及非中心偏移等复杂场景的中面抽象问题，实现87.32%的面配对准确率。
Comments 20 pages, 12 figures, 5 tables
用于推测解码的成本感知扩散草稿树
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学）
AI总结 提出CaDDTree方法，通过联合优化树结构和节点预算直接最大化令牌吞吐量，并证明在凸验证成本下吞吐量函数是单峰的，从而无需离线预算搜索。
KDH-CAD：数据稀缺下的知识-数据混合CAD学习
机构 * State Key Laboratory of CAD \& CG, Zhejiang University, Hangzhou, 310027, China
AI总结 提出KDH-CAD框架，融合预训练基础模型、结构化领域知识和少量标注CAD数据，在数据稀缺下实现高效机械零件分类，准确率达92.6%（250样本）和95.8%（1000样本）。
Comments 18 pages
SkillAdaptor：基于轨迹的LLM智能体自适应技能
机构 * Zhejiang University（浙江大学） ； Ant Digital Technologies, Ant Group（蚂蚁集团数字技术部） ； Zhejiang University - Ant Group Joint Laboratory of Knowledge Graph（浙江大学-蚂蚁集团知识图谱联合实验室）
AI总结 提出SkillAdaptor，一种无训练的步骤级技能自适应框架，通过显式故障归因和针对性更新，提升LLM智能体在长程交互任务中的表现。
Comments Work in progress
看向哪里：基础模型能否通过主动探索达到目标视角？
机构 * Zhejiang University（浙江大学）
AI总结 提出目标视角复现（TVR）任务及TVRBench基准，通过分析现有模型瓶颈并构建统一后训练框架，将9B开源模型成功率提升至50%以上。
Comments Project page: https://github.com/aim-uofa/TVRBench
USV-HROV系统的系缆感知动态避碰
机构 * Zhejiang University（浙江大学）
AI总结 针对USV跟踪HROV时水下系缆与过往船只刮擦及系缆绷紧风险，提出一种系缆感知的动态避碰方法，通过引入系缆安全感知平面域和系缆绷紧感知速度障碍法，实现安全避碰并降低系缆绷紧可能性。
TravelEval：评估基于LLM的旅行规划代理的综合基准框架
机构 * Zhejiang University（浙江大学） ； Hong Kong Polytechnic University（香港理工大学） ； Southeast University（东南大学） ； HKUST (GZ) & HKUST Guangzhou（香港科技大学（广州）& 香港科技大学（广州））
AI总结 针对现有基准过度关注约束合规、缺乏真实性和多维评估的问题，提出TravelEval，通过六维评估框架、真实数据沙盒和模拟全局评估方法，全面评估LLM在旅行规划中的表现。
Comments 31pages, 8 figures, accepted by KDD 2026
TriLens: 基于逐层Logit-Lens熵的白盒幻觉检测
机构 * Binjiang Institute of Zhejiang University（浙江大学滨海学院） ； Beijing Normal-Hong Kong Baptist University（北京师范大学-香港 Baptist大学） ； Zhejiang University（浙江大学） ； GenTel.io ； Great Bay University（Great Bay大学）
AI总结 提出TriLens方法，通过在每个Transformer层读取多头自注意力、前馈网络和残差流的logit-lens输出熵，构建紧凑的3L维轨迹，有效检测大语言模型幻觉。
COLLAR: 级联对象级潜在精化用于高保真条件生成
机构 * College of Computer Science, Zhejiang University（浙江大学计算机科学学院）
AI总结 提出COLLAR框架，通过视场扩展和级联对象级潜在精化，在扩散Transformer中实现无训练的高保真对象级控制，优于现有方法。
揭秘多类分类中的最优公平分类器
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； College of Computer Science（计算机科学学院） ； Technology, Zhejiang University（技术，浙江大学） ； School of Communication Engineering, Hangzhou Dianzi University（杭州电子科技大学通信工程学院）
AI总结 本文针对多类分类中的公平性问题，提出了一种在公平约束下最优分类器的概率公式，并设计了两种属性盲算法（处理中与处理后）以逼近最优精度-公平帕累托前沿。
Comments Accepted to ICML 2026
FLaG：用于幻觉检测的细粒度潜在分组
机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学）
AI总结 提出FLaG框架，通过能量路由机制将实例软关联到多个潜在证据组，并利用对数边际聚合组合组条件可靠性信号，以捕获异构幻觉模式，实现无需修改底层模型的高效幻觉检测。
SENSE: 基于软门控评估的语义嵌入导航用于检索式推测解码
机构 * Zhejiang University, Hangzhou, China（浙江大学，杭州，中国）
AI总结 提出SENSE方法，通过语义嵌入导航和软门控评估模块替代表面形式匹配，提升检索式推测解码的鲁棒性和加速效果，在LLaMA和Qwen系列上实现最高4.09平均接受长度和3.26倍加速。
SortingHat: 用定制的数字教学助手重新定义操作系统教育
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院）
AI总结 针对操作系统课程教学挑战，提出结合检索增强生成和多智能体强化学习的3D数字人教学助手SortingHat，提供个性化指导、自适应内容生成和自动评估。
Journal ref WWW '25: Companion Proceedings of the ACM on Web Conference 2025,Pages 2951 - 2954
融合异质注意力结构的Transformer模型通用解释方法
机构 * Zhejiang University（浙江大学）
AI总结 针对Transformer中异质注意力结构（如共注意力）带来的多源信息融合挑战，提出一种通用解释方法，并通过实验分析范式对代表性模型进行语义和逻辑解释。
InstructSAM: 根据任意指令分割任意实例
机构 * Zhejiang University（浙江大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
AI总结 提出InstructSAM框架，通过将指令驱动实例分割建模为集合结构查询预测问题，并设计显式推理到实例查询接口，结合视觉语言模型和SAM3实现单次前向传播中的多实例分割。
Comments 19 pages, 8 figures, code: https://github.com/DCDmllm/InstructSAM
通道级向量量化
机构 * Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； JD.COM（京东公司） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 提出通道级向量量化（CVQ）代替补丁级量化，并基于此设计通道级自回归（CAR）模型，通过逐通道预测实现渐进式细节生成，在图像重建和文本到图像生成中取得优异性能。
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