高校专区
AV-EMO-Reasoning: 在具有视听线索的全模态大语言模型中基准测试情感推理能力
机构 * UC Berkeley（加州大学伯克利分校） ； South China University of Technology（华南理工大学） ； Zhejiang University（浙江大学） ； National Taiwan University（台湾大学） ； University of Southern California（美国南加州大学）
AI总结 提出AV-EMO-Reasoning基准，通过合成和真实世界的视听对话数据集及情感感知与交互推理指标，系统评估全模态大语言模型的情感推理能力。
PuzzleClone: 一种基于DSL的可验证数据合成框架
机构 * HiThink Research（HiThink研究院） ； HKUST（香港科技大学） ； Zhejiang University（浙江大学）
AI总结 提出PuzzleClone框架，通过DSL驱动的方法合成大规模、高可靠、多样化的可验证数学逻辑数据集，并构建PC-83K基准，实验表明后训练能显著提升LLM在逻辑与数学任务上的性能。
TrojanTO：针对轨迹优化模型的行动级后门攻击
机构 * Laboratory for Big Data and Decision, National University of Defense Technology（大数据与决策实验室，国防科技大学） ； Zhejiang University（浙江大学） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； National University of Singapore（新加坡国立大学）
AI总结 提出TrojanTO，首个针对轨迹优化模型的行动级后门攻击方法，通过交替训练增强触发与目标动作关联，并利用轨迹过滤和批量投毒实现高隐蔽性，在低攻击预算下有效植入后门。
Comments 23 pages, 6 figures
Journal ref International Conference on Learning Representations (ICLR), 2026
基于学习的视觉策略用于真实世界中未见过孔洞的插拔
机构 * College of Control Science and Engineering, Zhejiang University, Zhejiang, China.（控制科学与工程学院，浙江大学，浙江，中国） ； The Application Innovate Lab, Huawei Incorporated Company, China.（应用创新实验室，华为公司，中国）
AI总结 提出一种基于学习的视觉插拔方法，通过解耦感知与策略模块，在仿真中训练多种形状，并仅需少量仿真到现实迁移成本即可适应真实世界中任意未见形状。
Battery-Sim-Agent: 利用LLM智能体进行电池逆参数估计
机构 * Peking University（北京大学） ； Microsoft Research（微软研究院） ； Zhejiang University（浙江大学） ； Chalmers University of Technology（皇家理工学院）
AI总结 提出Battery-Sim-Agent框架，将电池逆参数估计重构为推理任务，利用LLM智能体与高保真模拟器闭环交互，通过物理假设和结构化参数更新，显著优于贝叶斯优化等黑箱优化方法。
双变量生存结局的深度最优个体化治疗规则：基于自适应预测驱动学习
机构 * Department of Biostatistics, City University of Hong Kong（香港城市大学生物统计学系） ； Center for Data Science, Zhejiang University（浙江大学数据科学中心）
AI总结 针对随机试验中的双变量生存结局，提出一种基于深度神经网络的自适应预测驱动方法，通过随机策略建模治疗规则并耦合边际加速失效时间模型，以最大化联合生存概率。
DynSess：面向角色扮演智能体的动态会话级评估与优化框架
机构 * Zhejiang University（浙江大学） ； Fuxi AI Lab, NetEase Inc.（福克斯人工智能实验室，网易公司） ； Xiamen University（厦门大学）
AI总结 提出DynSess统一会话级框架，通过会话级评估（DynSess-Eval）和基于多步前瞻搜索的训练轨迹优化（DSPO/GSRPO），提升角色扮演智能体的长程一致性和交互质量。
PrismFlow: 时间序列生成中流匹配的残差动力学
机构 * Zhejiang University, China（浙江大学，中国） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； I2R, Agency for Science, Technology and Research (A*STAR), Singapore（科技研究局（A*STAR）新加坡研究所，新加坡）
AI总结 提出PrismFlow方法，通过Koopman启发的动力学专家和置信度感知的胜者全得目标，在流匹配中学习残差修正，以解决标准流匹配中全局向量场估计器导致的频谱失真和模式覆盖不足问题，在时间序列生成中取得最优性能。
桥接分类与重建：协同时间序列异常检测
机构 * National Key Laboratory of Information Systems Engineering, National University of Defense Technology（信息系统工程国家重点实验室，国防科技大学） ； College of Systems Engineering, National University of Defense Technology（系统工程学院，国防科技大学） ； Zhejiang University（浙江大学） ； Zhejiang Key Laboratory of Space Information Sensing and Transmission, Hangzhou Dianzi University（空间信息感知与传输浙江大学重点实验室，杭州电子科技大学）
AI总结 提出CoAD框架，通过分类模块生成概率软掩码指导重建模块，协同利用分类与重建范式的互补优势，有效检测细微复杂异常，并在基准数据集上显著优于现有方法。
Comments 15 pages, submitted to KDD 2026
PACE: 几何感知的桥梁传输用于单细胞轨迹推断
机构 * Zhejiang University（浙江大学） ； Department of Artificial Intelligence, School of Engineering, Westlake University（人工智能学院，西湖大学）
AI总结 针对单细胞轨迹推断中异步发育导致的错位问题，提出PACE框架，通过构建各向异性黎曼度量、交替优化跨时间耦合与神经桥梁、蒸馏全局速度场，在七个数据集上平均降低MMD、Wasserstein-1和Wasserstein-2距离23.7%。
Comments 31 pages, 12 figures
GroundAct：LLM智能体能否在环境状态中实现动作落地？
机构 * Zhejiang University（浙江大学）
AI总结 本研究提出GroundAct基准，通过1500个场景和16592个任务实例评估15个LLM，发现动作落地能力是多维挑战，不能仅通过模型规模解决。
Comments Project Page: https://zju-real.github.io/OmniEmbodied Code: https://github.com/ZJU-REAL/OmniEmbodied
重新思考记忆作为持续演化的连接性
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； MemTensor ； Tongji University（同济大学）
AI总结 提出 FluxMem 框架，将记忆建模为异构图并通过三个阶段（初始连接形成、反馈驱动优化、长期巩固）动态演化拓扑结构，以解决现有记忆增强型 LLM 代理在动态环境中的脆弱性问题。
Comments Ongoing work
GUI-CIDER：通过因果内化和密度感知示例重选进行GUI代理的中期训练
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Meituan（美团） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出GUI-CIDER中期训练方法，通过因果内化和密度感知示例重选显式内化GUI世界知识，提升代理对GUI操作的理解和任务成功率。
VITAL: 视觉-语义双重监督增强可解释的医学多模态大语言模型潜在推理
机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tencent（腾讯） ； Ningbo Global Innovation Center, Zhejiang University（宁波全球创新中心，浙江大学） ； Zhejiang Key Laboratory of Digital-Intelligence Service Technology（浙江省数字智能服务技术重点实验室）
AI总结 提出VITAL框架，通过视觉-语义双重监督（文本解码器重构推理链、视觉投影器回归ROI特征）实现医学MLLM的可解释潜在推理，在7个基准上达到SOTA。
LLMs 是否从文本构建世界模型？多语言空间推理诊断
机构 * University of New South Wales（新南威尔士大学） ； Essential Energy ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学）
AI总结 通过多语言诊断基准 MentalMap 评估大语言模型的空间推理能力，发现所有模型在视角推理上存在普遍的性能瓶颈（L3 推理悬崖），表明该限制源于纯文本工作记忆约束而非特定架构。
EchoAvatar: 从音频流实时生成动画虚拟化身
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）
AI总结 提出统一流式架构，从流式语音和音乐中低延迟生成连续全身运动，通过强化学习优化在线生成质量，并利用工具调用接口实现意图驱动控制。
Comments SIGGRAPH 2026; Project Page: https://robinwitch.github.io/EchoAvatar-Page
学习标注：一种用于半监督指代表达分割的强化自进化框架
机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； School of Information Engineering, Huzhou Normal University（湖州师范学院信息工程学院） ； School of Artificial Intelligence, Nanjing University of Posts and Telecommunications（南京邮电大学人工智能学院） ； National Key Laboratory of Tibetan Language Intelligence（藏语智能国家重点实验室） ； Zhejiang University（浙江大学） ； Beijing Normal University（北京师范大学）
AI总结 提出L2L框架，通过强化学习将伪标签构建转化为可学习的决策过程，结合多模态大模型提取先验，实现半监督指代表达分割的联合优化。
Comments 24 pages, 13 figures
哪种预训练范式更有利于空间智能？视觉-语言模型与视频生成模型的实证比较
机构 * Zhejiang University（浙江大学） ； Om AI Research（Om人工智能研究） ； Binjiang Institute of Zhejiang University（浙江大学滨江研究院）
AI总结 本文通过冻结特征探测研究，系统比较了视觉-语言模型（VLM）和视频生成模型（VGM）在语义标注、实例分组和3D几何预测三个空间智能维度上的表现，发现两者互补且简单融合可提升整体性能。
Comments Code is here: \href{https://github.com/om-ai-lab/Probing-VLM-VGM}{https://github.com/om-ai-lab/Probing-VLM-VGM}
弥合推理模型在信息不足情况下的检测到弃权差距
机构 * Fudan University（复旦大学） ； Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 针对推理模型在信息不足时无法有效弃权的问题，提出Judge-Then-Solve（JTS）轨迹级推理控制框架，通过可回答性判断和强化学习训练，显著提升可靠弃权率并减少不必要的推理。
MIRA: 医学信息响应审计的双语基准
机构 * The University of Chicago（芝加哥大学） ； SynAI Technologies Inc.（SynAI技术公司） ； Jinzhou Medical University（锦州医学院） ； Zhejiang University（浙江大学） ； Dartmouth College（达特茅斯学院） ； Northwestern University（西北大学）
AI总结 提出MIRA双语基准，通过4,320个提示评估大语言模型在不同用户表达下提供医学信息的一致性，发现低健康素养提示导致信息稀释（DID），并提出知识引导缓解方法。
SPAR: 支持保持的动作纠正
机构 * Zhejiang University（浙江大学）
AI总结 提出支持保持的动作纠正（SPAR）框架，通过将全局学习转化为局部残差纠正，并引入潜在自模仿机制，解决了离线策略改进中价值最大化与数据分布拟合之间的冲突，在D4RL基准上达到最优性能。
ICG: 通过基于MLLM的提示和个性化偏好对齐改进封面图像生成
机构 * Huazhong University of Science and Technology（华中科技大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学）
AI总结 提出ICG框架，利用多模态大语言模型和扩散模型，通过元标记提取语义特征、用户嵌入个性化对齐及多奖励学习策略，实现高质量、个性化封面图像生成。
Comments Published in Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, pages 12268-12278, EMNLP 2025. Official version: https://doi.org/10.18653/v1/2025.emnlp-main.617
Journal ref Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (Main Track) EMNLP 2025 12268-12278
CollectionLoRA: 通过多教师在线策略蒸馏将50种效果收集到1个LoRA中
机构 * Zhejiang University（浙江大学） ； Qwen Applications Business Group of Alibaba（阿里巴巴Qwen应用业务组） ； Xi'an Jiaotong University（西安交通大学）
AI总结 提出CollectionLoRA框架，通过多教师在线策略蒸馏将多达50种不同效果LoRA和少步生成能力整合到单个LoRA中，解决参数干扰并降低部署成本。
Mind Dreamer: 通过潜在流形上的主动因果干预释放想象力
机构 * Center for Brain-Inspired Computing Research, Department of Precision Instrument, Tsinghua University, Beijing, China（脑启发计算研究中心，精密仪器系，清华大学，北京，中国） ； College of Computer Science and Technology, Zhejiang University, Hangzhou, China（计算机科学与技术学院，浙江大学，杭州，中国） ； Pen-Tung Sah Institute of Micro-Nano Science and Technology, Xiamen University, Xiamen, China（彭途萨微纳米科学与技术研究院，厦门大学，厦门，中国）
AI总结 针对基于模型的强化学习中历史束缚导致策略优化滞后的问题，提出Mind Dreamer框架，通过主动因果干预生成非连续潜在跳跃，并推导中继价值函数与中继不确定性函数，实现样本效率提升。
Comments 34 pages, 7 figures, ICML 2026 accepted
弥合姿态-语义鸿沟：基于文本的人物异常搜索的级联框架
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出结构-语义解耦级联（SSDC）框架，通过两阶段检索（结构感知粗检索和多智能体语义验证）平衡效率与语义推理，在PAB基准上达到最优性能。
Comments Accepted to ACL 2026.10 pages, 5 figures
RelaxFlow: 文本驱动的非模态3D生成
机构 * National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 针对遮挡下图像到3D生成的语义歧义问题，提出无训练的双分支框架RelaxFlow，通过多先验共识模块和松弛机制解耦控制粒度，实现文本提示引导下对未观察区域的补全，同时严格保留输入观测。
Comments Accepted as a spotlight presentation at ICML 2026. Code: https://github.com/viridityzhu/RelaxFlow
MMRad-22K：用于胸部X光报告生成的结构化多模态证据数据集
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, School of Computer Science, Shanghai Jiao Tong University（人工智能MOE实验室、人工智能研究院、计算机科学学院、上海交通大学） ； School of Biomedical Engineering, Division of Life Sciences and Medicine, University of Science and Technology of China (USTC)（生物医学工程学院、生命科学与医学系、中国科学技术大学） ； Center for Medical Imaging, Robotics, Analytic Computing & Learning (MIRACLE), Suzhou Institute for Advanced Research, USTC（医学影像、机器人、分析计算与学习中心（MIRACLE）、苏州市先进研究院、中国科学技术大学） ； Department of Radiology, The First Affiliated Hospital, Zhejiang University School of Medicine（放射科、浙江大学医学院第一附属医院）
AI总结 针对胸部X光报告生成中现有资源监督信号碎片化的问题，提出结构化多模态证据数据集MMRad-22K，并基于统一LVLM骨干进行适配，证明结构化多模态证据优于纯文本或边界框证据，在语言和临床指标上表现更优。
停止奖励幻觉步骤：面向小型推理模型的忠实感知步骤级强化学习
机构 * Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳研究院） ； Institute of Artificial Intelligence (TeleAI), China Telecom Corp Ltd（中国电信人工智能研究院） ； College of Integrated Circuits, Zhejiang University, Hangzhou, Zhejiang, China（浙江大学集成电路学院） ； Zhongguancun Academy, Beijing, China（中关村学院）
AI总结 针对小型推理模型在中间推理步骤中容易产生忠实性幻觉的问题，提出忠实感知步骤级强化学习（FaithRL），通过过程奖励模型提供步骤级监督和隐式截断重采样策略，减少幻觉并提高推理可靠性。
哪些注意力头对推理重要？RL引导的KV缓存压缩
机构 * Westlake University（西华大学） ； McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克AI研究院） ； Zhejiang University（浙江大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德智能大学）
AI总结 提出RLKV方法，利用强化学习识别对推理质量关键的注意力头，并对其保留完整KV缓存而对其他头进行激进压缩，实现20-60%缓存减少且性能近乎无损。
FEA-SLT：一种面向面部表情感知的手语翻译的无词汇端到端框架
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院）
AI总结 提出FEA-SLT框架，通过面部表情感知融合模块利用面部动态作为语义锚点，解决无词汇手语翻译中手势歧义问题，在PHOENIX14T和CSL-Daily数据集上达到最优BLEU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