高校专区
PrITTI: 基于基元的可控可编辑3D语义城市场景生成
机构 * University of Tübingen（图宾根大学） ； Tübingen AI Center（图宾根人工智能中心） ； Zhejiang University（浙江大学） ； Noah’s Ark Lab, Huawei（华为诺亚实验室） ； KE:SAI - Kyutai ELLIS Scalable Autonomous Intelligence（KE:SAI - 韩国ELLIS可扩展自主智能）
AI总结 提出PrITTI，一种利用矢量化对象基元和栅格化地面表面的混合表示，通过潜在扩散模型实现高质量、可控且可编辑的3D语义城市场景生成。
Comments Accepted to CVPR 2026
推理作为攻击面：针对大语言模型的自适应进化思维链越狱方法
机构 * Nanyang Technological University, Singapore（南洋理工大学） ； The University of Hong Kong, Hong Kong, China（香港大学） ； The Hong Kong Polytechnic University, Hong Kong, China（香港理工大学） ； Zhejiang University, Zhejiang, China（浙江大学） ； Renmin University of China, Beijing, China（中国人民大学） ； Sun Yat-sen University, Guangdong, China（中山大学） ； Northeastern University（东北大学） ； Hebei Key Laboratory of Data Science and Knowledge Management（河北省数据科学与知识管理重点实验室）
AI总结 提出自适应进化思维链越狱框架AE-CoT，通过教师角色扮演重写有害目标、分解推理片段、多代进化搜索及自适应变异率控制，有效生成高破坏性越狱提示，在多个模型和数据集上超越现有方法。
Med-R2: 面向医学视觉语言模型中基于证据推理的对抗性基准
机构 * Zhejiang University（浙江大学） ； Guangdong Institute of Intelligence Science and Technology（广东智能科学技术研究院）
AI总结 提出 Med-R2 Bench，一个分层对抗性基准，通过逐步QA任务和对抗扰动评估医学VLM在临床工作流中的视觉证据推理鲁棒性。
TIGER：文本引导的通用酶-反应检索
机构 * University of Science and Technology of China（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； Zhejiang University（浙江大学）
AI总结 提出TIGER框架，利用蛋白质到文本生成模型提取文本语义知识，通过动态门控网络融合序列特征，实现酶与反应的双向检索，显著提升跨任务泛化性和鲁棒性。
Comments Accepted to ACL2026
基于先验校正的正交信任区域引导的平滑动作块流策略
机构 * South China University of Technology（华南理工大学） ； Zhejiang University（浙江大学）
AI总结 提出POTR方法，通过先验校正权重和正交信任区域约束，改善流匹配机器人策略中动作块推理的边界不连续性和横向扰动，提升成功率和运动平滑性。
基于深度学习的TIMI心肌灌注帧数自动量化（DL-TMPFC）：一种快速评估微血管功能障碍的新框架
机构 * School of Artificial Intelligence and Digital Economy Industry, Guangzhou Institute of Science and Technology（人工智能与数字经济发展学院，广州科学研究院） ； Department of Cardiology, Second Affiliated Hospital, Jiangxi Medical College, Nanchang University（南华大学江西医学院心内科，第二附属医院） ； Department of Cardiology, First Affiliated Hospital of Zhejiang University School of Medicine（浙江大学医学院附属第一医院心内科） ； Department of Cardiology, National University Heart Centre（国立大学心脏中心心内科）
AI总结 提出DL-TMPFC框架，结合狭窄检测网络和区域感知分割网络，从冠状动脉造影中自动计算TIMI心肌灌注帧数，实现微血管功能障碍的客观量化，验证显示与专家手动测量高度一致。
Comments 15 pages,8 figures
为什么你的深度研究智能体会失败？关于完整研究轨迹中的幻觉评估
机构 * Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学）
AI总结 针对深度研究智能体（DRA）在完整研究轨迹中累积的幻觉问题，提出从结果评估转向过程感知评估的PING分类法和细粒度评估框架，并构建DeepHalluBench基准，实验揭示系统性的可靠性差距。
MMSI-Bench：多图像空间智能基准
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Shanghai Jiaotong University（上海交通大学） ； University of Hong Kong（香港大学） ； Beijing Normal University（北京师范大学）
AI总结 提出MMSI-Bench基准，通过1000道精心设计的VQA问题评估多图像空间推理能力，发现现有模型准确率远低于人类。
Comments ICLR 2026 Camera ready. 38 pages. Project page: https://runsenxu.com/projects/MMSI_Bench
InfiFPO：通过偏好优化实现大型语言模型的隐式模型融合
机构 * The Hong Kong Polytechnic University (PolyU)（香港理工大学） ； Zhejiang University（浙江大学） ； PolyU-Daya Bay Technology and Innovation Research Institute（香港理工大学-大亚湾技术与创新研究院）
AI总结 提出InfiFPO方法，通过将DPO中的参考模型替换为融合源模型，在序列级别合成多源概率，实现隐式模型融合，从而在偏好对齐阶段有效融合多个LLM并提升性能。
Journal ref NeurIPS 2025
超越二元编辑：基于对抗子空间对齐的鲁棒多模态知识编辑
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Jiangxi Normal University（江西师范大学）
AI总结 针对多模态大语言模型知识编辑泛化性不足的问题，提出对抗子空间对齐方法（ASAM），通过潜在对抗鲁棒化（LAR）和秩约束子空间学习（RCSL）实现鲁棒的多模态知识编辑。
RiGS: 从单目视频中的刚性感知4D高斯泼溅
机构 * Harvard University（哈佛大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； University of Minnesota - Twin Cities（明尼苏达大学-双城分校）
AI总结 提出RiGS，通过静态、刚性和瞬态三种高斯原语分别建模不同时间尺度的运动，并利用目标动态掩码和场景流引导实现单目视频动态场景重建，在新视角合成任务上达到最优性能。
MixFake: 在多样真实混合音频中基准测试和增强音频深度伪造检测
机构 * School of Cyber Science and Engineering, Nanjing University of Science and Technology, Nanjing, China（南京理工大学信息科学与工程学院） ； The State Key Laboratory of Blockchain and Data Security, Zhejiang University, Hangzhou, China（浙江大学区块链与数据安全国家重点实验室） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security, Hangzhou, China（杭州高新技术区（滨江）区块链与数据安全研究院）
AI总结 针对真实场景中语音与背景音乐或噪声混合导致检测困难的问题，提出MixFake基准数据集和多流提示微调框架，通过注入信号级先验有效捕获声学伪影，在复杂背景检测中实现7.72%的绝对提升。
Comments Accepted by ICME2026
Imagine2Real: 通过视频生成先验实现零样本人形机器人-物体交互
机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出Imagine2Real框架，利用视频生成先验和4D点轨迹统一表示，通过稀疏关键点跟踪和行为基础模型潜空间，实现零样本人形机器人-物体交互。
WildTableBench：在真实场景中评估多模态基础模型的表格理解能力
机构 * The University of Queensland（昆士兰大学） ； Stanford University（斯坦福大学） ； The Australian National University（澳大利亚国立大学） ； Zhejiang University（浙江大学） ； Murdoch University（莫纳什大学） ； The University of Adelaide（阿德莱德大学）
AI总结 提出WildTableBench基准，包含402张真实场景表格图像和928个问答对，评估21个前沿多模态模型，仅一个模型准确率超50%，揭示模型在结构感知和推理方面的持续弱点。
InfiGFusion：通过高效Gromov-Wasserstein进行图对逻辑蒸馏的模型融合
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学） ； Daya Bay Technology and Innovation Research Institute（大亚湾技术与创新研究院）
AI总结 提出InfiGFusion，一种结构感知的模型融合框架，通过图对逻辑蒸馏损失显式建模词汇维度间的语义依赖，并利用排序闭式近似将Gromov-Wasserstein距离的计算复杂度从O(n^4)降至O(n log n)，在多个基准上超越现有方法。
SciAtlas：面向自动化科学研究的大规模知识图谱
机构 * Zhejiang University（浙江大学） ； University College London（伦敦大学学院）
AI总结 为应对学术信息爆炸和跨学科整合困难，提出包含4300万论文、1.57亿实体和30亿三元组的多学科知识图谱SciAtlas，并开发神经符号检索算法，实现从语义匹配到确定性关联发现的转变，降低推理成本。
Comments Ongoing Work
LFRAG：面向布局的多模态文档理解中的细粒度检索增强生成
机构 * Zhejiang University（浙江大学） ； Hangzhou High-Tech Zone (Binjiang) Zhejiang University Institute of Blockchain and Data Security（杭州高新技术区（滨江）浙江大学区块链与数据安全研究院）
AI总结 提出LFRAG框架，通过布局分割和语义-布局融合编码器实现从页面级到块级的细粒度检索，提升多模态文档检索精度并减少生成冗余，在LFDocQA基准上取得最优性能。
DecQ：用于增强表示自编码器中重建和生成的细节压缩查询
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； Westlake University（西湖大学）
AI总结 本文提出DecQ框架，通过引入轻量级细节压缩查询，有效缓解了表示自编码器中重建与生成之间的权衡问题，提升了重建质量和生成性能。
AtelierEval: 人类与LLM作为文本到图像提示器的代理评估
机构 * New York University Abu Dhabi（纽约大学阿布扎克校区） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； University of Electronic Science and Technology of China（电子科技大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出AtelierEval，首个统一基准，通过360个专家设计的任务量化提示能力，引入技能基于的记忆增强代理评估器，实现与人类专家的高相关性，验证了提示器在图像增强方向的优越性。
Comments Accepted by ICML 2026
GLeVE: 在3D CT中基于图的病变接地与提案验证
机构 * Zhejiang Key Laboratory of Space Information Sensing and Transmission（浙江空间信息感知与传输重点实验室） ； Hangzhou Dianzi University（杭州电子科技大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Children's Hospital, Zhejiang University School of Medicine（浙江大学医学院附属儿童医院）
AI总结 本文提出GLeVE框架，通过图引导的病变接地和解剖学先验验证，解决3D CT中自由文本叙述与体积解剖之间的语义-空间差距问题，提升病变定位的准确性。
Comments 11 pages, 4 figures
Pre-VLA: 预防性运行时验证用于可靠视觉-语言-动作和世界模型展开
机构 * Beihang University（北京航空航天大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； JDT AI Infra ； Zhejiang University（浙江大学）
AI总结 本文提出Pre-VLA，一种统一的运行时验证架构，用于在物理执行或世界模型想象之前评估动作的有效性，以提高视觉-语言-动作和世界模型展开的可靠性。
在微控制器上实现激活函数的常数时间方法
机构 * Faculty of Informatics and Information Technologies, Slovak University of Technology in Bratislava（信息与信息技术学院，布拉格斯拉夫技术大学） ； 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） ； Temasek Laboratories, Nanyang Technological University（淡马锡实验室，南洋理工大学） ； Faculty of Computer Science, Albstadt-Sigmaringen University（计算机科学学院，阿尔布斯塔-西格马林根大学） ； TTControl GmbH
AI总结 本文提出了一种在嵌入式微控制器上实现激活函数的常数时间方法，通过结合无分支选择、固定成本Padé近似、必要的虚拟算术和周期对齐，实现了定时规律的激活函数实现，并验证了其在ReLU、sigmoid、tanh、GELU和Swish函数上的有效性。
从识别到推理：在现实世界收据文档理解上对齐和增强MLLMs
机构 * Zhejiang University（浙江大学）
AI总结 本文提出ReceiptBench基准，通过四个层次化子任务提升收据信息提取的结构一致性，并提出两阶段训练框架GRPO，通过强化学习信号提升模型性能，实验证明其在复杂推理任务上的优越性。
Maestro：通过强化学习协调分层模型-技能集合
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学） ； Tongji University（同济大学）
AI总结 本文提出Maestro框架，通过强化学习协调多模态任务，利用分层模型-技能集合提升多模态任务性能，实现高效且通用的协调策略。
超越像素：从少量示范中学习不变的奖励以实现实世界机器人学
机构 * School of Computing and Data Science, The University of Hong Kong（计算科学与数据科学学院，香港大学） ； LimX Dynamics Technology Co., Ltd（LimX动力技术有限公司） ； Southern University of Science and Technology（南方科技大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 本文提出了一种从少量示范中学习不变奖励的方法，以实现实世界机器人学中的泛化能力，通过发现行为不变量来改进奖励函数的设计，从而在多个任务中提升策略学习效果。
弱监督跨模态学习用于4D雷达场景流估计
机构 * Zhejiang University, Hangzhou, Zhejiang, China（浙江大学） ； Zhejiang Provincial Key Laboratory of Multi-Modal Communication Networks and Intelligent Information Processing（浙江省多模态通信网络与智能信息处理重点实验室） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 本文提出了一种弱监督的雷达场景流学习框架，利用图像和里程计进行辅助监督，通过实例感知的自监督损失和静态区域的刚性损失，实现了更高效的场景流估计。
Comments Accepted by ICML2026
SPIRAL：通过反思规划代理实现自演化动作条件视频生成
机构 * Zhejiang University（浙江大学） ； KnowledgeXLab at Shanghai AI Lab（上海人工智能实验室知识X实验室） ； National University of Singapore（新加坡国立大学） ； Chinese Academy of Sciences（中国科学院） ； Tencent Youtu Lab（腾讯优设实验室） ； Nanyang Technological University（南洋理工大学） ； Wuhan University（武汉大学）
AI总结 本文提出SPIRAL框架，通过反思规划代理实现长时域动作条件视频生成，解决传统方法在长时间视频生成中的不足，通过闭环设计和自演化机制提升视频生成的一致性和准确性。
Comments 42 Pages, 21 Figures, Project page at https://yuyang-cloud.github.io/spiral
Video-o3：长视频多跳推理的原生交错线索搜索
机构 * Nanjing University（南京大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； SIAT, Chinese Academy of Sciences（中国科学院软件研究所）
AI总结 本研究提出Video-o3框架，通过迭代发现显著视觉线索、细粒度检查关键片段以及适应性终止，提升长视频多跳推理能力，实验表明其在MLVU和Video-Holmes上分别达到72.1%和46.5%的准确率。
Comments 27 pages, 15 figures, 15 tables
CentaurEval: 评估人机协同在编程中的价值
机构 * New York University Abu Dhabi（纽约大学阿布扎克校区） ； Nanyang Technological University（南洋理工大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Harvard University（哈佛大学） ； Zhejiang University（浙江大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Beijing University of Technology（北京理工大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出CentaurEval基准测试，用于评估人机协同在编程中的价值。该基准测试通过协作必要问题模板，结合人类推理和AI效率，展示了人机协作在编程任务中的显著优势。
Comments Accepted by ICML 2026
从参数到数据：一种任务参数引导的微调流水线用于高效的LLM对齐
机构 * Zhejiang University（浙江大学） ； Eastern Institute of Technology（东部技术研究所）
AI总结 本研究提出了一种任务参数引导的微调流水线，通过任务敏感的注意力头作为双指南，实现样本挖掘和结构剪枝，从而提高LLM对齐的效率。
Comments Accepted@ICML26, 28 pages, 11 figures, 26 tables
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