高校专区
确定性分解随机生成动力学
机构 * The University of Tokyo（东京大学） ； Zhejiang University（浙江大学）
AI总结 本文提出Bridge Matching框架，通过分解生成动力学中的确定性与随机效应，实现可控的生成模型。
Comments 10 pages main text, 6 figures; appendix included. Code available at: https://github.com/xingyu-song/bridge_matching
StreamingTalker: 基于音频的3D面部动画与自回归扩散模型
机构 * State Key Laboratory 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） ； Ant Group（蚂蚁集团） ； College of Computer Science, Zhejiang University（浙江大学计算机学院）
AI总结 本文提出基于自回归扩散模型的StreamingTalker，解决音频驱动3D面部动画中长音频处理延迟和超训练范围的问题，通过动态条件生成高质量实时面部动作。
EvolveR：通过经验驱动的生命周期实现自进化大语言模型代理
机构 * Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； East China Normal University（华东师范大学） ； Fudan University（复旦大学） ； Central South University（中南大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 EvolveR通过闭环经验生命周期实现LLM代理的自进化，结合离线自蒸馏和在线交互，利用策略强化机制迭代优化，提升多跳问答任务性能。
Comments Accepted by ICML 2026
专家混合模型可在严格相等资源下超越密集语言模型
机构 * Fudan University（复旦大学） ； StepFun ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学）
AI总结 本文研究在资源相等条件下MoE模型是否能超越密集模型，提出优化框架并验证了在最优激活率下MoE模型性能更优，且该区域在不同模型规模下一致，通过数据重用解决数据量增加的权衡问题。
Comments Published as a conference paper at ICLR 2026
ORACLE：从流式应用使用轨迹中预见诈骗
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen University（深圳大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Guangming Laboratory（光明实验室） ； South China University of Technology（华南理工大学） ； Hainan University（海南大学）
AI总结 本文提出ORACLE框架，通过流式应用使用轨迹预测诈骗，利用自适应上下文管理器和自蒸馏方案提升早期欺诈检测性能。
A₃B₂：一种自适应非对称适配器，用于缓解视觉-语言图像分类中的分支偏差
机构 * Zhejiang University（浙江大学） ； Swansea University（斯旺西大学）
AI总结 本文提出A₃B₂适配器，通过引入不确定性感知适配器阻尼机制，缓解少样本学习中的分支偏差问题，实验表明其在多个数据集上优于现有基线方法。
Comments Accepted by IJCAI 2026
分解式视觉-语言对齐用于细粒度开放词汇分割
机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空航天信息研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Zhejiang University（浙江大学）
AI总结 本文提出分解式视觉-语言对齐框架，通过将文本提示分解为概念令牌和多个属性令牌，实现细粒度开放词汇分割中对未见属性-类别组合的泛化提升。
BootstrapAgent: 将仓库设置提炼为可重用的代理知识
机构 * Zhejiang University（浙江大学） ； The Australian National University（澳大利亚国立大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）
AI总结 BootstrapAgent通过提炼仓库初始化过程中的启发式知识，生成可验证的代理合同，提升代码代理在 unfamiliar repositories 的任务成功率和效率。
Comments 19 pages, 9 figures, 6 tables
PanoWorld：迈向360度全景世界的空间超感知
机构 * Zhejiang University（浙江大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Irvine（加州大学伊维特分校） ； The University of Hong Kong（香港大学）
AI总结 本文提出PanoWorld，通过构建全景原生理解能力，解决传统多模态大模型在空间感知上的不足，通过全景空间交叉注意力机制提升3D空间推理能力，并建立PanoSpace-Bench基准测试，验证了全景原生监督的有效性。
Comments Project page: https://wcpcp.github.io/PanoWorld
NanoResearch: 为个性化研究自动化共进化技能、记忆与政策
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Xi'an Jiaotong University（西安交通大学） ； East China University of Science and Technology（东华大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出NanoResearch框架，通过三重共进化解决研究自动化中的个性化需求，提升研究效率与用户体验。
Comments 40 pages, 14 figures, 7 tables
CG-MLLM：通过多模态大语言模型实现图像描述与3D内容生成
机构 * Zhejiang University, China（浙江大学）
AI总结 本文提出CG-MLLM，一种能实现3D描述和高分辨率3D生成的多模态大语言模型，通过混合Transformer架构分离不同建模需求，结合预训练视觉语言模型与专用3D VAE潜在空间，提升3D生成质量与感知能力。
Comments ICML 2026
几块GPU，大量规模：PrismLLM实现忠实的LLM训练仿真
机构 * Alibaba Group（阿里巴巴集团） ； Harvard University（哈佛大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学）
AI总结 PrismLLM通过切片方法构建高保真执行图，使工程师能用少量GPU模拟大规模训练行为，准确复现性能和内存表现，节省集群访问成本。
Comments 13 pages body, 21 pages total
CM-EVS：稀疏全景RGB-D-姿态数据用于完整场景覆盖
机构 * Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Vorynel（沃伊内尔） ； Xinjiang University（新疆大学） ； Wuhan Polytechnic University（武汉职业技术学院） ； Tianjin University（天津大学）
AI总结 本文提出CM-EVS，通过COVER算法生成稀疏全景RGB-D-姿态数据，实现低冗余且可追溯的完整场景覆盖，提升3D学习的几何一致性。
Comments 35 pages including appendix. Code and dataset: https://github.com/Strange-animalss/CM-EVS
SKILL0：基于上下文的代理强化学习用于技能内化
机构 * Zhejiang University（浙江大学） ； Meituan（美团） ； Tsinghua University（清华大学）
AI总结 SKILL0通过在训练时逐步减少技能上下文，使模型在无任务检索情况下实现自主行为，实验显示在多个任务中性能提升显著。
将化学结构作为治疗手段提高显微镜图像的表示以进行形态学分析
机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； Microsoft Research（微软研究院） ； Department of Computer Science, Zhejiang University（浙江大学计算机科学系）
AI总结 本文提出MICON框架，通过整合化学结构信息提升显微镜图像的表示能力，改进了形态学分析中的特征学习。
Comments 24 pages
大语言模型可能只是机械学习者
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； State Key Laboratory of Transvascular Implantation Devices and TIDRI（血管植入设备国家重点实验室和TIDRI） ； Zhejiang Key Laboratory of Medical Imaging Artificial Intelligence（浙江医学影像人工智能重点实验室） ； School of Data Science of Engineering, East China Normal University（华东师范大学工程数据科学学院） ； Second Affiliated Hospital and Liangzhu Laboratory, Zhejiang University School of Medicine（浙江大学医学院第二附属医院和良渚实验室） ； Alibaba Group（阿里巴巴集团）
AI总结 本文研究大语言模型在基准测试中的可靠性问题，提出TrinEval框架以区分真实能力学习与机械记忆，发现主流模型在知识点上依赖机械记忆的比例高达19.6%。
Comments Work in Progress
DynamicNER: 一种动态、多语言和细粒度的用于基于大语言模型的命名实体识别的数据集
机构 * New York University Abu Dhabi（纽约大学阿布扎赫德分校） ； Zhejiang University（浙江大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technology University（南阳技术大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Texas A&M University（德克萨斯大学） ； Squirrel AI
AI总结 本文提出DynamicNER数据集，用于改进基于大语言模型的命名实体识别方法，通过动态实体分类和多语言支持，提升模型泛化能力与细粒度任务的准确率。
Comments This paper is accepted by EMNLP 2025 Main Conference
自蒸馏代理强化学习
机构 * Zhejiang University（浙江大学） ； Meituan（美团） ； Tsinghua University（清华大学）
AI总结 本文提出SDAR方法，通过将OPSD作为辅助目标并保持RL为主优化，解决多轮代理中的稳定性问题，提升性能。
Sat3DGen：从单张卫星图像生成全面的街景3D场景
机构 * LIESMARS & School of Artificial Intelligence, Wuhan University（珞珈实验室与武汉大学人工智能学院） ； EPFL（苏黎世联邦理工学院） ； HKUST（香港科技大学） ； Northeastern University（东北大学） ； Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Amap, Alibaba Group（高德地图，阿里巴巴集团）
AI总结 本文提出Sat3DGen，通过几何优先方法提升从单张卫星图像生成高精度3D场景的性能，改进几何精度和真实感，并在新基准上验证其效果。
Comments ICLR 2026; code: https://github.com/qianmingduowan/Sat3DGen demo: https://huggingface.co/spaces/qian43/Sat3DGen project page: https://qianmingduowan.github.io/Sat3DGen_project_page/
诱导过度思考：基于分层遗传算法的黑盒大语言推理模型DoS攻击
机构 * The 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） ； Alibaba Group（阿里巴巴集团）
AI总结 本文提出一种基于分层遗传算法的黑盒攻击方法，通过系统扰动输入问题的逻辑结构，诱导大语言模型产生过度思考，从而引发资源耗尽攻击。
Comments Accepted at ICML 2026. Code available at: https://github.com/EndlessCao/Overthink-HGA
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026), PMLR 306, 2026
BiTrajDiff: 用于离线强化学习的双向轨迹生成扩散模型
机构 * Zhejiang University（浙江大学） ； Zhejiang Lab（浙江省实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； Rutgers University（罗格斯大学）
AI总结 本文提出BiTrajDiff，通过双向扩散模型生成轨迹，解决离线强化学习中数据分布偏差问题，提升数据集多样性。
天使或恶魔：探讨塑性干预对深度强化学习中后门威胁的影响
机构 * Zhejiang University（浙江大学） ； National University of Defense Technology（国防科技大学） ； Xi'an Jiaotong University（西安交通大学）
AI总结 研究通过分析14664个案例，发现仅有一种干预（SAM）加剧了后门威胁，其他干预则缓解了威胁，提出新的稳健后门注入框架和异常损失景观尖锐度作为检测指标。
Comments To appear in the Forty-Third International Conference on Machine Learning (ICML 2026), July 6-11, 2026, Seoul, South Korea
在权重空间中发现物理方向：组合神经PDE专家
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文研究了神经PDE专家在连续物理家族中多模式微调后的权重空间更新性质，提出CCM方法通过物理方向整合专家模型，提升跨物理域的预测性能。
GeRM：从物理真实到照片级的生成渲染模型
机构 * State Key Lab of CAD\&CG, Zhejiang University ； Zhejiang Lab China ； State Key Laboratory of Industrial Control Technology, Zhejiang University China ； Zhejiang University China ； Zhejiang Lab ； State Key Laboratory of Industrial Control Technology, Zhejiang University ； Zhejiang University
AI总结 GeRM是首个多模态生成渲染模型，通过学习分布转移向量场实现从物理真实到照片级的过渡，结合控制网络和多代理框架提升图像生成质量。
解耦稳定性与可塑性以实现多模态测试时适应
机构 * Zhejiang University（浙江大学）
AI总结 本文提出DASP框架，通过解耦多模态测试时适应中的稳定性与可塑性，解决现有方法在无偏模态中的负迁移和有偏模态中的灾难性遗忘问题。
Comments Accepted to CVPR 2026
超球面能量正则化的序列模型编辑
机构 * Columbia University（哥伦比亚大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出SPHERE方法，通过超球面能量正则化提升模型在序列编辑中的稳定性与知识保留能力，实验表明其在编辑性能上优于基线方法16.41%。
Comments Accepted by ICLR 2026. The code is available at https://github.com/PlusLabNLP/SPHERE. Project page: https://www.qingyuanliu.net/sphere_projectpage/
SkillFlow: 以流程驱动的递归技能进化用于代理编排
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学）
AI总结 SkillFlow通过流程驱动的递归技能进化解决代理编排中的策略崩溃、梯度方差高和无指导技能进化问题，实现高效任务编排。
Comments 49 pages, 5 figures, 6 tables
重新思考分子OOD泛化 via 目标感知源选择
机构 * Department of Data Science and Artificial Intelligence, Monash University（墨尔本大学数据科学与人工智能系） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Life Sciences and Technology, Tongji University（同济大学生命科学与技术学院）
AI总结 本文提出SCOPE-BENCH和POMA框架，通过集群级分区和多源适应策略提升分子在极端OOD场景下的预测鲁棒性，实验显示SOTA模型误差显著增加，而POMA在不同架构上实现平均6.2%的改进。
SparseOIT：通过主动集方法改进Order-Independent Transparency 3DGS
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学）
AI总结 本文提出SparseOIT，通过主动集方法利用3DGS渲染方程中稀疏变量依赖性，提升Order-Independent Transparency效果，优于现有方法并达到体积渲染方法的性能。
每帧一个令牌：重新考虑世界模型中的视觉带宽
机构 * Zhejiang University（浙江大学） ； Central South University（中南大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Embodied Intelligence General Platform Laboratory, Chery Auto（奇瑞汽车 embodied intelligence 通用平台实验室） ； E-surfing Digital Life Technology Co., Ltd., China Telecom（亿联数字生活技术有限公司，中国电信）
AI总结 本文提出OneWM-VLA，通过自适应注意力池化将每帧视图压缩为一个语义令牌，以单一流匹配目标生成潜在流和动作轨迹，从而减少每帧视觉带宽而不影响长视界性能。
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