高校专区
SuperFace：超越伪监督的偏好对齐面部表情估计
机构 * Zhejiang University（浙江大学） ； Westlake University（西lake大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Hunan University（湖南大学） ； Zhejiang University Shanghai Innovation Institute（浙江大学上海创新研究院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出SuperFace框架，通过人类偏好反馈改进ARKit系数预测，提升面部动画的视觉真实性和表达性。
为长周期语言代理设计的里程碑引导策略学习
机构 * Zhejiang University（浙江大学） ； Baidu Inc.（百度公司）
AI总结 本文提出BEACON框架，通过任务的组合结构实现精准信用分配，提升长周期语言代理的训练效果，在多个基准测试中优于现有方法。
RealCam: 通过交互式相机控制实现实时新视角视频生成
机构 * Zhejiang University（浙江大学） ； Xmax.AI Ltd.（Xmax.AI有限公司） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 RealCam提出一种自回归框架，实现交互式实时相机控制的视频到视频生成，通过交叉帧上下文学习和循环闭合数据增强提升生成质量与效率。
基于噪声偏好的LLM奖励建模中的最优传输
机构 * Zhejiang University（浙江大学） ； Peking University（北京大学） ； National University of Singapore（新加坡国立大学） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 本文提出SelectiveRM框架，利用最优传输对噪声偏好进行去噪，通过联合一致性差异对齐模型预测分布与偏好数据，并引入质量放松机制以排除矛盾样本，提升奖励建模性能。
轻量级风格一致性剖析：面向多媒体审核的LLM生成文本稳健检测
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； 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 本文提出LiSCP方法，通过结合离散风格特征与连续语义信号，提升对抗环境下的LLM生成文本检测鲁棒性，实现在多领域中的优越性能。
AsyncVLA: 视觉-语言-动作模型中的异步流匹配
机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Lumos Robotics（Lumos机器人）
AI总结 本文提出AsyncVLA，一种引入异步流匹配的视觉-语言-动作模型框架，通过非均匀时间调度和自修正机制提升长周期任务的稳定性与效率。
LoopTrap: 对 LLM agent 的终止污染攻击
机构 * The State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Zhejiang University（浙江大学） ； School of Cyber Science and Engineering（网络安全与工程学院） ； Southeast University（东南大学）
AI总结 本文研究了LLM agent迭代执行循环中的终止污染风险，提出10种攻击策略并通过实验证明不同agent的行为特征影响攻击效果，设计了自动化框架LoopTrap以提升红队攻击效率。
隐藏、重建、突破：在大规模语言模型中利用重建-隐藏权衡
机构 * NC State University（北卡罗来纳州立大学） ； Zhejiang University（浙江大学）
AI总结 本文探讨了在多模态大语言模型中利用重建与隐藏的权衡进行意图混淆攻击，提出了一种基于字符移除的变体构造方法，并引入关键词相关的干扰图像以提高攻击效果。
Comments 39 pages, including appendices
稀疏到完整：从稀疏图像捕获到完整3D场景
机构 * State Key Lab of CAD\&CG, Zhejiang University（浙江大学CAD与CG国家重点实验室） ； University of Utah（犹他大学） ； Hangzhou Research Institute of Holographic and AI Technology（杭州全息与人工智能技术研究院）
AI总结 本文提出S2C-3D框架，通过六到八张图像实现高保真完整场景重建，结合专用扩散模型、视图一致性条件采样和相机轨迹规划，提升3D重建质量与鲁棒性。
Journal ref SIGGRAPH 2026 Conf. Proc
打破回声室：对抗AI接管同行评审的隐藏保障
机构 * Zhejiang University（浙江大学）
AI总结 本文提出IntraGuard框架，通过在PDF结构中嵌入异构防御文本对象，有效抵御AI生成的同行评审，实现84%的防御成功率，且不影响人类评审。
Comments 22 pages, 14 figures, 11 tables
通道级语义扰动：用于多样化训练范式的不可学习示例
机构 * School of Information and Communication Engineering, Dalian University of Technology（大连理工大学信息与通信工程学院） ； School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） ； School of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
AI总结 本文研究了在不同训练范式下不可学习示例的有效性，发现预训练权重会削弱现有方法效果，并提出Shallow Semantic Camouflage策略以提升数据不可学习性。
视觉并行思考器：用于视觉理解的分而治之推理
机构 * Zhejiang University（浙江大学） ； Hunan University（湖南大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Independent Researcher（独立研究者）
AI总结 本文提出视觉并行思考器，通过并行推理框架提升视觉理解能力，结合Pa-Attention和LPRoPE实现高效多模态处理，验证了并行推理在视觉领域的有效性。
SpatialBench: 多模态大语言模型空间认知的基准测试
机构 * Sun Yat-Sen University（中山大学） ； HKUST (GZ)（香港科技大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； CAICT（中国科学院电子技术研究所） ； UCAS（中国科学技术大学） ； CUC（中国科学技术大学）
AI总结 本文提出SpatialBench基准，通过五级空间认知框架评估多模态大语言模型的空间能力，揭示模型在感知与符号推理间的性能差异。
通过激活回放提升大多模态模型的推理能力
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； Tencent Youtu Lab（腾讯云图实验室） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学）
AI总结 本文通过激活回放方法提升大模型的多模态推理能力，通过操控低熵激活来增强推理性能，验证了该方法在数学、视觉代理和视频推理等场景中的有效性。
Comments CVPR 2026
VAnim：基于渲染的稀疏状态建模用于结构保持的向量动画
机构 * School of Software, Beihang University, Beijing, China（北京航空航天大学软件学院） ； Department of Computer Science, The University of Hong Kong, Hong Kong, China（香港大学计算机科学系） ； College of Computer Science and Technology, Zhejiang University, Hangzhou, China（浙江大学计算机科学与技术学院）
AI总结 VAnim提出了一种基于LLM的框架，通过稀疏状态更新和渲染感知强化学习，实现结构保持的向量动画生成，优于现有方法。
Comments Accepted to ICML 2026. Project page: https://yukinonooo.github.io/VAnimProject
FT-RAG：一种面向复杂表格推理的细粒度检索增强生成框架
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Zhejiang University（浙江大学） ； Zhejiang Lab（浙江实验室）
AI总结 FT-RAG通过细粒度检索和多模态融合提升表格推理能力，引入多表RAG库增强训练数据，实现表格和单元格命中率显著提升。
SixthSense：面向人类oid的无任务依赖的本体感知-only全身 wrench 估计
机构 * The Hong Kong University of Science and Technology（香港理工大学） ； Zhejiang University（浙江大学） ； Tencent Robotics X（腾讯机器人实验室）
AI总结 本文提出SixthSense，一种基于本体感知和IMU数据的无任务依赖方法，用于估计人类oid的全身接触时间和位置及外部wrench，解决浮动物理动力学和不确定接触位置的难题。
通过旋转毫米波雷达实现复杂农田中农业无人机的地形感知
机构 * School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机科学学院） ； TopXGun Robotics（TopXGun机器人） ； CARDC ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； College of Electronics and Information Engineering, Tongji University（同济大学电子信息工程学院）
AI总结 本文提出一种低成本旋转毫米波雷达框架，用于提升农业无人机在复杂农田中的地形感知能力，通过扩大空间覆盖范围和改进地形可观察性，实现更准确的地面提取和连续地形估计。
OceanPile：一个大规模多模态海洋语料库用于基础模型
机构 * College of Computer Science and Technology, Zhejiang University, Hangzhou 310027, China（浙江大学计算机科学与技术学院） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center, Hangzhou 311200, China（浙江大学杭州全球科技创新中心） ； School of Software Technology, Zhejiang University, Ningbo 315048, China（浙江大学软件学院） ； Ocean College, Zhejiang University, Zhoushan 316021, China（浙江大学海洋学院） ； State Key Laboratory of Ocean Sensing, Hangzhou 311200, China（杭州海洋传感国家重点实验室） ； Ocean Research Center of Zhoushan, Zhejiang University, Zhoushan 316021, China（舟山海洋研究中心）
AI总结 本文提出OceanPile，一个用于海洋基础模型的多模态语料库，整合了声呐数据、水下图像、海洋科学图像和科学文本，通过高质量指令数据集和评估基准提升海洋领域模型性能。
Comments Work in progress
GFT：从模仿到奖励微调：无偏组优势与动态系数校正
机构 * OmniAl Group of ZJU ACES Lab（OMNIAL集团浙江大学ACES实验室） ； School of Software Technolog,Zhejiang University（浙江大学软件技术学院）
AI总结 本文提出GFT框架，通过组优势学习和动态系数校正解决SFT的奖励稀疏性问题，提升模型泛化能力与知识注入效率。
通过动态单次策略细化实现大规模语言模型推理的资源高效强化学习
机构 * UCAS（中国科学院大学） ； HKUST(GZ)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； Sun Yat-Sen University（中山大学） ； Xidian University（西安电子科技大学） ； George Mason University（乔治·梅森大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 本文提出动态单次策略细化方法，通过减少训练样本数量和计算开销，提升大规模语言模型推理效率。
推理步扩展揭示弱点：解密和改进大语言模型中的推理泛化
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） ； City University of Hong Kong, Shenzhen Research Institute（香港城市大学深圳研究院）
AI总结 本文通过多领域任务研究发现，推理错误集中在少数关键错误类型的位置，而非均匀分布。提出在推理过程中动态识别并禁用错误处理头，从而提升推理步泛化能力。
Comments 52 pages, accepted by ICLR 2026 main conference
通过紧凑潜在多智能体协作实现视频理解的扩展
机构 * Microsoft Research Asia（微软亚洲研究院） ； Zhejiang University（浙江大学） ； Guanming Lab（冠明实验室）
AI总结 本文提出MACF框架，通过解耦智能体感知预算与全局视频复杂度，实现可扩展的视频理解，保持视觉保真度，并在多种视频理解基准上优于现有方法。
Comments 12 pages
检索推理综述：进展与挑战
机构 * Zhejiang University（浙江大学） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学） ； Yale University（耶鲁大学）
AI总结 本文综述了推理密集型检索领域，系统分析了现有基准，提出了结构化分类体系，并总结了挑战与未来方向。
Comments Accepted to the ACL 2026 Main Conference; camera-ready version
Intern-Atlas：一种方法论进化图作为人工智能科学家的研究基础设施
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； Xi'an Jiaotong University（西安交通大学） ； Zhejiang University（浙江大学） ； East China Normal University（华东师范大学） ； Hunan University（湖南大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai University（上海大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 Intern-Atlas通过构建方法论进化图，自动识别方法实体，推断方法间的关系，并捕捉驱动创新过渡的瓶颈，为AI研究提供因果网络支持。
Comments 25 pages, 5 figures, 8 tables
AesRM：通过专家级反馈提升视频美学
机构 * The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Sydney（悉尼大学） ； Alibaba Group（阿里巴巴集团）
AI总结 本文提出AesRM框架，通过分解视频美学为视觉美学、视觉保真度和视觉合理性三个维度，构建了专家标注的AesVideo-Bench基准，并开发了AesRM-Base和AesRM-CoT模型，提升了视频美学评估的准确性和可解释性。
Comments 37 pages, 14 figures, 12 tables
从幻象到基础：迈向可靠的多模态电路到Verilog代码生成
机构 * 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） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security, Hangzhou（杭州高新技术区（滨江）区块链与数据安全研究院，杭州） ； School of Artificial Intelligence and Computer Science, Nantong University（人工智能与计算机科学学院，南通大学）
AI总结 本文提出VeriGround模型，通过标识符匿名化、拒绝增强和D-ORPO对齐，解决了多模态模型在电路到Verilog代码生成中的可靠性问题，验证了真实视觉基础的重要性。
高效稀疏选择性更新RNN用于长距离序列建模
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Eindhoven University of Technology（埃因霍温理工大学） ； Zhejiang University（浙江大学）
AI总结 本文提出选择性更新RNN，通过神经元层面的二进制开关，在输入冗余时保留记忆，从而解决RNN的记忆衰减问题，实验证明其在长距离序列建模中具有高效性和准确性。
APPSI-139: 一个平行语料库，用于英语应用隐私政策的摘要与解释
机构 * Tianjin University（天津大学） ； Zhejiang University（浙江大学） ； North University of China（北方工业大学） ； Institute of Science Tokyo（东京科学研究所） ； The Hong Kong Polytechnic University（香港理工大学） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院）
AI总结 本文提出APPSI-139平行语料库，包含139个隐私政策及15,692个改写语料，结合TCSI-pp-V2框架提升摘要与解释的可读性与可靠性，优于GPT-4o等大模型。
Comments Accepted to ACL 2026 Main Conference
端到端自主科学发现于真实光学平台
机构 * State Key Laboratory of Extreme Photonics and Instrumentation, College of Information Science and Electronic Engineering, ZJU-Hangzhou Global Scientific and Technological Innovation Center, The Electromagnetics Academy at Zhejiang University, Zhejiang University（极端光子学与仪器国家重点实验室，信息科学与电子工程学院，浙大杭州国际科学技术创新中心，浙江大学电磁学学院，浙江大学）
AI总结 本文提出Qiushi Discovery Engine，通过非线性研究阶段、Meta-Trace记忆和双层架构，在真实光学平台实现端到端自主科学发现，首次实验验证了非平凡物理机制。
Comments 25 pages, 4 figures
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