高校专区
基于知识的因果发现预训练模型
机构 * Renmin University of China（中国人民大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学）
AI总结 本文提出一种整合弱先验知识的因果发现预训练模型，通过双源编码器-解码器架构和多样预训练数据集，提升模型在不同先验强度下的适应能力，实验显示在分布内、分布外及现实数据集上均优于现有基线。
ToFormer：面向大规模场景深度补全的轻量级ToF相机
机构 * State Key Laboratory of Industrial Control Technology, Institute of Cyber Systems and Control, Zhejiang University, Hangzhou, China（浙江大学工业控制技术状态重点实验室，系统与控制研究所，杭州，中国） ； Huzhou Institute of Zhejiang University, Huzhou, China（浙江大学湖州研究院，湖州，中国） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳））
AI总结 本文提出全栈框架，通过多传感器平台收集大规模真实世界ToF样本，构建首个LASER-ToF数据集，并设计传感器感知深度补全网络，结合3D-2D联合传播池和多模态交叉协方差注意力模块，提升非均匀ToF深度稀疏性下的建模效果和3D-2D融合效率，实现轻量级部署和大规模场景映射。
Comments 17 pages, 15 figures
通过弱到强分段引导提升扩散模型泛化能力
机构 * Westlake University（西湖大学） ； Tongji University（同济大学） ； Zhejiang University（浙江大学） ； University of California at Merced（加州大学默塞德分校）
AI总结 本文提出SGG方法，通过弱到强原则结合CFG和AG的优势，提升扩散模型泛化能力，并在训练和推理阶段验证其有效性。
Comments 22 pages, 12 figures
从思考者到社会：AI智能体分层自主性演化的安全问题
机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Collaborative Innovation Center of Novel Software Technology and Industrialization（新型软件技术与产业化协同创新中心） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； Independent Researcher（独立研究者） ； Zhejiang Normal University（浙江师范大学） ； School of Software Technology, Zhejiang University（浙江大学软件学院） ； Ningbo Global Innovation Center, Zhejiang University（宁波全球创新中心，浙江大学）
AI总结 研究探讨了AI智能体分层自主性演化中的安全挑战，提出三级安全框架并分析现有防御措施的不足，旨在指导可信AI智能体系统的多层防御架构设计。
三路径DINO：用于遥感多类变化检测的特征互补学习
机构 * School of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Instrumentation Science and Engineering, Harbin Institute of Technology（哈尔滨工业大学仪器科学与工程学院） ； Harbin Institute of Technology Suzhou Research Institute（哈尔滨工业大学苏州研究院） ； Ningbo Haichuang Group Co., Ltd.（宁波海创集团有限公司） ； School of Software Technology, Zhejiang University（浙江大学软件学院） ； School of Information Engineering, North China University of Water Resources and Electric Power（中国北方水利电力大学信息工程学院） ； Department of Geo-spatial Information, Information Engineering University（信息工程大学地理信息学院） ； Innovation Center of Yangtze River Delta, Zhejiang University（长三角创新中心，浙江大学）
AI总结 本文提出Tripath DINO架构，通过三路径互补特征学习策略提升预训练模型在复杂垂直领域快速适应能力，实现了在Gaza和SECOND数据集上的多类变化检测最优性能。
所有补丁都重要，更多补丁更好：通过全景补丁学习增强AI生成图像检测
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Youtu Lab, Tencent（腾讯优图实验室） ； Peking University（北京大学） ； Wechat Pay, Tencent（腾讯微信支付） ； School of Software Technology, Zhejiang University（浙江大学软件技术学院）
AI总结 本文提出全景补丁学习框架，通过随机补丁替换和补丁级对比学习，解决AI生成图像检测中的Few-Patch偏差问题，提升检测鲁棒性和泛化能力。
从基础模型学习：无需人工标注的水果检测模型
机构 * College of Biosystems Engineering and Food Science, Zhejiang University（浙江大学生物系统工程与食品科学学院） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州全球科技创新中心） ； Faculty of Science, National University of Singapore（新加坡国立大学科学学院）
AI总结 本文提出SDM-D框架，通过SDM和知识蒸馏技术，在无标注数据下训练高效的小模型，实现水果检测的高精度与速度，超越现有开放集检测方法。
Comments 35 pages, 11figures, conference or other essential info
GraphiContact: 人体-场景鲁棒接触感知用于交互系统
机构 * Tsinghua University, China（清华大学, 中国） ； XR System Application Research Center, Nanchang Research Institute, Zhejiang University, China（浙江大学南昌研究院XR系统应用研究中心, 中国） ； Beijing University of Posts and Telecommunications, China（北京邮电大学, 中国） ； University of Chinese Academy of Sciences, China（中国科学院大学, 中国） ； National University of Singapore, Singapore（新加坡国立大学, 新加坡）
AI总结 本文提出GraphiContact框架，结合单图像3D人体网格重建，利用重建的体几何结构进行接触推理，通过引入SIMU训练策略提升鲁棒性，在五个基准数据集上实现了接触预测和3D人体重建的提升。
Comments 15 pages, 9 figures, Accepted at ICME 2026
EARTalking：端到端的GPT风格自回归说话头合成与帧级控制
机构 * University of Science and Technology of China（中国科学技术大学） ； iFLYTEK ； Zhejiang University（浙江大学）
AI总结 本文提出EARTalking，一种端到端的GPT风格自回归模型，用于交互式音频驱动说话头生成，通过引入帧级流式生成范式和Sink Frame Window Attention机制，实现高效可控的视频生成。
ProMAS：利用马尔可夫转移动态进行多智能体系统的前瞻性错误预测
机构 * Zhejiang University（浙江大学）
AI总结 ProMAS通过马尔可夫转移动态预测多智能体系统中的错误，采用因果delta特征捕捉语义位移，结合前瞻性预测头和跳跃检测，实现低延迟的错误定位，提升自主推理的实时性。
LumosX：通过身份与属性的关系实现个性化视频生成
机构 * Zhejiang University（浙江大学） ； DAMO Academy, Alibaba Group（阿里云达摩院） ； Hupan Lab（虎斑实验室） ； National University of Singapore（新加坡国立大学）
AI总结 LumosX通过结合身份与属性关系，提升多主体个性化视频生成的精细度和一致性，采用数据与模型双改进策略，构建了全面的基准测试平台。
Comments ICLR 2026 Camera Ready Version. Code and Models: https://jiazheng-xing.github.io/lumosx-home/
经验是最好的老师：在大型语言模型强化学习中激励有效的探索
机构 * Dalian University of Technology（大连理工大学） ； Zhejiang University（浙江大学） ； Chinese Academy of Sciences（中国科学院）
AI总结 本文提出HeRL框架，通过引导经验提升LLM的探索效率，有效学习高质量样本，实验显示其优于基线方法并能通过经验自我改进。
具身科学：通过代理具身AI闭合发现循环
机构 * Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Tongji University（同济大学）
AI总结 本文提出具身科学框架，将科学发现视为闭环过程，结合代理推理与物理执行，通过感知-语言-行动-发现框架实现自主发现系统。
Comments Work in progress
DynFlowDrive: 基于流的动态世界建模用于自动驾驶
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出DynFlowDrive，通过流基于的动力学建模提升自动驾驶中的场景预测可靠性，引入稳定性感知的多模式轨迹选择策略，实验证明在nuScenes和NavSim基准上效果显著。
Comments 18 pages, 6 figs
PolicySim：一种基于LLM的代理社会模拟沙盒，用于主动政策优化
机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； University of Nottingham（诺丁汉大学） ； PowerChina Huadong Engineering Corporation Limited（国家电网华东工程公司）
AI总结 本文提出PolicySim，通过用户代理模块和自适应干预模块，模拟用户行为与平台干预的双向动态，实现对干预政策的主动评估与优化。
Vision-TTT: 高效的视觉表征学习与测试时间训练
机构 * Zhejiang University（浙江大学） ； Amazon Web Services（亚马逊网络服务）
AI总结 本文提出Vision-TTT，通过测试时间训练方法提升视觉表征效率与表达能力，在ImageNet分类中达到77.7%的Top-1准确率，同时在计算效率和内存消耗上显著优于现有方法。
SRGS：超分辨率3D高斯溅射
机构 * Hangzhou Dianzi University（杭州电子科技大学） ； ShanghaiTech University（上海科技大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Xiangtan University（湘潭大学） ； Griffith University（格里菲斯大学）
AI总结 本文提出统一的模块化框架，将3DGS超分辨率分解为先验注入和跨视图正则化，分析了多种方法的改进来源，并通过实验验证了方法的鲁棒性。
Comments The first to focus on the HRNVS of 3DGS
StreetForward：基于前馈因果注意力的动态街道感知
机构 * Li Auto Inc.（Li汽车公司） ； Zhejiang University（浙江大学）
AI总结 本文提出StreetForward框架，通过交替注意力机制和时间掩码注意力模块，实现动态街道的前馈重建，统一表示静态内容和动态实例，并在Waymo数据集上验证了其在视图合成和深度估计上的优越性。
VAMPO：通过改进视频动作模型的视觉动态进行策略优化
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Xiamen University（厦门大学） ； University of Sussex（Sussex大学） ； Tianjin University（天津大学） ； Wuhan University（武汉大学） ； Hebei University of Technology（河北工业大学） ； Nanjing University（南京大学） ； Fudan University（复旦大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； South China University of Technology（华南理工大学）
AI总结 VAMPO通过策略优化直接提升视频动作模型的视觉动态，结合GRPO和非对抗性奖励，在多种模拟和真实任务中提升任务相关视觉动态，增强下游动作生成和泛化能力。
面向虚假相关性缓解的超类引导的表示解耦
机构 * New York University（纽约大学） ； NYU Grossman School of Medicine（纽约大学 Grossman 医学院） ； Zhejiang University（浙江大学）
AI总结 本文提出利用超类引导解耦表示以缓解虚假相关性，通过预训练视觉-语言模型的梯度注意力对齐和理论支持的最小最大最优特征使用策略，提升模型对复杂组结构和虚假相关性的鲁棒性。
SAMA：用于指令引导视频编辑的因子化语义锚定与运动对齐
机构 * Baidu（百度） ； Tsinghua University（清华大学） ； City University of Hong Kong（香港城市大学） ； Zhejiang University（浙江大学）
AI总结 SAMA通过因子化语义锚定和运动对齐方法，在无需外部先验知识的情况下实现精确语义修改与运动保真的平衡，展示了强大的零样本视频编辑能力。
Comments 24 pages, 12 figures
LVOmniBench：开创性长音频视频理解评估用于多模态大语言模型
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Ant Group（蚂蚁集团） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； University of California Merced（加州大学默塞德分校）
AI总结 LVOmniBench旨在评估多模态大语言模型在长音频视频中的跨模态理解能力，通过275个10至90分钟的高质量视频和1014个问题-答案对，揭示当前模型在处理长形式输入时的挑战。
Comments Project page: https://kd-tao.github.io/LVOmniBench/
无监督对比学习用于高效且鲁棒的光谱形状匹配
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Research Center for Data Hub and Security, Zhejiang Lab（浙江实验室数据枢纽与安全研究中心）
AI总结 本文提出一种无监督对比学习方法，通过提升嵌入空间中的特征一致性与判别性，实现高效且鲁棒的3D形状匹配，优于现有方法。
CausalRM：基于观察性用户反馈的因果理论奖励建模用于RLHF
机构 * Peking University（北京大学） ； Xiaohongshu Inc.（小红书公司） ； Zhejiang University（浙江大学）
AI总结 本文提出CausalRM框架，通过因果理论处理观察性用户反馈中的噪声和偏见问题，提升RLHF任务性能，实验显示在WildGuardMix和HarmBench上分别提升49.2%和32.7%。
通过稀疏注意力机制实现准确且高效的多通道时间序列预测
机构 * Department of Machine Learning（机器学习系） ； SF Express（顺丰快递） ； Department of Management（管理系） ； Zhejiang University of Technology（浙江工业大学） ； Zhejiang University（浙江大学）
AI总结 本文提出Li-Net架构，通过稀疏Top-K Softmax注意力机制和多尺度投影框架，有效捕捉多通道时间序列的线性和非线性依赖，提升预测精度与效率。
Comments Accepted by ICDE 2026
Iris：将现实先验引入扩散模型以进行单目深度估计
机构 * Nanjing University of Science and Technology（南京理工大学） ； State Key Laboratory of Intelligent Manufacturing of Advanced Construction Machinery（先进施工机械智能制造国家重点实验室） ； Department of Electrical and Computer Engineering, Sungkyunkwan University（成均馆大学电子与计算机工程系） ； University of Electronic Science and Technology of China（电子科技大学） ； Zhejiang University（浙江大学）
AI总结 Iris提出一种确定性框架，整合现实先验到扩散模型中，解决单目深度估计中细节保留和现实场景泛化问题。
Comments Accepted by CVPR2026
TrajBooster：通过轨迹中心学习提升双足人形机器人的整体操作
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 TrajBooster通过利用轮式人形数据提升双足VLA性能，采用末端执行器轨迹作为通用接口，通过仿真重定向和预训练实现高效任务执行，减少对同构数据的依赖。
基于专家制定指南的自动标注：通过3D激光雷达检测基准的探讨
机构 * Zhejiang University（浙江大学） ； University of Macau（澳门大学） ； Institute of Collaborative Innovation（协同创新研究院）
AI总结 本文提出通过AutoExpert基准研究基于专家指南的自动标注，利用基础模型实现3D激光雷达数据的检测，最终将mAP提升至25.4。
Time-o1: 时间序列预测需要转换标签对齐
机构 * Xiaohongshu Inc（小红书公司） ； Zhejiang University（浙江大学） ； Renmin University of China（中国人民大学） ； Peking University（北京大学） ； State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（北京大学通用人工智能国家重点实验室，智能科学与技术学院） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Department of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Center for Data Science, Peking University（北京大学数据科学中心） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Pazhou Laboratory (Huangpu), Guangzhou, Guangdong, China（广州黄埔实验室（华南））
AI总结 本文提出Time-o1，通过转换标签对齐缓解时间序列预测中的标签自相关和任务过多问题，提升模型性能。
Comments Accepted as poster in NeurIPS 2025
Journal ref NeurIPS 2025
TexEditor: 保持结构的文本驱动纹理编辑
机构 * Nanjing University（南京大学） ； Shan Dong University（山东大学） ； Zhejiang University（浙江大学）
AI总结 本文提出TexEditor，通过数据和训练视角增强结构保持，利用TexBlender和StructureNFT提升纹理编辑效果，并引入TexBench验证其通用性。
Comments 19pages
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