高校专区
从样本到场景：概率预测的新范式
机构 * ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC研究院） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； School of Software, Tsinghua University（清华大学软件学院）
AI总结 本文提出概率场景范式，通过直接生成场景与概率对，改进概率预测模型，实现更高效和准确的预测效果。
Comments Accepted by ICLR 2026
K-Function：儿童语言功能的联合发音转录与评估反馈
机构 * Zhejiang University（浙江大学） ； UC Berkeley（加州大学伯克利分校） ； Duke University（达特茅斯大学） ； SCUT（上海交通大学） ； TVT ； UCSF（加州大学旧金山分校）
AI总结 K-Function通过结合子词转录与LLM评分，提升儿童语音识别精度，实现高效的语言功能评估。
Comments Accepted to 2026 ICASSP
MergeMix：一种用于视觉和多模态理解的统一增强范式
机构 * Westlake University（西拉克大学） ； Zhejiang University（浙江大学） ； College of Computer Science and Technology（计算机科学与技术学院）
AI总结 MergeMix通过高效的令牌合并Mixup增强方法，平衡了SFT和RL的优劣，提升多模态大语言模型的分类准确率和对齐能力。
Comments ICLR 2026, Web link: https://jinxins.github.io/MergeMix_Web/
记忆高效的机器人群2D/3D形状组装
机构 * Cavendish Laboratory, University of Cambridge（剑桥大学卡文迪许实验室） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院）
AI总结 本文提出了一种记忆高效的树表示方法和基于行为的分布式控制器，用于实现机器人群在2D和3D中的高效形状组装，显著降低了内存使用并提升了速度。
VecFormer: 向高效且通用的图变换器迈进：基于图标记注意力的图变换器
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Tongji University（同济大学） ； ShanghaiTech University（上海科技大学） ； Southern University of Science and Technology（南方科技大学） ； Jilin University（吉林大学）
AI总结 VecFormer通过两阶段训练和图标记注意力机制，提升图变换器在大规模图和分布外场景中的效率与泛化能力。
JavisDiT++：联合音频视频生成的统一建模与优化
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； University of Toronto（多伦多大学） ； HiThink Research（HiThink研究） ； University of Rochester（罗切斯特大学） ； Nanyang Technological University（南洋理工大学）
AI总结 JavisDiT++通过统一建模与优化方法，在联合音频视频生成任务中实现高质量的同步与语义对齐。
Comments Accepted by ICLR 2026. Homepage: https://JavisVerse.github.io/JavisDiT2-page
MedVAR：通过下一步尺度自回归预测实现可扩展和高效的医学图像生成
机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 MedVAR通过下一步尺度自回归预测方法，实现了高效且可扩展的医学图像生成，为医学生成基础模型提供了新的方向。
Comments 23 pages, 8 figures
REVEALER: 基于强化引导的视觉推理的元素级文本-图像对齐评估
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 REVEALER通过强化引导的视觉推理实现元素级文本-图像对齐评估，提升模型对齐判断的可解释性和效率。
OBS-Diff: 高精度扩散模型的一次性剪枝
机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学）
AI总结 OBS-Diff通过引入时间步感知Hessian构造和高效分组顺序剪枝策略，实现了扩散模型的一次性精准剪枝，提升推理效率并保持视觉质量。
GenesisGeo：技术报告
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） ； Polytechnic Institute, Zhejiang University（浙江大学多科大学院） ； Hangzhou Research Institute of AI and Holographic Technology（杭州人工智能与全息技术研究 institutes） ； Volkswagen Group Innovation（大众集团创新） ； School of Mathematical Science, Zhejiang University（浙江大学数学科学学院）
AI总结 本文提出GenesisGeo-1M数据集及基于多任务学习的几何学习框架，通过大规模合成数据提升模型在几何推理任务中的性能，实现金牌级表现。
JavisDiT：具有层次化时空先验同步的联合音频视频扩散变换器
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Rochester（罗切斯特大学） ； Nanyang Technological University（南洋理工大学）
AI总结 JavisDiT通过层次化时空先验同步机制，实现了高质量的音频视频同步生成，解决了现实场景中的同步评估问题。
Comments Accepted by ICLR 2026. Homepage: https://javisverse.github.io/JavisDiT-page/
评估LLMs在科学想法生成中的发散思维能力：基于最小上下文
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Bank of China（中国银行） ； School of Engineering Science, University of Chinese Academy of Sciences（中国科学院大学工程科学学院） ； State Key Laboratory of Nonlinear Mechanics, Institute of Mechanics, Chinese Academy of Sciences（中国科学院力学研究所非线性力学重点实验室）
AI总结 本研究提出LiveIdeaBench，通过单关键词提示评估LLMs在科学想法生成中的发散思维能力，揭示通用智能指标无法有效预测该能力，表明需专门的评估基准和不同的训练策略来提升科学想法生成能力。
Comments Updated manuscript and title
跨域少样本目标检测中的多模态原型学习
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学） ； The University of Southern Queensland（昆士兰大学）
AI总结 本文提出LMP方法，通过结合文本和视觉信息，提升跨域少样本目标检测的精度和性能。
Comments Accepted to CVPR 2026 Findings
对LLM代理轨迹进行水印标记
机构 * Zhejiang University, China（浙江大学） ； University of Virginia, USA（弗吉尼亚大学） ； Alibaba Qwen, China（阿里巴巴通义实验室） ； University of Alberta, Canada（阿尔伯塔大学）
AI总结 本文提出ActHook，一种针对LLM代理轨迹数据集的水印方法，通过在决策点插入钩子动作实现可靠的黑盒检测，实验显示其在数学推理等任务中具有高检测精度且性能影响小。
Comments 20 pages, 9 figures
RewardMap: 通过多阶段强化学习解决细粒度视觉推理中的稀疏奖励
机构 * Westlake University（西湖大学） ； Tongji University（同济大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 RewardMap通过多阶段强化学习解决细粒度视觉推理中的稀疏奖励问题，提升多模态大语言模型的视觉理解和推理能力。
Comments ICLR 2026, website: https://fscdc.github.io/RewardMap/
时空解耦的知识补偿器用于少样本动作识别
机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） ； State Key Lab of Brain-Machine Intelligence, Zhejiang University（脑机智能国家重点实验室，浙江大学）
AI总结 本文提出DiST框架，通过解耦空间和时间知识，利用大语言模型学习多粒度原型，提升少样本动作识别性能。
Comments Accepted to TPAMI 2026
对偶模型：一种 embarrassingly简单的单步生成范式
机构 * Westlake University, Hangzhou, China（西湖大学） ； Zhejiang University, Hangzhou, China（浙江大学） ； University College London, London, UK（伦敦大学学院） ； Mohamed bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE（穆罕默德·本·扎耶德人工智能大学）
AI总结 Duality Models通过一输入双输出范式，同时预测速度和流映射，提升生成稳定性与效率，在ImageNet上实现SOTA FID
Comments https://github.com/LINs-lab/DuMo
通过目标导向的偏好优化实现任务导向对话中的解耦策略与执行
机构 * School of Information Engineering, China Jiliang University, Hangzhou, China（信息工程学院，中国浙江大学，杭州，中国） ； College of Chemical and Biological Engineering, Zhejiang University, Hangzhou, China（化学与生物工程学院，浙江大学，杭州，中国）
AI总结 本文提出GOPO框架，通过解耦策略规划与响应生成，提升任务导向对话系统的长周期任务成功率。
UniReason 1.0: 一个统一的推理框架，用于世界知识对齐的图像生成与编辑
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； University of Southern California（美国南加州大学）
AI总结 UniReason 1.0通过统一推理框架整合图像生成与编辑，利用世界知识增强文本推理和视觉优化，提升复杂合成任务的性能。
RPDR：基于回程预测的数据增强框架用于长尾问答
机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； NYU Shanghai（纽约大学上海分校） ； Center for Data Science, New York University（纽约大学数据科学中心）
AI总结 RPDR通过数据增强框架提升长尾问答性能，利用回程预测选择易学实例并动态路由查询以优化检索效果。
FRAPPE：通过多未来表示对齐将世界建模注入通用策略
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； South China University of Technology（华南理工大学） ； ShanghaiTech University（上海科技大学） ； Tsinghua University（清华大学）
AI总结 FRAPPE通过多未来表示对齐提升通用机器人策略的世界建模能力，提高微调效率并减少数据依赖，实验证明其在长时序和未见场景中的泛化性能优于现有方法。
Comments Project Website: https://h-zhao1997.github.io/frappe
面向6G的代理无线通信：意图感知与持续演化的物理层智能
机构 * College of Information Science and Electronic Engineering, Zhejiang University（信息科学与电子工程学院，浙江大学）
AI总结 本文提出基于LLM的代理AI用于6G物理层，通过意图感知和持续演进实现自主通信决策。
BrainRVQ: 一种通过双域残差量化和分层自回归的高保真EEG基础模型
机构 * State Key Laboratory of Industrial Control Technology, Zhejiang University, Hangzhou, China（浙江大学工业控制技术状态重点实验室） ； Department of Electronics, Information and Bioengineering, Politecnico di Milano, Milan, Italy（米兰理工学院电子、信息与生物工程系） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China（中国科学院深圳先进技术研究所）
AI总结 BrainRVQ通过双域残差量化和分层自回归方法，实现了对EEG信号的高保真基础模型，有效提升了细粒度神经表示的学习能力。
LiveClin: 一种无泄漏的实时临床基准
机构 * The Chinese University of Hong Kong, ShenZhen（香港中文大学（深圳）） ； Ant Healthcare, Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； The Ohio State University（俄亥俄州立大学）
AI总结 LiveClin通过实时更新的临床病例基准，评估医学大语言模型在真实临床场景中的表现，揭示其在复杂医疗任务中的挑战。
快速且可扩展的解析扩散
机构 * University College London（伦敦大学学院） ； Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Monash University（墨尔本大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 本文提出GoldDiff，一种无需训练的解析扩散模型，通过动态定位黄金子集实现高效推断，显著提升大规模生成建模的可扩展性。
基于最优平面的鲁棒图像拼接
机构 * School of Artificial Intelligence, Chongqing University of Posts and Telecommunications（重庆邮电大学人工智能学院） ； Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（香港理工大学航空与航空工程系） ； School of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Institute of Information Science, Beijing Jiaotong University（北京交通大学信息科学学院）
AI总结 RopStitch通过引入虚拟最优平面和双分支架构，提升图像拼接的鲁棒性和自然性，实验表明其在多样场景中表现优异。
Comments IEEE TVCG 2026
MaS-VQA: 一种基于掩码和选择的基于知识的视觉问答框架
机构 * Zhejiang University, Hangzhou, China（浙江大学, 杭州, 中国） ； Alibaba Group, Hangzhou, China（阿里巴巴集团, 杭州, 中国）
AI总结 MaS-VQA通过结合显式知识过滤与隐式知识推理，提升基于知识的视觉问答任务的准确性和鲁棒性。
自主帆船在非均匀和时变海洋中的覆盖路径规划：一种时空优化方法
机构 * Institute of Deep-sea Science and Engineering, Chinese Academy of Sciences（中国科学院深海科学与工程研究所） ； Institute for Ocean Engineering, Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院海洋工程研究所） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学 Hangzhou 全球科技创新中心） ； Department of Engineering, Faculty of Computing, Engineering and the Built Environment, Birmingham City University（伯明翰城市大学工程系） ； School of Ocean and Civil Engineering, Shanghai Jiao Tong University（上海交通大学海洋与Civil Engineering学院）
AI总结 本文提出了一种专为自主帆船设计的时空优化方法，解决非均匀和时变海洋环境中的覆盖路径规划问题，通过空间拓扑约束和时间预测规划提升覆盖效率。
Comments 12 pages, 9 figures. This work has been submitted to the IEEE for possible publication
每一点帮助都有价值：通过细粒度可迁移多模态标记构建知识图谱基础模型
机构 * Zhejiang University, Zhejiang, China（浙江大学）
AI总结 本文提出TOFU模型，通过细粒度可迁移多模态标记提升多模态知识图谱推理的跨图谱迁移能力。
Comments Work in progress
从冲突到碰撞：一种两阶段碰撞场景测试方法用于自动驾驶系统
机构 * The University of Tokyo（东京大学） ； Zhejiang University（浙江大学） ； Kyushu University（九州大学） ； University of Alberta（阿尔伯塔大学） ； TIER IV ； TIER IV North America（TIER IV北美）
AI总结 本文提出一种两阶段碰撞场景测试方法，通过搜索冲突并突变以诱导碰撞，提升自动驾驶系统安全评估的效率和效果。
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