高校专区
DynaHOI：动态目标手-物体交互基准测试
机构 * Shanghai AI Lab, Shanghai, China（上海人工智能实验室） ； Zhejiang University, Hangzhou, China（浙江大学） ； Sichuan Provincial Digital Human Center, Chengdu Minto Technology Co., Ltd., Chengdu, China（四川省数字人文中心）
AI总结 DynaHOI提出动态目标手-物体交互基准测试，通过参数化运动生成器和大规模数据集提升动态场景下的手部交互评估能力。
CAAL：面向异方差大气回归的置信度感知主动学习
机构 * Department of Computer Science The University of Manchester Manchester Greater Manchester UK（计算机科学系 伦敦大学曼彻斯特分校 曼彻斯特 大曼彻斯特 UK） ； Department of Atmospheric Sciences Zhejiang University Hangzhou China（大气科学系 浙江大学 杭州 中国） ； Yunqi Academy of Engineering Hangzhou China（云启工程学院 杭州 中国） ； The University of Manchester（伦敦大学曼彻斯特分校） ； Zhejiang University（浙江大学） ； Yunqi Academy of Engineering（云启工程学院）
AI总结 CAAL通过置信度感知主动学习框架，解决异方差大气回归中样本选择问题，提升高成本颗粒性质数据库的扩展效率。
Comments 17 pages in total
通过推理的结构收敛检测RLVR训练数据
机构 * Zhejiang University（浙江大学） ； School of Engineering, Westlake University（西湖大学工程学院）
AI总结 通过推理结构收敛检测RLVR训练数据，提出Min-kNN距离方法有效区分训练数据与未见数据。
Comments Preprint
ContextGen: 基于情境布局锚定的多实例生成
机构 * ReLER Lab, CCAI, Zhejiang University（ReLER实验室、中国计算机学会、浙江大学）
AI总结 ContextGen通过情境布局锚定和身份一致性注意力机制，实现多实例生成中的布局控制与身份一致性，首次构建了IMIG-100K数据集并取得新突破。
Comments Project Page: https://nenhang.github.io/ContextGen/
根据能力教学LLMs：数学问题解决的自适应推理
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Surrey（萨里大学）
AI总结 TATA通过自适应框架使LLMs根据自身能力自主调整推理策略，提升数学问题解决的效率和准确性。
Comments 8 pages
思考更长以探索更深入：通过长度激励强化学习学习上下文中的探索
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； Institute of Advanced Technology, Westlake Institute for Advanced Study（西湖研究所以高级技术研究所） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 通过长度激励强化学习，提升模型在上下文中的探索能力，从而在领域内和领域外任务中取得性能提升。
梯度压缩可能损害泛化能力：通过合成数据引导的尖锐性感知最小化解决方法
机构 * Department of Information and Communication Engineering, Zhejiang University（浙江大学信息与通信工程学院） ； 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） ； Department of Electrical and Computer Engineering, North Carolina State University（北卡罗来纳州立大学电子与计算机工程系）
AI总结 本文提出FedSynSAM，通过合成数据引导尖锐性感知最小化，解决联邦学习中梯度压缩导致泛化能力下降的问题。
Brain4FMs: 一种用于电气脑信号基础模型的基准测试
机构 * Zhejiang University（浙江大学） ； Shanghai Institute of Microsystem and Information Technology, CAS（上海微系统与信息工程研究所，中国科学院）
AI总结 Brain4FMs提出了一种开放评估平台，用于评估和比较脑基础模型在电气脑信号处理中的性能和泛化能力。
SIGHT: 基于自证证据和信息增益多样分支的强化学习
机构 * Zhejiang University（浙江大学） ； Chongqing Ant Consumer Finance Co., Ltd.（重庆蚂蚁消费金融有限公司） ； Alibaba Group（阿里巴巴集团）
AI总结 SIGHT通过自证证据和信息增益驱动多样化分支，提升搜索代理的自主推理能力，减少冗余并增强探索策略。
通过随机量化和软提示实现差分隐私和通信高效的大型语言模型分拆推理
机构 * Zhejiang University, Hangzhou, China（浙江大学） ； University of Science and Technology of China, Anhui, China（中国科学技术大学）
AI总结 本文提出DEL框架，通过随机量化和软提示实现差分隐私和通信高效的LLM分拆推理，有效平衡隐私与效用。
逻辑结构作为知识：通过结构化逻辑知识密度估计增强LLM推理
机构 * Huzhou University（湖州大学） ； Zhejiang Key Laboratory of Intelligent Education Technology and Application（浙江智能教育技术与应用重点实验室） ； Banbu AI Foundation（Banbu AI基金会） ； Baichuan Inc（白川公司） ； University of Edinburgh（爱丁堡大学） ； Zhejiang University（浙江大学）
AI总结 本文提出通过结构化逻辑知识密度估计提升LLM推理能力，通过增强逻辑密度而非扩大数据量来提高模型认知潜力。
SonicSieve：利用声学微结构在智能手机上实现定向语音提取
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学）
AI总结 SonicSieve通过生物启发式声学微结构在智能手机上实现定向语音提取，提升信号质量并优于传统麦克风阵列。
分割、调和、然后征服：利用多模态语言模型解决多商品流问题
机构 * Zhejiang University（浙江大学） ； Hefei University of Technology（合肥工业大学） ； Co-corresponding authors（共同通讯作者）
AI总结 Pram利用多模态语言模型解决多商品流问题，通过分解和调和子问题实现高效优化，性能接近线性规划求解器且运行时间显著降低。
Comments Published as a conference paper at ICLR 2026
利用几何对称性进行无人机空翻的多任务强化学习
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； WINDY Lab, School of Engineering, Westlake University（西湖大学工程学院WINDY实验室） ； School of Automation Science and Electrical Engineering, Beihang University（北航自动化科学与电气工程学院）
AI总结 GEAR通过利用几何对称性，提出了一种端到端多任务强化学习框架，实现高效且灵活的无人机空翻控制，成功率达98.85%。
RePO：通过重新表述策略优化弥合基于策略学习和基于策略知识的差距
机构 * State Key Laboratory of CAD\&CG, the College of Computer Science ； Technology, Zhejiang University. ； FiT, Tencent, Shenzhen, China. ； School of Software Technology, Zhejiang University
AI总结 RePO通过重新表述策略优化，有效结合基于策略学习和基于策略知识，提升困难样本利用和模型性能。
为什么强化学习比监督微调在泛化能力上更优？一种以数据为中心的视觉语言模型后训练视角
机构 * College of Computer Science, Sichuan University（四川大学计算机科学学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； 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 本文通过数据视角揭示了RL在VLM后训练中泛化能力优于SFT的原因，提出DC-SFT方法提升OOD性能并提高稳定性。
TwiFF (Think With Future Frames): 一个大规模动态视觉推理数据集
机构 * College of Computer Science and Technology, Zhejiang University, Hangzhou, China（浙江大学计算机科学与技术学院） ； School of Computer and Computing Science, Hangzhou City University, Hangzhou, China（杭州市城市大学计算机与计算科学学院） ； Henan Academy of Innovations in Medical Science (AIMS), Zhengzhou, China（河南省医学创新研究院） ； School of Software, Beihang University, Beijing, China（北京航空航天大学软件学院）
AI总结 TwiFF提出一个大规模动态视觉推理数据集及模型，通过整合视频生成与图像理解能力，提升动态场景下的视觉问答性能。
Comments preprint
通过文本引导增强弱监督多模态视频异常检测
机构 * School of Computer Science and Technology, Hangzhou Dianzi University（杭州电子科技大学计算机科学与技术学院） ； Alibaba Cloud（阿里云） ； College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院）
AI总结 本文提出文本引导框架，通过多阶段文本增强和多尺度瓶颈Transformer融合模块，提升弱监督多模态视频异常检测的性能。
Comments Accepted by IEEE Transactions on Multimedia
VERA：识别和利用长上下文理解中的视觉证据检索头
机构 * Tongji University（同济大学） ； Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Amazon Web Services（亚马逊网络服务）
AI总结 VERA通过识别和利用视觉证据检索头，提升长上下文理解能力，显著提高开源VLMs的性能。
Comments 12 pages, 12 figures
超越学生：一种用于神经网络继承的非对称网络
机构 * Zhejiang University（浙江大学） ； Shanghai University of Finance and Economics（上海金融学院） ； Swansea University（斯旺西大学）
AI总结 InherNet通过非对称低秩分解和SVD初始化，实现比传统学生网络更高效的神经网络继承，提升模型压缩性能。
FD-DB: 用于无配对合成到真实域翻译的频率解耦双分支网络
机构 * State Key Laboratory of Fluid Power and Mechatronic System, School of Mechanical Engineering, Zhejiang University（流体动力与机械系统国家重点实验室，机械工程学院，浙江大学） ； Zhejiang Key Laboratory of Advanced Manufacturing Technology, School of Mechanical Engineering, Zhejiang University（浙江省先进制造技术重点实验室，机械工程学院，浙江大学）
AI总结 FD-DB通过频率解耦双分支模型提升合成到真实域翻译的稳定性和真实性，优化外观一致性和下游任务性能。
Comments 26 pages, 13 figures, 2 tables. Code available at https://github.com/tryzang/FD-DB
SAIL：基于最小人类反馈的扩散模型对齐的自增强迭代学习
机构 * ZheJiang University（浙江大学） ； Tencent Inc（腾讯公司）
AI总结 SAIL通过最小人类反馈实现扩散模型对齐，利用自我增强迭代学习替代传统奖励模型和大规模标注数据。
ADGaussian：通过多模态联合学习实现自动驾驶的通用高斯点云重建
机构 * School of Science and Engineering, The Chinese University of Hong Kong (Shenzhen)（中国香港中文大学（深圳）科学与工程学院） ； Zhejiang University（浙江大学）
AI总结 ADGaussian通过多模态联合学习实现自动驾驶场景的高斯点云重建，提升零样本泛化能力。
Comments The paper is accepted by ICRA 2026 and the project page can be found at https://maggiesong7.github.io/research/ADGaussian/
通过扩展UDE实现移动机械臂的动态运动/力控制
机构 * Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系） ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院）
AI总结 本文提出了一种基于扩展UDE的移动机械臂动态耦合控制方法，通过分离动态耦合项和未建模不确定性，提升系统响应速度和动态交互性能。
Journal ref Control Engineering Practice, Volume 167, 2026, 106650
RoboInter: 一种面向机器人操控的综合中间表示套件
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Beihang University（北航） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 RoboInter通过统一的中间表示套件，提升机器人操控中视觉-语言-动作系统的泛化能力和推理能力。
Comments Published to ICLR 2026, 69 pages, 40 figures
TriPilot-FF：具有力反馈的协调全身遥控
机构 * Zeno AI ； Zhejiang University（浙江大学） ； Zhejiang University of Technology（浙江工业大学） ； University of Sydney（悉尼大学）
AI总结 TriPilot-FF通过引入脚踏板触觉反馈和双臂跟随遥控，实现了具有力反馈的协调全身遥控，提升移动机械臂的操控精度和避障能力。
上下文和季节性LSTM用于时间序列异常检测
机构 * Zhejiang University（浙江大学） ； Huawei Technologies（华为技术有限公司） ； Zhejiang Key Laboratory of Decision Intelligence（浙江省决策智能重点实验室）
AI总结 本文提出CS-LSTMs框架，通过结合上下文依赖和季节性模式，提升时间序列中细微异常的检测能力，并在基准数据集上验证了其有效性。
Comments Published as a conference paper at ICLR 2026
通过降维实现去中心化在线连续亚模函数最大化问题的近似懊悔改进
机构 * School of Software Technology, Zhejiang University, Ningbo, China（浙江大学宁波校区软件学院） ； 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） ； School of Artificial Intelligence, Nanjing University, Nanjing, China（南京大学人工智能学院） ； Department of Computer Science, City University of Hong Kong, Hong Kong, China（香港城市大学计算机科学系）
AI总结 本文通过将去中心化在线连续亚模函数最大化问题转化为去中心化在线凸优化问题，改进了去中心化在线连续亚模函数最大化问题的近似懊悔界。
超越单个词对齐：通过令牌交互蒸馏多模态大语言模型
机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所信息与智能系统研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Zhejiang University（浙江大学）
AI总结 Align-TI通过令牌交互改进知识蒸馏，实现多模态大语言模型的高效压缩与性能提升
改进大型语言模型中的数据与奖励设计以提升科学推理能力
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文提出Dr. SCI数据集和后训练流程，通过探索扩展SFT、动态难度课程和SciRubric引导RL提升大型语言模型的科学推理能力。
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