高校专区
FraudShield: 基于知识图谱的LLM对抗欺诈攻击防御方案
机构 * Zhejiang University（浙江大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； OPPO Research Institute（OPPO研究院） ； Zhejiang Key Laboratory of Decision Intelligence（浙江决策智能重点实验室）
AI总结 FraudShield通过构建欺诈战术-关键词知识图谱，提升LLM对抗欺诈攻击的能力，实验显示其在多个LLM和欺诈类型上表现优异，且提供可解释的防御线索。
Comments WWW 2026
从分布式强化学习教师中持续政策蒸馏
机构 * Department of XXX, University of YYY, Location, Country ； School of ZZZ, Institute of WWW, Location, Country ； Zhejiang University, Zhejiang, China ； South University of Science ； Hong Kong University, Hong Kong, China ； INFIFORCE Intelligent Technology Co., Ltd., Hangzhou, China ； The Hong Kong Polytechnic University, Hong Kong, China ； School of Computer Science, Carnegie Mellon University
AI总结 本文提出一种教师-学生框架，通过分布式强化学习训练单任务模型并持续蒸馏到通用模型，实现高效的持续强化学习。
Comments 19 pages (8 pages main text)
通过不变轨迹学习实现通用的多模态大语言模型编辑
机构 * Zhejiang University, China（浙江大学） ； Singapore Management University, Singapore（新加坡管理学院） ； National University of Singapore, Singapore（新加坡国立大学） ； Hangzhou Dianzi University, China（杭州电子科技大学） ； Jiangxi Normal University, China（江西师范大学）
AI总结 本文提出ODEit框架，通过不变轨迹学习提升多模态大语言模型的编辑可靠性、局部性和泛化能力。
不要只微调智能体，而是微调环境
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Nanjing University（南京大学）
AI总结 本文提出环境微调方法，通过结构化课程和环境增强，使智能体无需专家轨迹即可高效学习复杂行为，实现更稳健的泛化能力。
Comments ICLR 2026
通过任务导向的对抗性记忆适应增强对话代理
机构 * Xi’an Jiaotong University（西安交通大学） ； City University of Hong Kong（香港城市大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Zhejiang University of Technology（浙江工业大学）
AI总结 本文提出对抗性记忆适应机制，通过模拟任务执行提升对话代理对长对话的处理能力。
Comments 11 pages, 4 figures
深度思考，快速行动：多视角链式推理的潜在推理蒸馏用于电子商务相关性
机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） ； Zhejiang University（浙江大学）
AI总结 本文提出多视角链式推理蒸馏方法，通过改进的教师模型和轻量级学生模型提升电子商务搜索相关性建模的准确性和效率。
Comments 12 pages, 6 figures, Accepted by WWW2026 industry track
SIGMA-PPG：基于统计先验的生成掩码架构用于PPG基础模型
机构 * Department of Electronics, Information and Bioengineering, Politecnico di Milano（电子工程与信息生物工程系，米兰理工大学） ； State Key Laboratory of Industrial Control Technology, Zhejiang University（工业控制技术国家重点实验室，浙江大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Nell Hodgson Woodruff School of Nursing, Emory University（埃默里大学护理学院）
AI总结 SIGMA-PPG通过统计先验引导的生成掩码架构，利用强化学习和向量化量化提升PPG信号基础模型的鲁棒性和性能。
Comments 31 pages, 9 figures, 14 tables
ICON：意图-上下文耦合用于高效的多轮 jailbreak 攻击
机构 * Zhejiang University（浙江大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； Northwestern University（西北大学） ； Sun Yat-sen University（中山大学）
AI总结 ICON 提出了一种高效的多轮 jailbreak 攻击框架，通过意图-上下文耦合和分层优化策略，显著提升攻击成功率。
MALLOC：用于大规模序列推荐的内存感知长序列压缩基准测试
机构 * Zhejiang University（浙江大学） ； Huawei Noah's Ark Lab（华为诺亚实验室） ； Tsinghua University（清华大学）
AI总结 MALLOC提出了一种用于大规模序列推荐的内存感知长序列压缩基准测试，通过系统分类内存管理技术并整合到先进推荐系统中，以提升推荐系统的整体可靠性。
MMGRid: 通过模型融合实现时间感知和跨领域生成推荐
机构 * Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 MMGRid通过模型融合解决跨领域生成推荐中的时间感知和上下文融合问题，揭示参数冲突和近期偏差的解决方法。
Comments https://github.com/Joinn99/MMGRid
深度图RAG：一种面向层次检索与自适应整合的平衡方法
机构 * Zhejiang University（浙江大学）
AI总结 Deep GraphRAG通过分层检索与自适应整合方法，在效率与全面性之间取得平衡，利用动态奖励机制提升知识整合性能。
TimeSeries2Report提示使大语言模型适应性管理锂离子电池
机构 * State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University, Hangzhou, 310027, China（工业控制技术国家重点实验室，控制科学与工程学院，浙江大学，杭州，310027，中国） ； Department of Chemical Engineering, Queen’s University, Kingston, Ontario K7L 3N6, Canada（化学工程系，皇后大学，金斯顿，安大略省K7L 3N6，加拿大）
AI总结 TimeSeries2Report通过将时间序列数据转化为结构化报告，提升大语言模型在锂离子电池管理中的适应性和决策能力。
FLARE：通过强化学习实现四旋翼缆悬载具系统的敏捷飞行
机构 * College of Control Science and Engineering, Zhejiang University（控制科学与工程学院，浙江大学）
AI总结 FLARE通过强化学习实现四旋翼缆悬载具系统的敏捷飞行，相比传统方法提升了3倍的执行速度，并实现了高效的仿真到现实转移。
通过数据增强和蒸馏提升大语言模型用于心理操控检测
机构 * Zhejiang University（浙江大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究所（TeleAI），中国电信）
AI总结 通过数据增强和蒸馏提升大语言模型用于心理操控检测，提高检测准确率和F1指标
Comments Accepted to WWW 2026
FreeFix: 通过无微调扩散模型提升3D高斯散射
机构 * Zhejiang University（浙江大学） ； University of Maryland, College Park（马里兰大学学院 park 分校） ； Huawei（华为）
AI总结 FreeFix通过无微调扩散模型提升3D高斯散射，实现高质量视图合成与强泛化能力。
Comments Our project page is at https://xdimlab.github.io/freefix
CtrlCoT：用于可控推理的双粒度推理链压缩
机构 * Zhejiang University（浙江大学）
AI总结 CtrlCoT通过双粒度方法实现高效可控推理，结合语义抽象与标记级删除，提升推理效率和可靠性。
Comments 16 pages, 9 figures, 11 tables
拼凑心灵的拼图：迈向EEG语义意图解码
机构 * Zhejiang University（浙江大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences（中国科学院上海微系统与信息工程研究所） ； Guangdong-Hong Kong-Macao Greater Bay Area Center for Brain Science and Brain-Inspired Intelligence, Southern Medical University（粤港澳大湾区脑科学与脑启发智能中心，南方医科大学） ； INSIDE Institute for NeuroAI（神经AI研究所）
AI总结 本文提出SID框架和BrainMosaic模型，通过语义组合和深度学习实现EEG信号的自然语言解码，提升脑机接口的可解释性和表达能力。
最低跨度置信度：一种用于高效且黑盒幻觉检测的零样本度量
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
AI总结 本文提出了一种名为最低跨度置信度（LSC）的零样本度量，用于高效且黑盒检测大型语言模型中的幻觉问题。
RubricHub: 通过自动化粗到细生成构建一个全面且高度判别性的评分标准数据集
机构 * Li Auto Inc. ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳））
AI总结 RubricHub通过自动化粗到细生成方法构建了一个大规模多领域评分标准数据集，通过后训练流程显著提升了模型在HealthBench上的表现。
TwinFlow: 在大模型上实现一步生成的自对抗流
机构 * Inclusion AI ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学）
AI总结 TwinFlow 提出了一种无需预训练教师模型和标准对抗网络的一步生成框架，实现了在大模型上高效生成，提升了推理效率并降低了计算成本。
Comments arxiv v1, accepted to ICLR 2026
PLANA3R: 通过前馈平面撒点实现零样本度量平面三维重建
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Ant Group（蚂蚁集团） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； The Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 PLANA3R通过前馈平面撒点实现零样本度量平面三维重建，无需显式平面监督，适用于大规模立体数据集。
Comments Camera-ready version of a paper in 39th Conference on Neural Information Processing Systems (NeurIPS 2025). The project page is available at: https://lck666666.github.io/plana3r
GraphTARIF: 带增强秩和改进焦点的线性图变换器
机构 * Zhejiang University（浙江大学） ； United Arab Emirates University（阿联酋大学）
AI总结 GraphTARIF通过增强注意力的秩和焦点，改进了图变换器的表达能力，从而在保持线性时间复杂度的同时提升了分类性能。
Comments Accepted by WWW 2026. Research Tracks - Graph Algorithms and Modeling for the Web
视觉多智能体系统：通过视觉流缓解幻觉雪球效应
机构 * National University of Singapore（国立新加坡大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学）
AI总结 本文提出ViF方法，通过视觉流和注意力重新分配缓解多智能体系统中的视觉幻觉雪球效应，提升性能。
推动多模态推理：从优化冷启动到分阶段强化学习
机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Soochow University（苏州大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出ReVisual-R1，通过优化冷启动和分阶段强化学习提升多模态推理能力，在多个挑战性基准测试中取得新突破。
Comments 19 pages, 6 figures
DGRAG：边缘-云计算系统中的分布式图驱动检索增强生成
机构 * Zhejiang University（浙江大学）
AI总结 DGRAG是一种面向边缘-云计算系统的分布式图驱动检索增强生成框架，通过边缘设备本地知识图和云端轻量级索引实现隐私保护和高效检索。
领域重要性：一种轻量级的LLM增强CTR预测方法
机构 * Zhejiang University（浙江大学） ； OPPO Research Institute（OPPO研究院）
AI总结 LLaCTR通过领域级增强范式，提出一种轻量级LLM增强CTR预测方法，提升CTR预测的有效性和效率。
扩散噪声特征：准确且快速的生成图像检测
机构 * Zhejiang University（浙江大学）
AI总结 本文提出扩散噪声特征（DNF）以提高生成图像检测的准确性和泛化能力，通过训练ResNet-50实现高鲁棒性的检测。
Comments Accepted by ECAI 2025
Journal ref ECAI 2025
KeepLoRA: 基于残差梯度适应的持续学习
机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Key Laboratory of Computer Network and Information Integration (Southeast University), Ministry of Education, China（教育部计算机网络与信息集成重点实验室） ； School of Software Technology, Zhejiang University（浙江大学软件学院）
AI总结 KeepLoRA通过残差梯度适应方法实现持续学习，有效平衡知识保留、任务知识保持和新知识获取，取得最佳性能。
Comments Accepted at ICLR 2026
辅助惯性导航策略用于自主水下航行器的松散耦合系统：姿态误差建模与方差传播
机构 * State Key Laboratory of Ocean Sensing, Ocean College of Zhejiang University（浙江大学海洋传感国家重点实验室）
AI总结 本文提出一种结合姿态误差建模与方差传播的松散耦合惯性导航策略，有效抑制长期误差发散，提升自主水下航行器的导航精度。
LLM-VA: 通过向量对齐解决对抗性回应与过度拒绝的权衡
机构 * Zhejiang University（浙江大学） ； Griffith University（格里菲斯大学） ； Huzhou Institute of Industrial Control Technology（湖州工业控制技术研究院）
AI总结 LLM-VA通过向量对齐解决大型语言模型在对抗性回应与过度拒绝间的权衡问题，提升安全性和效用。
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