高校专区
Talos: 优化推荐系统中的Top-K准确度
机构 * Zhejiang University（浙江大学） ； Beijing Technology and Business University（北京技术与商务大学） ； Bangsheng Technology Co,Ltd.（bangsheng 技术有限公司） ； Hangzhou City University（杭州市大学）
AI总结 Talos通过分位数技术优化推荐系统中的Top-K准确度，解决计算开销和分布偏移问题。
Comments Accepted by WWW'26
PCEvo: 通过虚拟进化学习路径一致的分子表示
机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Department of Computing, Macquarie University（麦考瑞大学计算机系）
AI总结 PCEvo通过虚拟进化学习路径一致的分子表示，提升少样本下的分子表示学习性能。
Comments 10 pages, 4 figures, 5 tables
Vlaser：具有协同具身推理能力的视觉-语言-动作模型
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； NUS（新加坡国立大学） ； Northeastern University（东北大学） ； Shenzhen University（深圳大学）
AI总结 Vlaser通过整合高级推理与低级控制，解决了具身推理与VLA策略学习之间的关键差距，在多个基准测试中取得最佳性能。
基于协作轨迹控制的机器人操作视频生成学习
机构 * The Chinese University of Hong Kong（香港中文大学） ； Kuaishou Technology（快手科技） ； Zhejiang University（浙江大学）
AI总结 RoboMaster通过协作轨迹控制方法，解决多物体交互建模问题，实现机器人操作视频生成的高保真度与多物体交互建模。
Comments ICLR 2026. Project Page: https://fuxiao0719.github.io/projects/robomaster/
基于阻尼特性的人工神经网络：用于车辆状态估计的贝叶斯物理信息神经网络
机构 * School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai 200240, China（上海交通大学自动化与智能感知学院） ； Department of Civil, Architectural, and Environmental Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校土木、建筑与环境工程系） ； College of Electrical Engineering, Zhejiang University（浙江大学电气工程学院） ； School of Automotive Studies, Tongji University（同济大学汽车学院） ； Key Laboratory of Road and Traffic Engineering of Ministry of Education, Tongji University（同济大学交通工程教育部长三角交通工程重点实验室） ； School of Architecture, The University of Texas at Austin（德克萨斯大学奥斯汀分校建筑系）
AI总结 本文提出基于阻尼特性的贝叶斯物理信息神经网络，用于提高车辆动态车轮载荷估计的精度和鲁棒性。
Comments 8 pages, 8 figures, 3 tables, accepted for IEEE Intelligent Vehicles (IV) Symposium 2026
SWA-LDM：迈向潜在扩散模型的隐蔽水印
机构 * Software Engineering Institute, East China Normal University（华东师范大学软件工程学院） ； School of Computer Science and Technology, Harbin Institute of Technology (Shen Zhen)（哈尔滨工业大学（深圳）计算机科学与技术学院） ； College of Integrated Circuits, Zhejiang University（浙江大学集成电路学院）
AI总结 SWA-LDM通过动态随机化潜在噪声中的水印，提升潜在扩散模型的隐蔽性，实现更安全的水印部署。
Comments 12 pages, 5 figures
Dep-Search: 基于持久记忆的学习依赖意识推理轨迹
机构 * Zhejiang University（浙江大学） ； Intel Corporation（英特尔公司） ； Tsinghua University（清华大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 Dep-Search 通过 GRPO 集成结构化推理、检索和持久记忆，提升 LLM 处理复杂多跳推理任务的能力。
Comments Dep-Search 1st version
基于查询增强的上下文感知表示方法用于基于文本的人检索
机构 * Zhejiang University, Hangzhou, China（浙江大学）
AI总结 CONQUER通过增强跨模态对齐和自适应查询细化，提升基于文本的人检索的准确性和鲁棒性。
Comments Accepted by ICASSP 2026
U-Fold：面向用户中心任务的动态意图感知上下文折叠
机构 * Zhejiang University（浙江大学） ； Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） ； Westlake University（西湖大学）
AI总结 U-Fold通过动态意图感知上下文折叠方法，提升用户为中心任务中长上下文处理的效率和准确性。
可微架构搜索用于对抗鲁棒的量子计算机视觉
机构 * Fordham University（福特汉姆大学） ； Zhejiang University（浙江大学） ； University of Michigan-Dearborn（密歇根大学-德雷本分校） ； Stevens Institute of Technology（史蒂文斯理工学院）
AI总结 本文提出了一种混合的量子-经典可微架构搜索框架，通过引入经典噪声层优化量子电路结构和鲁棒性，提升量子神经网络在对抗扰动和硬件噪声下的性能。
Comments Published in Quantum Machine Intelligence
通过全局优化在大语言模型中归因和利用安全向量
机构 * Southeast University（东南大学） ； Zhejiang University（浙江大学） ； OPPO Research Institute（OPPO研究院）
AI总结 通过全局优化方法识别大语言模型中的安全向量，揭示安全机制的协作交互，并提出新的白盒劫持方法提升攻击效果。
RASTP: 基于语义标识符的生成推荐系统中的表示感知语义标记修剪
机构 * Zhejiang University（浙江大学）
AI总结 RASTP通过动态修剪低信息语义token，减少生成推荐系统的训练时间并保持推荐性能。
Comments 4 pages, WWW 2026 short paper
VideoPro: 针对长视频理解的自适应程序推理
机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Wuhan University（武汉大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 VideoPro通过自适应程序推理框架提升长视频理解的效率和可靠性，利用快慢推理机制和参数优化在视觉任务中取得更高准确率。
SliceGX: 图神经网络的分层解释方法
机构 * Zhejiang University（浙江大学） ； Case Western Reserve University（凯斯西储大学） ； Bowling Green State University（布里奇沃特州立大学）
AI总结 SliceGX是一种通过分层分析生成图神经网络解释的方法，能够逐步构建并维护子图以解释模型输出。
通过答案一致性表示塑造进行推理轨迹的幻觉检测
机构 * College of Computer Science, Sichuan University, China（四川大学计算机学院） ； School of Software Technology, Zhejiang University, China（浙江大学软件学院） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学 computing and Data Science学院）
AI总结 本文提出ARS方法，通过塑造答案一致性表示来提高推理轨迹中幻觉检测的准确性，无需人工标注即可提升检测性能。
直言探针：追踪大型语言模型中逻辑推理的演变
机构 * Zhejiang University（浙江大学） ； University of Chinese Academy of Social Sciences（中国社会科学院大学） ； Ant Group（蚂蚁集团） ； Chinese Academy of Social Sciences（中国社会科学院）
AI总结 本研究通过三段论测试揭示大型语言模型在逻辑推理演变中的特性，发现模型规模、思考机制和基础模型对逻辑发展有重要影响。
谱logit雕刻：一种自适应低秩logit变换用于受控文本生成
机构 * Zhejiang University（浙江大学） ； Binjiang Institute of Zhejiang University（浙江大学滨江学院） ； Hangzhou Dianzi University（杭州电子科技大学） ； People’s Public Security University of China（中国人民公安大学） ； Guangzhou University（广州大学）
AI总结 SLS通过自适应低秩logit变换优化文本生成，提升输出分布的尖锐度并保持上下文一致性。
Comments Accepted by IEEE ICASSP 2026
SeRL：基于有限数据的大型语言模型自我对抗强化学习
机构 * Zhejiang University（浙江大学） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； Hangzhou City University（杭州城市大学） ； 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 SeRL通过自我指令和自我奖励机制，在有限数据条件下提升大型语言模型的推理能力。
FLARE：从未校准的稀疏视角推断前馈几何、外观和相机姿态
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学）
AI总结 FLARE通过前馈模型从少量未校准稀疏视角图像中高效推断出高质量的相机姿态、3D几何和新视角合成。
E2PL: 有效且高效的提示学习用于不完整多视图多标签类别增量学习
机构 * Zhejiang University Center for Data Science（浙江大学数据科学中心） ； Zhejiang University School of Software Technology（浙江大学软件技术学院） ； Zhejiang University（浙江大学）
AI总结 E2PL通过任务定制化和缺失感知的提示设计，有效解决不完整多视图多标签类别增量学习中的缺失视图和动态类别扩展问题，提升模型鲁棒性和效率。
Comments 11 pages
通过成对最大分歧竞赛评估奖励模型泛化能力
机构 * ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC研究院） ； School of Artificial Intelligence, Nanjing University of Information Science and Technology（南京信息工程大学人工智能学院） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学Hangzhou全球科技创新中心） ； City University of Hong Kong（香港城市大学）
AI总结 本文提出PMDC方法，通过动态选择高争议测试案例评估奖励模型的泛化能力，并揭示了现有模型的系统性泛化失败问题。
Comments 17 pages, 6 figures, 2 tables
REL-SF4PASS：基于REL深度表示和球形融合的全景语义分割
机构 * School of Electronic and Information Engineering, Shanghai DianJi University（电子信息学院，上海电机大学） ； College of Computer Science and Technology, Zhejiang University（计算机科学与技术学院，浙江大学）
AI总结 REL-SF4PASS通过REL深度表示和球形动态多模态融合方法，提升全景语义分割的性能和鲁棒性。
Comments submitted to CVPR 2026
无碰撞的人形机器人在杂乱室内场景中的移动
机构 * Tsinghua University（清华大学） ； Tongji University（同济大学） ； Galbot ； Shanghai Qi Zhi Institute（上海启智研究院） ； South China University of Technology（华南理工大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 提出HumanoidPF势场方法，通过混合场景生成实现人形机器人在杂乱室内场景中的无碰撞移动，有效提升强化学习的训练效果。
增强型多域特征选择与融合的无地图轨迹预测
机构 * School of Mechanical Engineering, Zhejiang University（浙江大学机械工程学院） ； Guangdong Provincial Key Laboratory of Fully Actuated System Control Theory and Technology, School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院） ； Leapmotor Technology（Leapmotor科技） ； Department of Aeronautical and Automotive Engineering, Loughborough University（伦敦大学洛桑学院航空与汽车工程系）
AI总结 本文提出了一种无地图轨迹预测方法，通过多域特征选择与融合，提升轨迹预测的准确性和效率。
HVD: 人视觉驱动的视频表示学习用于文本-视频检索
机构 * Zhejiang University（浙江大学） ； Southwestern University of Finance and Economics（西南财经大学）
AI总结 HVD通过模拟人类视觉感知机制，提出了一种人视觉驱动的视频表示学习方法，以提升文本-视频检索的性能。
Comments Accepted by ICASSP 2026
EVolSplat4D: 面向4D城市场景合成的高效体素基于高斯点云方法
机构 * Zhejiang University（浙江大学） ； Huawei（华为） ； University of Tübingen（图宾根大学）
AI总结 EvolSplat4D通过统一体积和像素高斯预测，实现高效4D城市场景合成，提升动态和静态环境的重建精度与一致性。
无需数据的隐私保护：通过模型反向和选择性遗忘
机构 * School of Software Technology, Zhejiang University（浙江大学软件技术学院） ； Zhejiang University（浙江大学） ； Hefei University of Technology（合肥工业大学） ； Institute of Fundamental and Transdisciplinary Research, Zhejiang University（浙江大学基础与交叉学科研究院） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江区）区块链与数据安全研究院） ； 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 Key Laboratory of Big Data Intelligent Computing（浙江省大数据智能计算重点实验室）
AI总结 本文提出Data-Free Selective Unlearning方法，通过模型反向和选择性遗忘技术，在不访问训练数据的情况下有效移除LLM中的敏感PII，同时保持模型性能。
FUGC：用于宫颈分割的半监督学习方法基准测试
机构 * Department of Cardiovascular Surgery, The First Affiliated Hospital, Jinan University（心血管外科部，济南大学第一附属医院） ； Imperial College London（帝国理工学院伦敦分校） ； University of Sydney（悉尼大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Zhejiang University（浙江大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Medical University of Innsbruck（因斯布鲁克医科大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 FUGC通过提供首个宫颈分割半监督学习基准测试，展示了在少量标记数据下半监督方法的有效性，并为早产风险评估提供了AI辅助的基础。
ICPO：用于多轮对话的意涵校准策略优化
机构 * Zhejiang University（浙江大学） ； Binjiang Institute of Zhejiang University（浙江大学滨江学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； China University of Petroleum (Beijing)（中国石油大学（北京）） ； Guangzhou University（广州大学）
AI总结 ICPO通过校准模型对指令模糊性的感知，提升多轮对话的鲁棒性和协作性，实现75%的性能提升。
Comments Accepted by ICASSP 2026
TUN：利用深度学习在持续图中检测显著点
机构 * School of Mathematical Sciences Zhejiang University Hangzhou, China（数学科学学院 浙江大学 杭州, 中国）
AI总结 TUN通过深度学习方法在持续图中自动检测显著点，提升拓扑数据分析的实用性与可靠性。
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