高校专区
探索深度学习在自动皮肤疾病诊断中的挑战与价值
机构 * Polytechnic Institute, Zhejiang University（浙江大学 polytechnic 院） ； School of Social and Public Administration, East China University Of Science And Technology（东华大学社会科学与公共管理学院） ； College of Science, National University of Defense Technology（国防科技大学科学学院） ； School of Mathematical Sciences, Zhejiang University（浙江大学数学科学学院）
AI总结 本文探讨深度学习在自动皮肤疾病诊断中的挑战与价值，提出数据增强、混合模型等方法，强调其在临床决策中的潜力。
解耦ESC：通过策略-回应解耦的偏好优化增强情感支持生成
机构 * Zhejiang University（浙江大学）
AI总结 本文提出了解耦ESC框架，通过策略-回应解耦的偏好优化方法，提升情感支持生成的质量与准确性。
跨脚本手写检索的语言无关视觉嵌入
机构 * School of Integrated Circuits, Zhejiang University（浙江大学集成电路学院） ； Shanghai Innovation Institute（上海创新研究院） ； School of Electrical and Electronic Engineering (EEE), Nanyang Technological University（南洋理工大学电子与电气工程学院） ； School of Data Science, Fudan University（复旦大学数据科学学院）
AI总结 本文提出了一种轻量级双编码框架，通过学习语言无关的视觉嵌入，实现跨脚本手写检索的高精度与低资源消耗。
Comments 9 pages,5 figures
在表示之前学习：连接生成学习与对比学习以构建领域特定的LLM嵌入
机构 * Zhejiang University（浙江大学） ； Peking University（北京大学）
AI总结 本文提出LBR框架，通过生成学习和对比学习结合，在垂直领域中提升LLM嵌入的准确性和鲁棒性。
Comments 10 pages, 3 figures
PhysRVG: 基于物理的视频生成模型统一强化学习
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Zhejiang Lab（浙江实验室）
AI总结 PhysRVG通过引入基于物理的强化学习范式，统一视频生成模型，直接在高维空间中强制物理碰撞规则，提升生成视频的物理真实性。
ZPD检测器：基于能力-难度对齐的数据选择用于大语言模型
机构 * State Key Laboratory of Brain–Machine Intelligence（脑机智能国家重点实验室） ； 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 ZPD检测器通过能力-难度对齐动态选择高价值样本，提升大语言模型的数据利用效率。
超越硬掩膜：用于扩散语言模型的渐进性令牌演化
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Zhejiang University of Technology（浙江工业大学）
AI总结 本文提出EvoToken-DLM，通过演化的软令牌分布替代硬二进制掩码，实现扩散语言模型中可修正的解码，提升模型性能。
Comments Project webpage: https://aim-uofa.github.io/EvoTokenDLM
FastStair: 人类机器人跑步上楼梯的学习
机构 * School of Mechanics Engineering, Harbin Institute of Technology (HIT), Harbin Heilongjiang 150001, China（哈尔滨工业大学机械工程学院） ； LimX Dynamics, Shenzhen, China（LimX Dynamics） ； Zhejiang University-University of Illinois Urbana-Champaign Institute (ZJUI), Haining, China（浙江大学-伊利诺伊大学厄巴纳-香槟分校联合研究所） ； Department of Electronic Engineering and Information Science (EEIS), University of Science and Technology of China, Hefei 230027, China（中国科学技术大学电子工程与信息科学系） ； Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科技大学） ； Department of Mechanical Engineering, National University of Singapore, Singapore 117575（新加坡国立大学机械工程系）
AI总结 FastStair通过结合基于模型的规划器和强化学习，实现仿人机器人快速稳定的楼梯上升，展示了在高速和长楼梯上的卓越性能。
理解并保持在微调大语言模型中的安全性
机构 * Zhejiang University（浙江大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Waterloo（滑铁卢大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Sun Yat-sen University（中山大学）
AI总结 本文提出安全保持微调（SPF）方法，通过分析安全性与实用性梯度的几何关系，有效解决微调过程中安全性与实用性之间的矛盾，保持模型性能并恢复预训练的安全性对齐。
V-Zero：基于零标注的自改进多模态推理
机构 * State Key Laboratory of CAD&CG（计算机辅助设计与图形学国家重点实验室） ； Zhejiang University（浙江大学）
AI总结 V-Zero通过自改进机制在无需人工标注的情况下提升多模态模型的视觉数学推理和通用视觉能力。
CoF-T2I: 视频模型作为纯视觉推理器用于文本到图像生成
机构 * Peking University（北京大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Sun Yat-sen University（中山大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学）
AI总结 CoF-T2I通过引入链式帧推理提升文本到图像生成的质量，通过逐步视觉细化和显式推理步骤实现高质量图像生成。
Comments 16 pages, 8 figures
基于小波的4D雷达张量与相机多视图融合用于鲁棒3D目标检测
机构 * Thrust of Artificial Intelligence, Hong Kong University of Science and Technology (Guangzhou)（人工智能 thrust，香港科技大学（广州）） ； Momoniai AI ； Department of Mechanical Engineering, Massachusetts Institute of Technology（机械工程系，麻省理工学院） ； School of Information Engineering, Yancheng Institute of Technology（信息工程学院，盐城科技学院） ； College of Information Science and Electronic Engineering, Zhejiang University（信息科学与电子工程学院，浙江大学） ； Institute for Math & AI, Wuhan University（数学与人工智能研究所，武汉大学） ； College of Science and Engineering and the Centre for AI and Data Science Innovation, James Cook University（科学与工程学院及人工智能与数据科学创新中心，詹姆斯库克大学） ； School of Transportation, Southeast University（交通运输学院，东南大学）
AI总结 WRCFormer通过小波注意力模块和几何引导渐进融合机制，高效融合4D雷达张量与相机图像，提升3D目标检测在恶劣天气下的鲁棒性。
Comments 10 pages, 10 figures
BARL：表示空间和标签空间的双侧对齐用于半监督体积医学图像分割
机构 * College of Biomedical and Engineering, Fudan University（复旦大学生物医学与工程学院） ； ZJU-UIUC Institute, Zhejiang University（浙江大学浙大-UIUC研究院）
AI总结 BARL通过双侧对齐表示空间和标签空间，提升半监督体积医学图像分割的性能。
Comments 14 pages, 5 figures
利用大语言模型代理进行协调的流行病防控
机构 * The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学） ； The Hong Kong University of Science and Technology (Guangzhou), China（香港科学与技术大学（广州）） ； Zhejiang University, China（浙江大学） ； University of Macau, Macau（澳门大学）
AI总结 本文提出利用大语言模型多代理系统进行协调流行病防控，通过模拟和闭环过程减少感染和死亡率。
Comments 20pages, 6 figures, a 60-page supporting material pdf file
PhyRPR: 无训练物理约束视频生成
机构 * State Key Lab of CAD\&CG, Zhejiang University（CAD与CG国家重点实验室，浙江大学）
AI总结 PhyRPR提出一种无训练的三阶段视频生成方法，通过解耦物理理解和视觉合成，提升生成视频的物理合理性和运动可控性。
R$^2$BD: 一种基于重建的方法，用于通用性和高效的假图像检测
机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； Huawei International（华为国际）
AI总结 R$^2$BD通过统一的重建模型和残差偏差计算模块，实现了高效且通用的假图像检测，检测精度和效率均优于现有方法。
随机复用
机构 * Zhejiang Provincial Key Laboratory of Multi-Modal Communication Networks and Intelligent Information Processing, College of Information Science and Electronic Engineering, Zhejiang University（浙江省级多模通信网络与智能信息处理重点实验室，信息科学与电子工程学院，浙江大学） ； State Key Laboratory of Integrated Services Networks, Xidian University（集成服务网络国家重点实验室，西安电子科技大学） ； School of Information Science, Japan Advanced Institute of Science and Technology (JAIST)（信息科学学院，日本科学技术先进研究院（JAIST））
AI总结 本文提出了一种随机复用技术，通过解耦物理信道实现对任意范数有界和频谱收敛信道矩阵的适应性，利用随机变换域构建等效信道并优化检测器性能。
Comments This paper has been accepted for publication in IEEE Transactions on Information Theory
通过上下文空间实现计算机使用代理的安全高效访问控制
机构 * Zhejiang University（浙江大学）
AI总结 CSAgent通过引入意图和上下文感知策略，实现对计算机使用代理的安全高效访问控制，有效抵御攻击并保持系统性能。
STORM：基于双向量量化变分自编码器的时空因子模型用于金融交易
机构 * Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 STORM通过双向量量化变分自编码器从时空视角提取股票特征，融合并对齐多维嵌入，提升金融交易中因子选择的鲁棒性和有效性。
基于原型对比学习的CLIP微调用于物体重识别
机构 * College of Information Science and Electronic Engineering, Zhejiang University, China（信息科学与电子工程学院，浙江大学）
AI总结 本文提出基于原型对比学习的CLIP微调方法，用于提升物体重识别性能，无需提示学习并实现优于CLIP-ReID的性能。
UR-Bench：面向超高清图像的多跳推理基准
机构 * Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 UR-Bench是一个针对超高清图像多跳推理的基准，通过引入代理框架和语义工具，评估大语言模型在极端视觉信息下的推理能力。
Comments 10 pages, 5 figures
AgriAgent：面向现实农业的合同驱动规划与能力感知工具编排
机构 * State Key Laboratory of Brain–Machine Intelligence（脑机智能国家重点实验室） ； 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 AgriAgent通过合同驱动规划和能力感知工具编排，提升现实农业中复杂任务的执行成功率和鲁棒性。
MobiDiary: 带可穿戴设备和无线信号的自回归动作描述
机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； 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 MobiDiary通过自回归机制从可穿戴设备和无线信号生成自然语言动作描述，实现跨模态的高效活动识别。
Comments Under Review
E²-LLM：连接神经信号与可解释的情感分析
机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Eastern Institute of Technology（东方技术研究所） ； Huawei（华为）
AI总结 E²-LLM通过整合预训练EEG编码器与Qwen-based LLM，实现了可解释的情绪分析，展示了模型扩展在情感识别和可解释性上的优势。
Comments 11 pages
UniF$^2$ace: 一个统一的细粒度人脸理解和生成模型
机构 * Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Central South University（中南大学） ； Fudan University（复旦大学） ； Guangming Lab（光明实验室） ； Zhejiang University（浙江大学） ； Lancaster University（兰卡斯特大学） ； National University of Singapore（新加坡国立大学）
AI总结 UniF$^2$ace是一个专门针对细粒度人脸理解和生成的统一多模态模型，通过双离散扩散损失和多级分组专家混合架构，提升高质量面部细节生成和细粒度属性处理能力。
LOONG：在杂乱环境中实现MAV的在线时间最优自主飞行
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 LOONG框架通过集成规划与控制方法，在杂乱环境中实现MAV的高速时间最优自主飞行，结合模仿学习和模型预测控制，提升机动性能与安全性。
TALON：具有自适应令牌树的置信度感知推测解码
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） ； Zhejiang University（浙江大学）
AI总结 TALON通过自适应令牌树扩展框架，在不牺牲质量的前提下提升LLM推理速度，实现5.16倍的端到端加速。
RealMem: 在真实世界中评估大语言模型的内存驱动交互
机构 * Xidian University（西安电子科技大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Renmin University of China（中国人民大学） ； Sun Yat-sen University（中山大学） ； University of the Chinese Academy of Sciences（中国科学院大学）
AI总结 RealMem是一个基于真实项目场景的基准，评估大语言模型在长期项目导向交互中的记忆管理能力。
统一的个性化理解、生成与编辑
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 OmniPersona是首个统一LMMs的端到端个性化框架，通过结构解耦的概念标记和显式知识重播机制，实现个性化理解、生成和图像编辑的一致可控。
Fed-SE: 联邦自我进化用于隐私约束下的多环境大语言模型代理
机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； UTHealth Houston（UT健康科学中心休斯顿分校） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 Fed-SE通过局部进化与全局聚合范式，在隐私约束下提升多环境大语言模型代理的跨环境知识转移效果。
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