高校专区
用于物理交互的FLOAT无人机：侧向气流减少、力扳手建模和自适应控制
机构 * Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院网络系统与控制研究所） ； Differential Robotics Technology Company（差分机器人技术公司）
AI总结 研究针对下一代无人机空中物理交互，提出FLOAT无人机。通过同轴双旋翼布局、控制面等设计实现多维度力扳手生成等。贡献包括量化侧向气流减少，建立高保真模型并嵌入分配器，实验证明提升控制精度等。
Comments 11 pages, 18 figures
SoftVTBench：用于物理约束下可变形物体机器人操作的安全感知视觉触觉基准测试
机构 * Tuojing Intelligence（拓景智能） ； Tsinghua University（清华大学） ； King’s College London（伦敦国王学院） ； Southeast University（东南大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Manchester（曼彻斯特大学） ； Simple AI（简单人工智能公司） ； Imperial College London（伦敦帝国学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； The University of Hong Kong（香港大学）
AI总结 研究物理约束下可变形物体操作，提出SoftVTBench基准测试，通过有限元模拟可变形物体，定义任务套件，分别报告目标成功和安全成功，实现基线并实验，表明仅成功评估高估策略性能，触觉传感可提升安全性。
SOV-CAD：逐步正交视图引导的CAD建模序列重建
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； Zhejiang Key Laboratory of Digital-Intelligence Service Technology, Zhejiang University（浙江大学数字智能服务技术重点实验室） ； ZWSOFT Co., Ltd.（ZWSOFT公司）
AI总结 研究从图像重建CAD建模序列，引入逐步视觉监督，提出SOV-CAD框架将其作为序列决策任务，用离线强化学习及决策变压器架构，利用几何对齐奖励的视觉反馈，提升重建准确性与数据效率。
Comments Accepted to ICME 2026
Sparse4D-Radar：一种通过4D雷达-相机融合实现高效且稳健的环视3D目标检测框架
机构 * State Key Laboratory of Ocean Sensing and Ocean College, Zhejiang University（浙江大学海洋传感与海洋学院海洋传感技术国家重点实验室） ； Engineering Research Center of Oceanic Sensing Technology and Equipment, Ministry of Education, Zhejiang University（浙江大学海洋传感技术与装备教育部工程研究中心） ； Donghai Laboratory（东海实验室） ； Ocean College, Institute of Marine Electronics and Intelligent Systems, Zhejiang University（浙江大学海洋学院海洋电子与智能系统研究所）
AI总结 针对4D成像雷达在环视感知缺乏成熟方案的问题，提出Sparse4D-Radar框架。设计可变形融合模块等，经实验验证该框架在环视3D检测性能上达先进水平，兼顾精度、鲁棒性与效率。
Comments 13 pages, 6 figures
OmniOpt：现代优化器的分类法、几何结构及基准测试
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai University（上海大学） ； Westlake University（西湖大学） ； Shanghai Jiao Tong University（上海交通大学） ； UCAS（中国科学技术大学） ； Zhejiang University（浙江大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 针对大规模模型训练的优化器选择受多种因素制约且方法零散，介绍OmniOpt，通过五阶段元管道、规范约束线性最小化预言机等构建统一分类法和跨域基准测试，为优化器选择提供操作坐标系。
Comments Survey & benchmark preprint V1 (91 pages)
DICT：用于扩散模型条件图像生成的数据注入和对比轨迹细化
机构 * Zhejiang University（浙江大学）
AI总结 针对条件图像生成，提出DICT方法。通过数据注入将噪声扰动条件信号融入早期去噪阶段，结合对比轨迹细化，在统一扩散框架下提升生成质量，且无需引入任务相关架构，跨任务转移效果好。
Comments Accepted by ECCV 2026
将交错多模态推理作为统一决策过程进行衔接
机构 * Nanjing University（南京大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Washington（华盛顿大学） ； The Chinese University of Hong Kong（香港中文大学） ； Australian National University（澳大利亚国立大学）
AI总结 研究统一多模态模型中强化学习优化多轮生成的问题，提出BRAID框架，将文本-图像-文本推理视为统一马尔可夫决策过程，通过单一强化学习目标联合优化文本和视觉生成，实验表明该框架性能优于基线。
Comments 22 pages, 8 figures
CoRE-VLA：通过专家的条件路由实现可扩展且稳健的视觉-语言-动作建模
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； Jilin University（吉林大学）
AI总结 研究视觉-语言-动作模型在实际部署中的挑战，提出CoRE-VLA框架，通过上下文条件稀疏计算生成动作，利用传感器可用性和任务意图进行专家路由，实验证明其在多任务等方面表现出色。
ProLaViT：在结构化潜在空间中学习渐进式潜在视觉思维
机构 * Basic Algorithm Center, PCG, Tencent（腾讯PCG基础算法中心） ； Zhejiang University（浙江大学） ； Peking University（北京大学）
AI总结 针对多模态大语言模型在复杂视觉推理任务中的不足，ProLaViT框架利用内生自蒸馏机制等，设计两种推理范式及损失函数，使其能在潜在空间进行结构化视觉推导，实验证明效果优于基线。
Comments Accepted by ECCV 2026
大规模安全测试LLM智能体：从风险发现到基于证据的验证
机构 * AntGroup（蚂蚁集团） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Alibaba Group（阿里巴巴集团） ； Hunan Institute of Advanced Technology（湖南先进技术研究院） ； Deakin University（迪肯大学）
AI总结 提出Vera框架，通过文献驱动的风险发现、组合生成可执行安全用例和自适应执行与证据验证三阶段流水线，实现端到端自动化安全测试，在四个生产级智能体框架上发现严重漏洞，平均攻击成功率93.9%。
GUI-AC：增强GUI代理的持续学习能力
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 针对GUI代理在持续学习中的分布漂移和强化微调不稳定性问题，提出GUI-AC方法，通过自适应优势和动态裁剪机制提升性能，超越现有基线。
对齐即一切：X到4D生成
机构 * Zhejiang University（浙江大学）
AI总结 提出Align4D框架，通过物体距离对齐、运动-几何联合对齐和异步优化，实现任意模态输入到4D视频-3D对的生成，在X4D和Consistent4D数据集上达到最先进水平。
EAGLE-360: 360°环境中的具身主动全局到局部探索
机构 * Zhejiang University（浙江大学） ； Central China Normal University（华中师范大学）
AI总结 针对多模态大模型在360°全景主动视觉搜索中因极地畸变和连续拓扑建模不足导致的效率低下问题，提出EAGLE-360框架，通过全局先验引导局部探索，结合RoPE Rolling位置编码和GRPO训练，实现近8倍精度提升。
Comments Preprint
EvoPolicyGym：评估交互环境中的自主策略进化
机构 * University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Macau（澳门大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Soochow University（苏州大学） ； Brown University（布朗大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出自主策略进化评估框架，通过EvoPolicyGym基准测试代理在固定交互预算下迭代改进策略的能力，GPT-5.5在16个环境中表现最优，并揭示预算分配与反馈转化机制。
Comments 24 pages
纯化OPSD：在不失去思考能力的情况下进行在线自我蒸馏
机构 * Zhejiang University（浙江大学） ； Tongyi Lab, Alibaba Group（阿里云实验室，阿里巴巴集团） ； Huazhong University of Science and Technology（华中科技大学） ； Jilin University（吉林大学）
AI总结 针对在线自我蒸馏（OPSD）在长链思维推理模型中失效的问题，通过分解教师监督信号，发现参考诱导成分导致死记硬背，提出基于点互信息的参考隔离方法，在保持模型认知行为的同时提升性能。
VLA-Corrector：面向自适应动作视界的轻量级检测与校正推理
机构 * OmniAI Group of ZJU ACES Lab（浙江大学ACES实验室OmniAI组） ； Zhejiang University（浙江大学） ； Alibaba DAMO Academy（阿里巴巴达摩院）
AI总结 提出VLA-Corrector，一种轻量级校正推理框架，通过潜在空间视觉监控和在线梯度引导，实现事件触发的自适应动作视界，在不修改骨干策略权重的情况下，中断复合错误并提升鲁棒性。
Comments 22 pages, 14 figures
MedStreamBench: 面向流式与主动式医疗视频理解的时间感知基准
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Department of Electrical and Computer Engineering, Carnegie Mellon University（卡内基梅隆大学电气与计算机工程系）
AI总结 提出MedStreamBench基准，通过时间受限证据窗口和主动监控设置，评估模型在流式与主动式医疗视频理解中的回答时机与正确性，发现离线识别与时间感知决策间存在显著差距。
Comments 10 Pages, 5 Figures
重新审视带压缩通信的分布式在线凸优化
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全全国重点实验室）
AI总结 针对带压缩通信的分布式在线凸优化，首次提出两种基于跟随正则化领导者的算法，在完整信息和赌博机设置下分别匹配或显著改进现有遗憾界与通信成本。
基于消息传递的双时间尺度贝叶斯学习用于联合信道和记忆硬件损伤跟踪
机构 * Zhejiang University（浙江大学） ； National Key Laboratory of Millimeter-Wave and Terahertz Remote Sensing（毫米波与太赫兹遥感全国重点实验室） ； Zhejiang Provincial Key Laboratory of Information Processing, Communication and Networking (IPCAN)（浙江省信息处理、通信与网络重点实验室） ； 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）
AI总结 提出消息传递双时间尺度贝叶斯深度学习框架，利用残差循环门控单元建模硬件损伤记忆，通过快速时变马尔可夫先验和慢变高斯马尔可夫先验分别处理信道与损伤参数，结合Turbo-OAMP和DAMP实现联合跟踪。
安全且自适应的云修复：使用神经符号世界模型验证LLM生成的恢复计划
机构 * Zhejiang University（浙江大学）
AI总结 提出PASE框架，将LLM作为规划引擎生成恢复计划，通过神经符号世界模型验证可行性，并利用DRL优化提示，实现动态自适应修复，显著降低恢复时间并提高未知故障检测精度。
Comments 13 pages
超越怀疑：用自适应教学警觉框架评估大语言模型的教学意图推理
机构 * Zhejiang University（浙江大学）
AI总结 提出自适应教学警觉（APV）框架，通过贝叶斯教学意图推理引擎建模教学选择与学习者推理，显著提升LLM区分教学与暴露内容的能力，与人类判断高度相关。
Comments 22 pages
Ink3D: 通过视频生成模型雕刻具有极其复杂纹理的3D资产
机构 * ZGCA & ZGCI（ZGCA 和 ZGCI） ； Microsoft Research（微软研究院） ； Zhejiang University（浙江大学） ； HKUST（香港科技大学）
AI总结 提出Ink3D框架，利用大规模视频生成模型合成复杂纹理，通过OrbitPainter生成密集轨道扫描视频，并用TextureOptimizer进行神经烘焙以生成一致纹理。
Comments Accepted to ECCV 2026. Project page: https://yuehan99.github.io/Ink3D-TextureGen/
感知到推理：解耦感知与推理用于细粒度视觉推理
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 提出Perceive-to-Reason (P2R)框架，将细粒度视觉推理解耦为感知和推理两阶段，并引入PRA-GRPO强化学习策略，在多个高分辨率基准上显著提升性能。
Comments Code: https://github.com/ZJU-REAL/Perceive-to-Reason
直接以最小信息损失压缩大规模数据集
机构 * University College London（伦敦大学学院） ； Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； University of Macau（澳门大学）
AI总结 针对现有数据集蒸馏方法因隐式双压缩导致信息损失和跨架构泛化差的问题，提出CIM框架，通过直接量化并最小化原始与合成数据集间的信息差距，实现高保真信息压缩，在ImageNet-1K上以IPC=10、80分钟训练达到48.7% Top-1准确率。
Comments Accepted by ECCV 2026
面向视觉强化学习泛化的任务相关表示解耦
机构 * Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence, School of Computer Science & Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院交通数据挖掘与具身智能北京市重点实验室） ； CSSC Intelligent Innovation Research Institute（中国船舶集团智能创新研究院） ； Zhejiang University（浙江大学）
AI总结 提出自监督任务相关表示解耦算法T2RD，通过表示一致性、交叉重建和交叉动态预测分离任务相关与无关特征，在控制任务中实现SOTA泛化性能。
Comments 23 pages, 13 figures
Journal ref ACM Transactions on Multimedia Computing, Communications and Applications (TOMM), 2026
多标签节点分类中的标签影响传播
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Capital One ； GrabTaxi Holdings Pte. Ltd.（GrabTaxi控股私人有限公司）
AI总结 提出标签影响传播（LIP）模型，通过分解GNN的消息传递为传播和变换操作，量化标签间影响，构建标签影响图传播高阶影响，动态调整学习过程，在多标签节点分类任务上超越现有方法。
Comments Accepted to ICLR 2025
GEAR-Seg：用于推理分割和数据引擎的基于可解释智能体
机构 * College of Biosystems Engineering and Food Science, Zhejiang University（浙江大学生物系统工程与食品科学学院） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州国际科创中心）
AI总结 提出GEAR-Seg，一种解耦的智能体框架，通过将像素转换为属性文本实现可解释推理分割，零样本性能优异，并可作为数据引擎构建大规模基准GEAR-131K。
Comments 21 pages, 8 figures
Restore3D：通过形状和纹理修复为破损物体注入生机
机构 * ReLER, CCAI, Zhejiang University（ReLER、CCAI、浙江大学）
AI总结 提出Restore3D框架，利用多视图图像同时修复破损物体的几何形状和纹理，通过自动数据生成、掩码自感知模块和深度感知掩码修正器生成高分辨率多视图图像，再经粗到细重建获得带纹理的3D网格。
MindEdit-Bench：基于野外照片的VLM中对象级反事实空间推理基准
机构 * ZODA ； Zhejiang University（浙江大学） ； Tongji University（同济大学） ； The University of Tokyo（东京大学）
AI总结 提出MindEdit-Bench基准，包含六项空间推理任务，其中两项新任务（L4和L5）测试对象级反事实推理，VLM平均准确率仅8%-31%，远低于人类的81%-97%。
Comments 18 pages, 7 figures. Dataset available at https://huggingface.co/datasets/ZODAOfficial/MindEdit-Bench
MolSafeEval: 揭示AI生成分子安全风险的基准
机构 * Zhejiang University（浙江大学） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center（浙大-杭州全球科技创新中心） ； University of Oxford（牛津大学）
AI总结 提出MolSafeEval基准，通过构建分子安全知识图谱和基于大语言模型的推理，系统评估四类分子生成模型的安全风险，揭示当前方法的漏洞。
Comments Accepted by Findings of ACL 2026
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