高校专区
低困惑度即重复：连续扩散语言模型中的一维自调节吸引子
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Ant Group（蚂蚁集团）
AI总结 发现连续扩散语言模型（如ELF）的低困惑度源于过度重复，提出一维吸引子机制并设计ACE方法消除重复，提升文本质量。
Fora: 从权重空间到函数空间的保护在保持能力的微调中
机构 * Dalian University of Technology（大连理工大学） ； Zhejiang University（浙江大学）
AI总结 提出函数空间保护方法FORA，通过输入激活协方差的主方向投影，在微调中保留模型原有能力，实验表明优于权重空间投影。
眼见为实：基于视觉锚点的提示重写对齐用于文本到图像生成
机构 * Peking University（北京大学） ； Tencent（腾讯） ； Dalian University of Technology（大连理工大学） ； Nanyang Technological University（南洋理工大学） ； University of Cambridge（剑桥大学） ； Zhejiang University（浙江大学）
AI总结 提出FaithRewriter框架，利用多模态大模型生成中间视觉线索，结合大语言模型生成视觉锚定的增强提示，再蒸馏至小模型，以缩小用户意图与生成图像之间的差距。
PointSplat: 通过以人为中心的预测实现紧凑的高斯泼溅
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； ByteDance（字节跳动） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出PointSplat，一种以人为中心的方法，直接从输入点集推断高斯原语，通过3D空间预测减少冗余，实现紧凑表示和高质量新视角渲染。
Comments Project Page: https://zju3dv.github.io/pointsplat
MemLearner: 学习查询上下文记忆用于视频世界模型
机构 * The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Kuaishou Technology（快手科技）
AI总结 提出基于学习的自适应上下文查询方法MemLearner，利用视频生成模型自身进行上下文记忆查询，解决视频世界模型在遮挡和动态场景下的场景一致性问题。
Comments ECCV 2026, Project Page: https://yujiwen.github.io/memlearner/
UniTac: 一种用于跨传感器触觉理解与生成的统一多模态模型
机构 * Zhejiang University（浙江大学） ； Yale University（耶鲁大学） ； University of Oxford（牛津大学） ； MIT（麻省理工学院） ； Shanghai Jiaotong University（上海交通大学） ； UNIX AI
AI总结 提出UniTac，首个统一多模态模型，通过双级表示编码传感器和物体属性，实现触觉理解与生成，在跨传感器任务上达到最优性能。
Comments This paper has been accepted by ECCV 2026
HyperVLP: 在双曲空间中增强层次化手术视频-语言预训练
机构 * Zhejiang University（浙江大学） ； University of Strasbourg, CNRS, INSERM, ICube, UMR7357（斯特拉斯堡大学，CNRS，INSERM，ICube，UMR7357） ； IHU Strasbourg（斯特拉斯堡IHU） ； Technical University of Munich（慕尼黑工业大学）
AI总结 提出双曲空间手术视频-语言预训练框架HyperVLP，通过保留层次结构、缓解结构假负例并强制父子语义一致性，提升零样本和少样本手术阶段识别性能。
MIRTH：面向视觉-语言-动作智能体的基于互信息推理的时间枢纽
机构 * College of Information Science and Engineering, Ritsumeikan University（立命馆大学信息科学与工程学院） ； 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 提出MIRTH框架，通过双尺度时间记忆枢纽、互信息优化的潜在推理令牌和并行动作解码，解决VLA模型的时间短视、推理鸿沟和推理低效问题，在LIBERO和真实机器人上达到SOTA并展现错误恢复能力。
Comments Accepted as main conference paper at ACL 2026
不要破坏血管：用于血管图像翻译的结构保持平均流
机构 * School of Biological Science and Medical Engineering, Southeast University（东南大学生物科学与医学工程学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程学系） ； Zhejiang University（浙江大学） ； Suzhou Microclear Medical Instruments Co.（苏州微清医疗器械有限公司）
AI总结 提出结构保持平均流（SPMF）框架，通过拓扑不变传输和正交约束，在扩散模型中保持血管结构，并在NIRII-to-2PF和眼底数据集上达到最优性能。
超越反事实检验：基于实际因果的抽象论证反事实解释（扩展版）
机构 * Zhejiang University（浙江大学）
AI总结 针对抽象论证中的反事实解释问题，提出基于干预的反事实推理框架，通过编码论证接受条件为方程并定义干预算子，超越反事实检验，正确识别抢先和过度决定等结构中的原因。
Comments Accepted for publication at the International Conference on Computational Models of Argument (COMMA 2026)
Triospect：一种针对多样化攻击的鲁棒统计AI生成文本检测的三维框架
机构 * Zhejiang University（浙江大学） ； Zhejiang University of Technology（浙江工业大学） ； Westlake University（西湖大学） ； Shanghai Polytechnic University（上海第二工业大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出Triospect三维检测框架，通过分析文本的内容（核心思想）和表达（风格元素）来增强对17种攻击的鲁棒性，在Humanize-16K和RAID数据集上分别提升AUROC 22.3%和9.1%。
Comments TACL final version, 12 pages, 9 figures, and 9 tables
不可信AI代理的认证推测执行
机构 * School of Engineering, Institute of Science Tokyo, Japan（东京科学大学工学院） ； College of Control Science and Engineering, Zhejiang University, China（浙江大学控制科学与工程学院） ； Department of Electrical and Computer Engineering, National University of Singapore, Singapore（新加坡国立大学电气与计算机工程系）
AI总结 提出证书门控前缀接受（CGPA）方法，通过可信验证器、保形校准值边界和求解器延迟机制，实现安全、遗憾和速度的解耦，将不可信AI代理的违规率降至零。
Comments 15 pages, 2 figures, 24 tables. Includes a technical appendix (full proofs and all supplementary tables)
ALM2Vec: 利用大型音频语言模型学习通用音频检索的音频嵌入
机构 * Zhejiang University（浙江大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出ALM2Vec框架，利用预训练大型音频语言模型学习统一嵌入空间，实现跨域、任务感知的音频检索，支持指令感知检索，在标准基准上表现优异。
Comments 7 pages, 3 figures
REDI-Match: 旋转等变蒸馏实现高效鲁棒密集匹配
机构 * Tsinghua University（清华大学） ； Southern University of Science and Technology（南方科技大学） ； Beihang University（北京航空航天大学） ； Zhejiang University（浙江大学）
AI总结 提出REDI-Match框架，通过旋转等变蒸馏将视觉基础模型的语义知识注入轻量等变编码器，结合熵驱动空间对齐模块，在密集匹配中实现高效鲁棒的旋转不变性，在SatAst数据集上提升13.89%姿态精度且速度提升1.9倍。
基于级联扩散先验和UV空间可微分着色的单目虚拟人重建
机构 * Beihang University（北航） ； Great Wall Motors（长城汽车） ； CUHK-Shenzhen（香港科技大学深圳研究院） ； HKUST（香港科技大学） ； Nanjing University（南京大学） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； KAUST（王国 Abdullah 基础科学研究院） ； Tsinghua University（清华大学）
AI总结 提出数据高效框架，利用统一预训练扩散模型的鲁棒先验，通过级联LoRA依次处理纹理补全、去光照和材质分解，结合UV空间可微分BRDF着色损失，从单张野外图像重建高保真可重光照3D虚拟人。
Comments Accepted by ECCV 2026. Project page: https://luh1124.github.io/MARCUS-Avatar-Projectpage/
当多机器人系统遇见智能体AI：迈向具身集体智能
机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息与电子工程学院）
AI总结 本文提出具身集体智能（ECI）范式，通过共感知、共行动和共演化使机器人团队共享世界上下文、任务进度和技能经验，并以导航实验验证共享世界记忆继承的有效性。
两阶段跨域宫颈异常筛查：细胞病理图像合成与知识蒸馏
机构 * School of Artificial Intelligence and Computer Science, Nantong University（南通大学人工智能与计算机科学学院） ； School of Telecommunications Engineering, Xidian University（西安电子科技大学通信工程学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） ； Department of Computer Science, Durham University（杜伦大学计算机科学系）
AI总结 提出两阶段框架，先用SC-UNSB合成中间域缓解域偏移，再用知识蒸馏对齐特征，提升跨域宫颈细胞检测性能。
CWI: 复合型人形机器人全身模仿系统用于移动操作
机构 * LimX Dynamics ； The University of Hong Kong（香港大学） ； 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） ； Hong Kong University of Science and Technology（香港科技大学） ； ZJU-UIUC Institute, Zhejiang University（浙江大学伊利诺伊大学厄巴纳香槟校区联合学院）
AI总结 提出CWI框架，通过解耦上下半身动作捕捉数据，结合对抗性运动先验和多评论家架构，实现人形机器人稳定移动与灵巧操作的全身协调控制。
从粗到细：一种用于非刚性3D形状匹配的混合自监督方法
机构 * Zhejiang University（浙江大学） ； Zhejiang Lab（之江实验室） ； Wenzhou University of Technology（温州理工学院）
AI总结 提出一种基于从粗到细策略的混合自监督方法，通过双分支功能映射学习流（拉普拉斯基和弹性基）实现粗映射与精化对应的一致性，在非等距变形和拓扑噪声等挑战场景下达到最先进性能。
Agent-as-a-Router: 面向编码任务的智能体模型路由
机构 * National University of Singapore（新加坡国立大学） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； University of California, Berkeley（加州大学伯克利分校） ； The Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang University（浙江大学）
AI总结 提出Agent-as-a-Router框架，通过C-A-F循环积累执行经验，实现编码任务的动态模型路由，ACRouter在分布内任务上取得最低累积遗憾并泛化到分布外任务。
Comments 39 pages, 21 figures, a living technical report with a living benchmark that continuously updates
通过心理学推理和角色感知策略优化改进通用角色扮演智能体
机构 * Zhejiang University（浙江大学） ； Tencent Youtu Lab（腾讯优图实验室）
AI总结 提出Psy-CoT框架，将角色推理分解为三步，并结合RAPO算法通过互信息加权梯度，提升角色扮演的忠实度和泛化能力。
几何梯度修正用于安全开放集半监督学习
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Liangzhu Laboratory and WeDoctor Cloud（良渚实验室和微医云） ； Shanghai Innovation Institute（上海创新研究院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； State Key Laboratory of Transvascular Implantation Devices and TIDRI（经血管植入器械全国重点实验室和TIDRI） ； Zhejiang Key Laboratory of Medical Imaging Artificial Intelligence（浙江省医学影像人工智能重点实验室）
AI总结 提出几何梯度修正（GGR）框架，通过将辅助梯度投影到监督梯度的允许区域，解决开放集半监督学习中样本筛选与利用的权衡问题，提升闭集泛化与开放集鲁棒性。
Comments ECCV 2026
PortraitGen: 基于示例驱动的双奖励引导GRPO的逼真肖像生成
机构 * Dalian University of Technology（大连理工大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Zhejiang University（浙江大学） ； WeChat, Tencent Inc.（腾讯微信）
AI总结 提出PortraitGen框架，通过将真实图像引入GRPO采样组并设计双奖励机制（OmniReward和AI-Portrait），有效抑制AI伪影，实现逼真肖像生成。
面向单色制造的三维生成资产的外观保持优化
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Fudan University（复旦大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； Shandong University（山东大学）
AI总结 提出GenMF框架，通过外观导向的几何优化将纹理依赖的视觉线索转为几何着色效果，并引入可微应力正则化，在单色制造中保持外观细节并降低应力集中。
Comments under review
OPID: 面向智能体强化学习的在策略技能蒸馏
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学） ； Tongji University（同济大学）
AI总结 提出OPID框架，通过从在策略轨迹中提取层级技能（回合级和步骤级）提供密集标记级监督，结合结果优势进行策略优化，提升智能体性能、样本效率和鲁棒性。
ResilPhase: 即插即用的相位映射与抗噪宏轨迹外推用于扩散加速
机构 * Zhejiang University（浙江大学）
AI总结 针对扩散模型推理延迟高的问题，提出ResilPhase框架，通过将加速推理重构为ODE空间中的稳定宏轨迹外推，并引入无导数重心拉格朗日外推器和有界相位映射，实现高加速比下的抗噪加速。
Comments Accepted by ECCV 2026
LithoDreamer: 一种用于多阶段计算光刻的物理信息世界模型
机构 * Zhejiang University（浙江大学）
AI总结 提出首个物理信息世界模型LithoDreamer，将光刻流程建模为决策驱动的多步演化系统，通过对比变分优化实现可解释干预，在正向演化和逆向规划中达到最优性能。
Comments Correspondence to: Qi Sun <qisunchn \at zju \dot edu \dot cn>
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML), Jul. 6-11, 2026
先擦除后增量注意力：在Delta规则线性注意力中解耦擦除与写入地址
机构 * Qwen Team（Qwen团队） ； Nanjing University（南京大学） ； Zhejiang University（浙江大学）
AI总结 提出Erase-then-Delta Attention (EDA)，通过解耦擦除和写入地址，在Delta规则基础上增加选择性擦除步骤，提升循环记忆模型的记忆管理能力，在2.5B密集和MoE 25B-A2.8B模型上取得最优性能。
感知、判断与进化：基于事后洞察的自优化取证智能体用于AI生成图像检测
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 提出ForeAgent框架，采用感知-判断架构融合多视图线索，并引入事后洞察驱动的自优化策略，通过采样-反思-进化范式持续提升检测能力，在多个基准上达到最优性能。
Comments 10 pages
GeMoE：基于门控熵的MoE大视觉语言模型中不确定性感知自适应路由
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； 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 针对MoE架构中静态路由无法自适应选择专家的问题，提出基于门控熵的不确定性感知自适应路由方法GeMoE，通过最小描述长度原理建模复杂度与性能的权衡，在保持99.5%性能的同时提升36.5%专家激活稀疏性。
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