Unveiling the Potential of Vision-Language-Action Models with Open-Ended Multimodal Instructions
机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学）
高校专区
Zhejiang University（浙江大学）
Bidirectional Distillation: A Mixed-Play Framework for Multi-Agent Generalizable Behaviors
机构 * Zhejiang University（浙江大学）
On the Security Risks of ML-based Malware Detection Systems: A Survey
机构 * Zhejiang University（浙江大学） ； UCL（伦敦大学） ； ETH Zürich（苏黎世联邦理工学院） ； Stony Brook University（石溪大学）
ImputeINR: Time Series Imputation via Implicit Neural Representations for Disease Diagnosis with Missing Data
机构 * Zhejiang Key Laboratory of Accessible Perception and Intelligent Systems, College of Computer Science, Zhejiang University（浙江可感知与智能系统重点实验室，计算机科学学院，浙江大学） ； The Zhejiang University-University of Illinois Urbana-Champaign Institute（浙江大学-伊利诺伊大学厄巴纳-香槟分校联合研究所）
Comments Accepted by IJCAI 2025
Unveiling Attractor Cycles in Large Language Models: A Dynamical Systems View of Successive Paraphrasing
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Chinese University of Hong Kong（香港中文大学）
Comments 9 pages
Efficient and Comprehensive Feature Extraction in Large Vision-Language Model for Pathology Analysis
机构 * School of Software Technology, Zhejiang University（浙江大学软件技术学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； First Affiliated Hospital, College of Medicine, Zhejiang University（浙江大学医学院第一附属医院）
Depth Anything with Any Prior
机构 * Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学）
Comments Home page: https://prior-depth-anything.github.io/
T2A-Feedback: Improving Basic Capabilities of Text-to-Audio Generation via Fine-grained AI Feedback
机构 * Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学）
Comments ACL 2025
MambaControl: Anatomy Graph-Enhanced Mamba ControlNet with Fourier Refinement for Diffusion-Based Disease Trajectory Prediction
机构 * Faculty of Applied Sciences, Macao Polytechnic University（应用科学学院，澳门理工学院） ； Department of Electrical Engineering, Zhejiang University（电气工程学院，浙江大学） ； Department of Computer Science, The University of Adelaide（计算机科学学院，阿德莱德大学） ； Department of Computer Science, University of Birmingham（计算机科学学院，伯明翰大学）
TSINR: Capturing Temporal Continuity via Implicit Neural Representations for Time Series Anomaly Detection
机构 * Zhejiang University（浙江大学） ； Zhejiang Lab（浙江实验室）
Comments Accepted by SIGKDD 2025
EMMOE: A Comprehensive Benchmark for Embodied Mobile Manipulation in Open Environments
机构 * Zhejiang University（浙江大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Washington（华盛顿大学）
FAMMA: A Benchmark for Financial Domain Multilingual Multimodal Question Answering
机构 * Alipay（支付宝） ； Zhejiang University（浙江大学） ； TTIC ； Purdue University（普渡大学）
Endo-CLIP: Progressive Self-Supervised Pre-training on Raw Colonoscopy Records
机构 * Digital Medical Research Center, School of Basic Medical Sciences, Fudan University, Shanghai, China（上海复旦大学基础医学学院数字医学研究中心） ； University College London, London, UK（伦敦大学学院） ； Shanghai Key Laboratory of MICCAI, Shanghai, China（上海MICCAI重点实验室） ； Endoscopy Center and Endoscopy Research Institute, Zhongshan Hospital, Fudan University, Shanghai, China（复旦大学中山医院内窥镜中心和内窥镜研究所） ； Shanghai Collaborative Innovation Center of Endoscopy, Shanghai, China（上海内窥镜协同创新中心） ； Shanghai Institute for Advanced Study of Zhejiang University, Shanghai, China（浙江大学上海高级研究院） ； Alliance Manchester Business School, The University of Manchester, Manchester, UK（曼彻斯特大学曼彻斯特商业学校） ； Data Science Institute, Imperial College London, London, UK（伦敦帝国理工学院数据科学研究院）
Comments Early accepted to MICCAI 2025
OLinear: A Linear Model for Time Series Forecasting in Orthogonally Transformed Domain
机构 * State Key Laboratory of General AI Peking University（人工智能通用基础研究国家重点实验室，北京大学） ； School of Software, BNRist Tsinghua University（清华大学软件学院，北京人工智能研究院） ； Center for Data Science Peking University（北京大学数据科学中心） ； Department of Control Science and Engineering Zhejiang University（浙江大学控制科学与工程学院）
Embodied-Reasoner: Synergizing Visual Search, Reasoning, and Action for Embodied Interactive Tasks
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Alibaba Group（阿里巴巴集团） ； DAMO Academy, Alibaba Group（阿里巴巴集团大模型学院） ； Nanjing Institute of Software Technology（南京软件技术研究所） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； Hohai University（河海大学）
Comments Code: https://github.com/zwq2018/embodied_reasoner Dataset: https://huggingface.co/datasets/zwq2018/embodied_reasoner
An ocean front detection and tracking algorithm
机构 * School of Oceanography, Shanghai Jiao Tong University, China（上海交通大学海洋学院） ； State Key Laboratory of Satellite Ocean Environment Dynamics, Second Institute of Oceanography, MNR, China（国家海洋环境卫星重点实验室，第二海洋研究所） ； College of Marine Science and Technology, China University of Geosciences, China（中国地质大学（北京）海洋科学与技术学院） ； Ocean College, Zhejiang University, China（浙江大学海洋学院）
FINER: Enhancing State-of-the-art Classifiers with Feature Attribution to Facilitate Security Analysis
机构 * Zhejiang University（浙江大学）
Journal ref CCS '23: Proceedings of the 2023 ACM SIGSAC Conference on Computer and Communications Security
SPAST: Arbitrary Style Transfer with Style Priors via Pre-trained Large-scale Model
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 Computer Science, City University of Hong Kong（香港城市大学计算机科学系）
Comments Accepted by Neural Networks
VideoUFO: A Million-Scale User-Focused Dataset for Text-to-Video Generation
机构 * University of Technology Sydney（悉尼技术大学） ； Zhejiang University（浙江大学）
2.5 Years in Class: A Multimodal Textbook for Vision-Language Pretraining
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院）
Comments Under review
A Practical Introduction to Deep Reinforcement Learning
机构 * Southern University of Science and Technology（南方科技大学） ； Zhejiang University-University of Illinois Urbana-Champaign Institute（浙江大学-伊利诺伊大学厄巴纳-香槟分校联合学院）
Scaling Laws for Speculative Decoding
机构 * Red Note Hi-Lab（红笔记高研实验室） ； Shanghai Jiaotong University（上海交通大学） ； Nanjing University（南京大学） ； Zhejiang University（浙江大学） ； Chinese University of Hong Kong（香港中文大学）
Comments 17 pages, 8 figures
Benchmarking Multimodal Mathematical Reasoning with Explicit Visual Dependency
机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Lab（虎扑实验室） ； Zhejiang University（浙江大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
Comments Home page: https://alibaba-damo-academy.github.io/VCBench/
Is Centralized Training with Decentralized Execution Framework Centralized Enough for MARL?
机构 * Zhejiang University（浙江大学） ； Zhejiang Provincial Engineering Research Center for Real-Time SmartTech in Urban Security Governance, School of Computer and Computing Science, Hangzhou City University（浙江省实时智慧城市治理实时智能技术工程研究中心，计算机与计算科学学院，杭州市大学） ； 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） ； 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）
GIFStream: 4D Gaussian-based Immersive Video with Feature Stream
机构 * Zhejiang University（浙江大学）
Comments 14 pages, 10 figures
Understanding Stragglers in Large Model Training Using What-if Analysis
机构 * New York University（纽约大学） ； ByteDance Seed（字节跳动种子） ； ByteDance（字节跳动） ； Zhejiang University（浙江大学）
Dyn-D$^2$P: Dynamic Differentially Private Decentralized Learning with Provable Utility Guarantee
机构 * Zhejiang University（浙江大学） ； Qilu University of Technology（齐鲁工业大学）
Comments This paper has been accepted by the 34th International Joint Conference on Artificial Intelligence(IJCAI 2025)
HDGlyph: A Hierarchical Disentangled Glyph-Based Framework for Long-Tail Text Rendering in Diffusion Models
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学）
FocusedAD: Character-centric Movie Audio Description
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
Comments Code and Demo link: https://github.com/Thorin215/FocusedAD
DiffLocks: Generating 3D Hair from a Single Image using Diffusion Models
机构 * Meshcapade ； Zhejiang University（浙江大学） ； Stanford University（斯坦福大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
Comments Accepted to CVPR 2025
