Alibaba（阿里巴巴）

MSVBench: Towards Human-Level Evaluation of Multi-Shot Video Generation

MSVBench: 向多镜头视频生成的人机水平评估迈进

Haoyuan Shi, Yunxin Li, Nanhao Deng, Zhenran Xu, Xinyu Chen, Longyue Wang, Baotian Hu, Min Zhang

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Alibaba International Digital Commerce（阿里巴巴国际数字商业） 纠错

AI总结 MSVBench通过引入分层脚本和参考图像，提出混合评估框架，验证了视频生成模型的连贯性和吸引力，并展示了其在多镜头视频生成中的有效性。

CC-VQA: Conflict- and Correlation-Aware Method for Mitigating Knowledge Conflict in Knowledge-Based Visual Question Answering

CC-VQA: 一种考虑冲突和相关性的方法，用于缓解基于知识的视觉问答中的知识冲突

Yuyang Hong, Jiaqi Gu, Yujin Lou, Lubin Fan, Qi Yang, Ying Wang, Kun Ding, Yue Wu, Shiming Xiang, Jieping Ye

机构 * School of Artificial Intelligence, UCAS（中国科学技术大学人工智能学院） ； MAIS, Institute of Automation（自动化研究所MAIS） ； Alibaba Cloud Computing（阿里云计算） 纠错

AI总结 CC-VQA提出了一种无训练、考虑冲突和相关性的方法，通过视觉中心的上下文冲突推理和相关性引导的编码解码，提升基于知识的视觉问答的准确率。

Comments Accepted by CVPR2026

ProductResearch: Training E-Commerce Deep Research Agents via Multi-Agent Synthetic Trajectory Distillation

ProductResearch: 通过多智能体合成轨迹蒸馏训练电商深度研究代理

Jiangyuan Wang, Kejun Xiao, Huaipeng Zhao, Tao Luo, Xiaoyi Zeng

机构 * Alibaba International Digital Commercial Group（阿里巴巴国际数字商业集团） 纠错

AI总结 ProductResearch通过多代理合成轨迹蒸馏训练电商深度研究代理，提升复杂购物查询的响应全面性和用户效用。

Read As Human: Compressing Context via Parallelizable Close Reading and Skimming

读作人类：通过可并行的近读与略读压缩上下文

Jiwei Tang, Shilei Liu, Zhicheng Zhang, Qingsong Lv, Runsong Zhao, Tingwei Lu, Langming Liu, Haibin Chen, Yujin Yuan, Hai-Tao Zheng, Wenbo Su, Bo Zheng

机构 * Tsinghua University（清华大学） ； Future Living Lab of Alibaba（阿里巴巴未来生活实验室） ； Northeastern University, China（中国东北大学） 纠错

AI总结 RAM通过可并行的近读与略读策略，有效压缩上下文，提升长输入处理效率，实现性能与可解释性的双重优化。

Comments 13 pages,5 figures (Compared with v1, the author affiliations have been corrected.)

TARDis: Time Attenuated Representation Disentanglement for Incomplete Multi-Modal Tumor Segmentation and Classification

TARDis: 用于不完整多模态肿瘤分割与分类的时间衰减表示解耦

Zishuo Wan, Qinqin Kang, Na Li, Yi Huang, Qianru Zhang, Le Lu, Yun Bian, Dawei Ding, Ke Yan

机构 * School of Automation and Electrical Engineering, University of Science and Technology Beijing（北京科技大学自动化与电气工程学院） ； Alibaba Group DAMO Academy（阿里巴巴集团DAMO学院） ； Hupan Lab（湖畔实验室） ； Departments of Radiology, Changhai Hospital（上海长海医院放射科） 纠错

AI总结 TARDis通过时间衰减表示解耦框架，解决多模态肿瘤分割与分类中缺失模态问题，提升诊断精度并降低辐射暴露。

SocialNav: Training Human-Inspired Foundation Model for Socially-Aware Embodied Navigation

SocialNav: 为社交感知具身导航训练的人类启发式基础模型

Ziyi Chen, Yingnan Guo, Zedong Chu, Minghua Luo, Yanfen Shen, Mingchao Sun, Junjun Hu, Shichao Xie, Kuan Yang, Pei Shi, Zhining Gu, Lu Liu, Honglin Han, Xiaolong Wu, Mu Xu, Yu Zhang, Ning Guo

机构 * Amap, Alibaba Group, China（阿里集团阿地图，中国） ； Zhejiang University, China（浙江大学，中国） 纠错

AI总结 SocialNav通过分层架构和多阶段训练，实现了社交感知导航，显著提升了导航性能和社会合规率。

ProtoTS: Learning Hierarchical Prototypes for Explainable Time Series Forecasting

ProtoTS: 基于可解释时间序列预测的层次原型学习

Ziheng Peng, Shijie Ren, Xinyue Gu, Linxiao Yang, Xiting Wang, Liang Sun

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； DAMO Academy, Alibaba Group（阿里集团大模型学院） ； Hupan Laboratory（华平实验室） 纠错

AI总结 ProtoTS通过层次原型学习实现高精度且透明的时间序列预测，提供多级可解释性以增强模型理解和决策支持。

Comments ICLR 2026 Poster

Thinking with Drafts: Speculative Temporal Reasoning for Efficient Long Video Understanding

通过草稿思考：用于高效长视频理解的推测性时间推理

Pengfei Hu, Meng Cao, Yingyao Wang, Yi Wang, Jiahua Dong, Jun Song, Yu Cheng, Bo Zheng, Xiaodan Liang

机构 * MBZUAI（马克斯·普朗克智能研究院） ； Alibaba Group Holding Limited（阿里巴巴集团控股有限公司） ； Shanghai AI Lab（上海人工智能实验室） 纠错

AI总结 SpecTemp通过协作双模型设计，实现高效长视频理解，平衡效率与准确性，提升推理速度。

Comments Accepted by CVPR 26