大厂专区
DiffusionOPD：扩散模型中在线策略蒸馏的统一视角
机构 * Fudan University（复旦大学） ； Wan Team, Alibaba Group（阿里集团万团队）
AI总结 本文提出DiffusionOPD，通过在线策略蒸馏统一多任务训练，解决多任务优化中的交叉干扰和不平衡问题，理论推导出连续状态马尔可夫过程的KL目标，实验显示其在训练效率和性能上优于多奖励RL和级联RL基线。
Sat3DGen：从单张卫星图像生成全面的街景3D场景
机构 * LIESMARS & School of Artificial Intelligence, Wuhan University（珞珈实验室与武汉大学人工智能学院） ； EPFL（苏黎世联邦理工学院） ； HKUST（香港科技大学） ； Northeastern University（东北大学） ； Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Amap, Alibaba Group（高德地图，阿里巴巴集团）
AI总结 本文提出Sat3DGen，通过几何优先方法提升从单张卫星图像生成高精度3D场景的性能，改进几何精度和真实感，并在新基准上验证其效果。
Comments ICLR 2026; code: https://github.com/qianmingduowan/Sat3DGen demo: https://huggingface.co/spaces/qian43/Sat3DGen project page: https://qianmingduowan.github.io/Sat3DGen_project_page/
诱导过度思考：基于分层遗传算法的黑盒大语言推理模型DoS攻击
机构 * The 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） ； Alibaba Group（阿里巴巴集团）
AI总结 本文提出一种基于分层遗传算法的黑盒攻击方法，通过系统扰动输入问题的逻辑结构，诱导大语言模型产生过度思考，从而引发资源耗尽攻击。
Comments Accepted at ICML 2026. Code available at: https://github.com/EndlessCao/Overthink-HGA
Journal ref Proceedings of the 43rd International Conference on Machine Learning (ICML 2026), PMLR 306, 2026
XDomainBench：诊断高维科学知识组合中的推理崩溃
机构 * Alibaba Group, China（阿里巴巴集团，中国）
AI总结 XDomainBench通过系统压力测试科学推理，揭示LLM在跨学科知识组合中的推理崩溃问题，发现领域组合导致直接难度增加和轨迹模式引发的误差累积是根本原因。
连接大脑与语义：一种用于语义增强的fMRI到视频重建的分层框架
机构 * Fudan University（复旦大学） ； Alibaba Group（阿里巴巴集团） ； Ant Group（蚂蚁集团）
AI总结 本文提出CineNeuron框架，通过分层结构解决fMRI信号与视频内容间的语义鸿沟问题，结合底部向上语义丰富和顶部向下记忆整合，提升视频重建效果。
Comments Accepted to CVPR 2026
需要时思考：基于双LoRA架构的自适应推理驱动多模态嵌入
机构 * Alibaba Group（阿里巴巴集团）
AI总结 本文提出TWN框架，通过双LoRA架构和自适应推理机制，提升多模态嵌入效率与质量，在78个任务中达到SOTA水平，参数更少，推理成本更低。
Comments 30 pages, preprint
电商搜索中高效的生成检索：结合语义聚类ID和专家引导的强化学习
机构 * Taobao \& Tmall Group of Alibaba Hangzhou China ； Taobao \& Tmall Group of Alibaba
AI总结 本文提出CQ-SID和EG-GRPO方法，通过语义聚类ID和强化学习提升电商搜索的生成检索效果，实现点击率和转化率的显著提升。
多领域多模态文档分类基准与多级分类法
机构 * Beijing Information Science and Technology University（北京信息科学与技术大学） ； Alibaba Group（阿里巴巴集团） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳）） ； Guangzhou University（广州大学） ； Zhejiang Lab（浙江实验室）
AI总结 本文提出首个多级多领域多模态文档分类基准MMMBench，包含五级多级分类体系和12个商业领域的5990个真实多模态文档，通过系统实验识别出四个核心挑战并提供解决方案。
DocScope：可验证推理的可信长文档理解基准测试
机构 * School of Computer Science, National Engineering Research Center for Multimedia Software and Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University, China（计算机学院，国家多媒体软件工程技术研究中心和湖北多媒体与网络通信工程重点实验室，武汉大学，中国） ； Alibaba Group, Hangzhou, China（阿里巴巴集团，杭州，中国） ； Independent Researcher（独立研究者） ； Department of Machine Learning, Mohamed bin Zayed University of Artificial Intelligence, United Arab Emirates（机器学习系，Mohamed bin Zayed人工智能大学，阿拉伯联合酋长国）
AI总结 DocScope通过结构化推理轨迹预测方法评估多模态大语言模型在长文档中的可验证推理能力，发现答案准确度无法替代轨迹级评估，且区域定位仍是薄弱环节。
Comments 50pages, 25 figures, 14 tables;
ECHO：基于稀疏门控的弹性推测解码用于高并发场景
机构 * Qwen Applications Business Group of Alibaba（阿里巴巴文勤应用业务部）
AI总结 ECHO通过将推测执行转化为预算调度问题，结合稀疏置信门控优化并发场景下的解码效率，在不同模型规模下均优于现有方法，实现高达5.35倍的加速效果。
状态图：利用大语言模型解决假设推理任务
机构 * Nankai University（南开大学） ； Wenzhou Medical University（温州医科大学） ； Alibaba Cloud（阿里云） ； Tsinghua University（清华大学）
AI总结 本文提出状态图框架，通过结构化信念状态和因果图实现逻辑依赖编码，解决假设推理中的证据伪造等问题，实验证明其在复杂任务中的优越性。
MPU：面向大语言模型安全和隐私保护的知识遗忘
机构 * College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； Alibaba-NTU Global e-Sustainability CorpLab (ANGEL)（阿里云-南洋理工大学全球可持续发展科技实验室） ； Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团）
AI总结 MPU提出一种隐私保护的多扰动副本遗忘框架，通过预处理和后处理模块实现安全的知识遗忘，实验表明其性能与无噪声基线相当甚至更优。
视觉思维混合：探索上下文自适应推理模式选择用于通用视觉推理
机构 * Fudan University（复旦大学） ； Alibaba Group Holding Limited（阿里巴巴集团控股有限公司） ； Future Living Lab of Alibaba（阿里巴巴未来生活实验室） ； University of Southern California（南加州大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出MoVT框架，通过AdaVaR实现多模式统一学习与上下文自适应选择，提升通用视觉推理能力。
Comments 27 pages, 11 figures, 5 tables, accepted by ICLR 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