Alibaba（阿里巴巴）

3D-Aware VLMs with Implicit and Explicit Geometries

具有隐式和显式几何的3D感知视觉语言模型

Wenhao Li, Xueying Jiang, Quanhao Qian, Deli Zhao, Ran Xu, Shijian Lu, Gongjie Zhang

机构 * Nanyang Technological University（南洋理工大学） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； HuPan Lab（湖畔实验室） 纠错

AI总结 研究针对多数2D视觉输入的VLM处理3D任务困难的问题，提出VLM-IE3D框架，通过引入隐式和显式几何令牌及3D感知适配器，融合几何表示与视觉线索，在多种3D任务中表现优异。

Comments Accepted by ECCV 2026, Open Sourced

Emergent Misalignment Recruits a Pre-existing Persona Subspace

新兴的不一致性招募了预先存在的角色子空间

Mohammed Suhail B Nadaf

机构 * Qwen Team（通义团队） 纠错

AI总结 研究新兴不一致现象，通过从冻结模型提取角色子空间发现其在微调前就存在，微调第一步提升不一致幅度，投影子空间可防广泛不一致，注入子空间会致模型不一致，多种编辑无效，传播不良数据增加不一致。

Comments 108 pages (19 pages main text, 13 appendices), 13 figures

TF-MossFormer: Integrating Convolution Gated Local-Global Attentions for Enhanced Time-Frequency Domain Monaural Speech Separation

TF-MossFormer：集成卷积门控局部-全局注意力以增强时频域单声道语音分离

Shengkui Zhao, Zexu Pan, Haoxu Wang, Biao Tian, Bin Ma, Xiangang Li

机构 * Alibaba Group（阿里巴巴集团） 纠错

AI总结 研究旨在改进单声道语音分离，提出TF-MossFormer，结合局部与全局注意力，利用内容感知滑动窗口注意力机制及卷积门控，在WSJ0-2Mix数据集上，凭借不同参数设置取得优异的SI-SDRi，性能超越先前方法。

Comments 5 pages, 3 figures, 5 tables, Interspeech 2026

Can Generative Recommendation Reach Cold Items? A Temporal Perspective on Semantic-ID Generation

生成式推荐能否覆盖冷门商品？基于语义ID生成的时间视角

Jie Peng, Yanping Zheng, Zhewei Zhe, Bin Tong, Guan Wang, Bo Zheng

机构 * Renmin University of China（中国人民大学） ； Alibaba（阿里巴巴） 纠错

AI总结 研究基于语义ID生成的生成式推荐对冷门商品的覆盖情况，采用绝对时间时间协议及多种分析方法，发现当前模型能覆盖部分未来商品，但在未见原子令牌和无支持路径上有困难，揭示其组合但非完全开放式特点并给出未来方向。

FA-LAM: Focus-Aware Large Avatar Model for One-Shot 4D Animatable Gaussian Head

FA-LAM：用于一次性4D可动画化高斯头部的焦点感知大型头像模型

Yingdong Hu, Yisheng He, Yiming Jiang, Zehong Lin, Steven Hoi, Jun Zhang

机构 * HKUST（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； Beihang University（北京航空航天大学） ； Lingnan University（岭南大学） 纠错

AI总结 提出FA-LAM模型用于一次性创建可动画化高斯头部及实现3D、4D全头部恢复。通过分析注意力机制等确定影响因素，采用对称语义注意力正则化等方法解决问题，增强模型支持多视图和流式4D重建，提升了头部重建质量。