Alibaba（阿里巴巴）

CEDAR: Controlled and Event-Driven Demand Forecasting via Residual Decomposition

CEDAR：基于残差分解的可控事件驱动需求预测

Junjie Meng, Ranxu Zhang, Zi-an Zhang, Shujun Liu, Xiaoning Qi, Xiaozhou Xu, Yanyong Zhang, Hui Xiong, Chao Wang

机构 * School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院） ； Alibaba Group（阿里巴巴集团） ； Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）人工智能学域） 纠错

AI总结 该研究针对现有时间序列预测方法对策略不敏感、反事实分析不可靠的问题，提出基于残差分解的两阶段框架CEDAR，在阿里1688数据集上验证其可提升模拟精度并助力预算规划。

Comments 12 pages, 4 figures, 5 tables. Published in KDD 2026

DEFUSE: Generalizable Backdoor Defense for Self-Supervised Encoders with Generative Priors

DEFUSE：面向带生成先验的自监督编码器的可泛化后门防御方法

Tuo Chen, Jie Gui, Minjing Dong, Lanting Fang, Ju Jia, Benlei Cui, Jian Liu

机构 * Ant Group（蚂蚁集团） ； Purple Mountain Laboratories（紫金山实验室） ； City University of Hong Kong（香港城市大学） ； Beijing Institute of Technology（北京理工大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 本文提出DEFUSE，一种基于条件扩散生成模型的可泛化后门检测框架，用于防御自监督学习编码器的后门攻击，实验表明其性能优于现有方法且泛化性更强。

Comments Accepted at ACM Multimedia 2026

DCEO: Direct Causal Effect Optimization for Long-Term User Value Modeling in E-commerce Search

DCEO：面向电商搜索中长期用户价值建模的直接因果效应优化

Junzhao Zhang, Tao Zhang, Liren Yu, Feiyi Dong, Zhixuan Zhang, Dan Ou, Haihong Tang

机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝天猫集团） 纠错

AI总结 本文针对电商搜索中长期用户价值建模的粒度对齐问题，提出DCEO框架，通过演员-评论家结构优化相对因果效应，在线A/B测试中GMV较传统方案提升0.36%。

SeVeR: Selective Visual Exposure and Retrieval for 3D Medical Image Question Answering

SeVeR：面向3D医学图像问答的选择性视觉暴露与检索

Yaojun Hu, Danyang Tu, Yang Liu, Jiajin Zhang, Wei Fang, Zhiqiang Liu, Chunlai Dong, Yingda Xia, Haochao Ying, Jian Wu, Ling Zhang

机构 * DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Hupan Lab（湖畔实验室） ； School of Public Health, Zhejiang University（浙江大学公共卫生学院） 纠错

AI总结 针对3D医学图像问答中多序列视觉冗余问题，提出SeVeR框架，引入BreMRIs-VQA基准，通过压缩体积为原型并检索互补证据，实现性能提升且减少视觉标记使用。

AdaVDR: Adaptive Tool Use and Reflection for Video Deep Research

AdaVDR：面向视频深度研究的自适应工具使用与反思

Xintong Zhang, Xiaomeng Fan, Shilin Yan, Ekko He, Zicheng Liu, Zijian Zou, Guannan Zhang, Yuwei Wu, Zhi Gao, Hongwei Xue

机构 * Alibaba Group（阿里巴巴集团） ； Beijing Institute of Technology（北京理工大学） 纠错

AI总结 提出AdaVDR自适应视频深度研究智能体，通过自适应工具调用与反思解决视频深度研究的不当工具调用等问题，构建相关基准并在VDR-EE、VideoDR上取得优于基础模型的效果。

Short Horizons and Sparse Concepts: a Mathematical View of the Readout in the J-lens

短视域与稀疏概念：J-lens读出的数学视角

Shi-Qi Yan, Kai-Xuan Ding, Chao-Hong Tan, Qian Chen, Wen Wang, Xiangang Li, Zhen-Hua Ling

机构 * Alibaba Group（阿里巴巴集团） ； USTC（中国科学技术大学） 纠错

AI总结 本研究从数学视角分析J-lens读出的原理，明确其因果结构的稀疏性，提出改进策略以增强J-lens读出中间概念的能力。

GraftSR: Grafting Authentic Textures for Real-World Image Super-Resolution via Identical-Instance Guidance

GraftSR：通过相同实例引导嫁接真实纹理以实现真实世界图像超分辨率

Qifan Yu, Haoran Bai, Zongyao He, Weijie He, Sibin Deng, Honggang Qi, Ying Chen

机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝天猫集团） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 针对扩散图像超分辨率的纹理幻觉问题，提出GraftSR框架，采用双掩码参考引导机制，构建TexRefSR-141K数据集，在新基准上实现SOTA，LPIPS降低20.2%。

Comments 15 pages, 12 figures

TailSieve: Partial-Rollout-Guided Tail Routing for LLM Rollouts

TailSieve：面向大语言模型（LLM）rollout的部分rollout引导式长尾路由

Tianqi Xu, Lu Lv, Haoyang Huang, Wenjie Huang, Zhanming Shen, Yuhao Shen, Baolin Zhang, Xinyi Hu, Shuang Ge, Jun Dai, Tianyu Liu, Suorong Yang, Zhikai Li, Ye Bai, Jun Zhang, Lei Chen, Yue Li, Mingchen Wan

机构 * Qwen Business Unit of Alibaba（阿里巴巴通义千问业务部） ； Carnegie Mellon University（卡内基梅隆大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

AI总结 TailSieve是面向LLM rollout的部分rollout引导式框架，通过联合控制长尾路由与副本分配，仅路由即可实现最高1.67倍加速，结合专用推测解码可达2.59倍加速，同时保留策略内生成并避免长度偏差。

Beyond Visual Memory: Mechanistic Diagnostics of Latent Visual Reasoning

超越视觉记忆：潜在视觉推理的机制诊断

Jiawei Guo, Yu Chen, Xiang Wang, Shuai Li, Xinpei Zhao, Huaxing Liu, Shuai Dong, Feifei Zhai, Yu Zhou

机构 * Amap, Alibaba Group（阿里集团亚马通） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 通过分解潜在令牌为三个可测试组件，发现边界标记和格式而非潜在槽贡献了主要性能提升，揭示了潜在视觉推理的真正机制。

RAVE: Re-Allocating Visual Attention in Large Multimodal Models

RAVE: 重新分配大型多模态模型中的视觉注意力

Xi Leng, Xinhong Ma, Ziqiang Dong, Feng Zhang, Xiaoying Tang, Yang Yang, Guanjun Jiang

机构 * Qwen Business Unit of Alibaba（阿里巴巴文勤业务部） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Beijing Institute of Technology（北京理工大学） 纠错

AI总结 针对大型多模态模型中标准注意力机制存在的跨模态误分配和视觉内不平衡问题，提出轻量级成对门控机制RAVE，通过学习查询-键偏置重新分配视觉注意力，在多个多模态基准上平均提升3个百分点，尤其对感知密集型任务效果显著。

E2Rank: Unifying Text Embedding and Listwise Reranking for Effective and Efficient Search

E2Rank：统一文本嵌入与列表式重排序以实现高效且有效的搜索

Qi Liu, Yanzhao Zhang, Mingxin Li, Dingkun Long, Pengjun Xie, Jiaxin Mao

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

AI总结 E2Rank是统一文本嵌入与列表式重排序的框架，通过将列表式提示视为伪相关反馈查询，在单一模型内实现高效检索与重排序，在BEIR等基准上性能优异且延迟更低。

Comments Accepted by EMNLP 2026 main conference. Code and models are avaliable at this https URL (https://alibaba-nlp.github.io/E2Rank)

Forge4D: Feed-Forward 4D Human Reconstruction and Interpolation from Uncalibrated Sparse-view Videos

Forge4D：基于未校准稀疏视图视频的前馈式4D人体重建与插值

Yingdong Hu, Yisheng He, Jinnan Chen, Weihao Yuan, Kejie Qiu, Zehong Lin, Siyu Zhu, Zilong Dong, Steven Hoi, Jun Zhang

机构 * HKUST（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里云实验室） ； NUS（新加坡国立大学） ； FDU（福建大学） 纠错

AI总结 提出Forge4D模型，将4D人体重建与插值简化为流式3D高斯重建和稠密运动预测任务，结合自监督损失实现高效重建与插值，在多数据集上验证有效性。