大厂专区
基于流匹配模型的快速视频生成的幅度-方向解耦方法
机构 * Nanjing University of Science and Technology（南京理工大学） ； Huawei（华为）
AI总结 针对流匹配视频生成模型计算开销高的问题，提出MDD方法，通过解耦幅度与方向复用轻量模型，在Wan2.1上实现最高2.95倍加速，性能优于现有方法且保真度高。
编写、执行、优化：通过执行反馈强化学习从技能跟随者到技能优化器
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong（香港中文大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本研究提出WER多阶段框架，通过冻结执行器、程序验证器打分及混合轨迹优化训练技能优化器，在BFCL v4和tau2-bench上显著提升智能体工具使用性能，4B优化器表现优于通用模型。
LEGO-RL：利用原生强化学习实现编码智能体
机构 * Huawei Technologies Co., Ltd（华为技术有限公司） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 LEGO-RL 是桥接原生编码智能体 harness 与策略梯度优化的框架，通过三大支柱解决训练不匹配问题，提升 Qwen3.5-35B-A3B 在三个编码基准上的性能，且保持高概率相关性。
Comments Webpage: this https URL (https://lego-rl.pages.dev)
VDGR-RAG：向量、目录、图与反思——统一分层企业知识推理所需的一切
机构 * Huawei Technologies（华为技术有限公司）
AI总结 针对现有RAG方法在企业知识问答中存在的局限，提出整合向量、目录、图与反思的VDGR-RAG智能体GraphRAG系统，经实验其在召回率和准确率上均优于多种RAG基线。
基于多模态大语言模型（MLLM）的文本到视频生成语义修正
机构 * Zhejiang University（浙江大学） ； Huawei Cloud Computing Technology Co., Ltd.（华为云计算技术有限公司）
AI总结 该研究提出一种无需训练的MLLM引导文本到视频生成语义修正框架，通过两个关键模块在生成中修正语义偏差，提升了生成内容的语义对齐度等性能，经多基准实验验证有效。
T-LLM编译器：基于大语言模型的可信代码优化与验证框架
机构 * Huawei Technologies（华为技术有限公司）
AI总结 本文提出T-LLM编译器，结合LLM代码变换、传统编译器与验证工具，在PolyBench/C基准测试上实现最高83.3%优化准确率，变换后代码平均提速26.7%，并开源了项目代码。
TurboVLA：在RTX 4090上以32 Hz运行、显存占用<1 GB的实时视觉-语言-动作模型
机构 * Huazhong University of Science and Technology（华中科技大学） ； Huawei Technologies Co. Ltd（华为技术有限公司）
AI总结 本研究提出TurboVLA，将传统VLA模型的LLM中心路径重构为视觉语言直接映射，仅0.2B参数即可在RTX 4090上实现97.7%LIBERO任务成功率，性能优于更大模型且显存占用极低。
Comments Code is available at https://github.com/H-EmbodVis/TurboVLA
注意力-前馈网络解耦大语言模型服务的分析资源配置
机构 * Dept. of Industrial Engineering and Decision Analytics HKUST（工业工程与决策分析系香港科技大学） ； Dept. of Computer Science and Technology Tsinghua University（计算机科学与技术系清华大学） ； IIIS Tsinghua University（清华大学信息学院） ； Huawei Hong Kong Research Center（华为香港研发中心） ； School of Mathematical Sciences Peking University（北京大学数学科学学院）
AI总结 本文提出在随机负载下，针对注意力-前馈网络解耦架构的分析资源配置框架，通过考虑工作负载统计量θ，确定最优注意力与前馈网络比例，减少阻塞和设备空闲时间。
Comments Submitted to Neurips 2026
重新思考逐令牌特征缓存：通过双特征缓存加速扩散Transformer
机构 * Shanghai Jiao Tong University（上海交通大学） ； South China University of Technology（南方科技大学） ； Beihang University（北航） ； Huawei Technologies Ltd（华为技术有限公司） ； Shanghai AI Lab（上海人工智能实验室） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文针对逐令牌特征缓存的核心问题提出质疑，提出双特征缓存方法DuCa，在DiT等生成模型上实现了优于现有逐令牌特征缓存的性能。
Journal ref IEEE Transactions on Image Processing, vol. 35, pp. 6211-6220, 2026
Wyvern：用于生成基于事实的多模态报告的智能体框架
机构 * Politecnico di Torino（都灵理工大学） ； Huawei Research（华为研究院）
AI总结 针对生成式模型内容缺乏事实依据的问题，提出Wyvern多智能体框架生成多模态技术报告，经评估其图像信息量、报告实用性及引用指标均优于基准方法。
ScienceFlow：面向机器学习研究、科学发现及更广泛领域的长时智能体
机构 * Noah’s Ark Lab, Huawei（华为诺亚方舟实验室）
AI总结 ScienceFlow是一款端到端自主研究智能体框架，通过ESTRA机制与证据感知执行控制器实现长时研究的状态管理与资源分配，在24小时预算内的MLE-bench基准测试中取得70.22%的Any-Medal最优分数，为长时自主研究提供了有效方案。
InfiniVerse: 面向自动驾驶的占用引导无界场景生成
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； Huawei Technologies Ltd.（华为技术有限公司） ； University of New South Wales（新南威尔士大学）
AI总结 提出InfiniVerse统一框架，通过3D占用表示和视频扩散模型实现从单帧到长距离、2D-3D对齐的动态城市场景可控生成，在Waymo和nuScenes上达到SOTA。
Comments Paper accepted as poster at ECCV workshop SPAD
全局-局部双感知用于高分辨率文本密集图像翻译的MLLMs
机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Labs, Huawei Technologies Co., LTD（华为技术有限公司2012实验室） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院）
AI总结 本文提出GLoTran框架，通过全局-局部双感知方法提升高分辨率文本密集图像翻译的准确性和完整性。
SCULPT：用于3D部件生成的减法组合方法
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei（华为）
AI总结 SCULPT是一种3D部件生成框架，通过减法组合方式生成部件，解决了现有方法的边界问题，在PartObjaverse上实现了最优几何性能，还能完成细粒度纹理部件分解。
Comments Project page: https://sculpt-part.github.io/ Code: https://github.com/sculpt-part/SCULPT
EgoMonth：面向长期时空记忆的月级自我中心视频基准
机构 * Nanjing University（南京大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Tianjin University（天津大学）
AI总结 研究人员推出首个月级自我中心视频基准EgoMonth，评估发现当前主流MLLMs的长期时空记忆能力远逊于人类，仅为有损总结器而非忠实记忆器。
Comments 21 pages, 4 figures, 6 tables, including appendices
用动作条件预测一致性诊断JEPA世界模型
机构 * Huawei（华为） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳））
AI总结 本研究针对JEPAs世界模型易受视觉扰动影响的问题，提出动作条件预测一致性（ACPC）诊断方法，定义IR与SR指标，经四视觉控制任务实验验证其可预测扰动带来的预测及代价变化。
超越结果奖励：面向深度搜索智能体的步骤级自蒸馏策略优化
机构 * Huawei Technologies Ltd.（华为技术有限公司） ； The Hong Kong University of Science Technology（香港科技大学）
AI总结 该研究针对深度搜索智能体信用分配稀疏问题，提出 SSPO 方法，通过证据锚点与步骤级优势权重优化策略，在多个数据集上性能优于 GRPO 且开销低。
Comments Work in progress
大语言模型在文化禁忌安全方面的“知识-行为差距”
机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机与人工智能学院） ； Huawei（华为）
AI总结 针对大语言模型文化禁忌安全评估的现有基准存在不足，本文推出首个公开基准CulShield，发现先进LLMs存在“知识-行为差距”，且语言语境变化会影响其文化禁忌安全。
MindMemOS：面向AI智能体的可移植且自演进的内存操作层
机构 * Noah’s Ark Lab, Huawei Technologies（华为技术有限公司诺亚方舟实验室）
AI总结 提出MindMemOS内存操作层，通过多种算法实现内存自适应建模与技能演进，在多个数据集上取得显著性能提升。
Comments 35 pages,14 figures
GenEraser：通过平衡文本-掩码引导和解耦定位器-保持器实现可泛化的视频对象移除
机构 * Tsinghua University（清华大学） ； Pengcheng National Laboratory（鹏城实验室） ； Huawei（华为） ； Southeast University（东南大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 提出GenEraser框架，通过多条件混合专家、可学习深度CFG融合机制和解耦专家架构，解决视频对象移除中目标与物理效应同时消除的泛化难题，在ROSE和VOR-Eval上分别提升2.16 dB和1.44 dB。
基于分布式联合隐空间构建的多视图表示学习
机构 * Huawei Paris Research Center, France（华为巴黎研究中心，法国）
AI总结 该研究针对分布式多视图表示学习的客户端协调问题，推导了基于MDL的泛化界，提出分布式高斯乘积混合先验方法，经多组实验验证了其有效性。
CTBench：评估AI智能体在真实电信网络运维中的故障排查能力
机构 * Huawei Technologies（华为技术有限公司） ； Paris Research Center, Huawei Technologies（华为技术有限公司巴黎研究中心） ； Queen Mary University of London（伦敦玛丽女王大学）
AI总结 本研究提出CTBench基准，评估AI智能体的电信故障排查能力，发现其路径恢复表现好于根本原因分析，且资源消耗与诊断效果无必然关联。
A-3PO：通过意识滞后的近端策略优化加速异步大语言模型训练
机构 * Huawei Canada（华为加拿大）
AI总结 A-3PO通过近似近端策略优化方法，减少大语言模型异步训练中的计算开销，实现1.8倍的加速同时保持性能
每个数据包都重要：面向抗丢包的学习型图像压缩的信息分散方法
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Technologies Ltd.（华为技术有限公司） ； Central Media Technology Institute（中央媒体技术研究院）
AI总结 本文针对学习型图像压缩的抗丢包问题，提出ICR、ICG机制及双层双分支自回归结构，实验显示其在丢包场景下的重建质量和稳定性均优于现有方法，且可泛化到突发丢包场景。
Comments 16 pages, 12 figures, 8 tables. Joint first authors: Yuhang Wei and Chuqin Zhou. Corresponding author: Guo Lu. To appear in Proceedings of the 34th ACM International Conference on Multimedia (MM '26), November 10-14, 2026, Rio de Janeiro, Brazil
CapProbe：通过全场景密集问答评估详细图像描述
机构 * Huawei Technologies（华为技术有限公司）
AI总结 CapProbe是用于评估VLMs生成的详细图像描述的全场景密集问答基准，通过区域对齐的事实核查，揭示了13个VLMs的覆盖差距、能力-效率权衡及遗漏的失败模式，相关资源将很快发布。
InSight-doc：面向长文档理解的智能体视觉感知框架
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Huawei（华为）
AI总结 本研究提出智能体视觉感知框架InSight-doc，通过自适应选择放大高分辨率区域处理长文档，经SFT+RL训练后在文档VQA任务中显著提升准确率、降低幻觉与推理延迟，相关资源已公开。
TongGuOCR：面向中文历史文献的布局感知与 token 增强 OCR 框架
机构 * School of Electronic and Information Engineering, South China University of Technology（华南理工大学电子与信息工程学院） ； Huawei Technologies Co., Ltd.（华为技术有限公司）
AI总结 针对中文历史文献OCR的复杂布局、生僻字等挑战，提出TongGuOCR框架，通过布局感知预处理与token增强识别模块，在M5HisDoc等基准上取得优于同类模型的性能。
HyWA: 基于超网络的个性化语音活动检测权重适应
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； McGill University（麦吉尔大学）
AI总结 HyWA通过超网络为VAD模型的选定层生成个性化权重，提升个性化语音活动检测的性能和部署效率。
Comments Submitted to AAAI/IAAI 2027. Hamed, Amin, and Mahsa contributed equally to this work
可靠双臂手术子任务操作的轨迹发散 horizon 决策
机构 * The Chinese University of Hong Kong (CUHK)（香港中文大学） ； Huawei Technologies Co. Ltd.（华为技术有限公司） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 针对现有VLA策略在手术操作中易累积误差的问题，提出TDHD机制，构建双臂手术基准并收集600个演示，实验显示其可提升器械和组织操作的成功率。
Comments 8 pages, 3 figures
面向多模态大语言模型的多分支策略优化
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Sichuan University（四川大学） ； Shanghai University（上海大学） ； Huawei Technologies Ltd.（华为技术有限公司）
AI总结 该研究针对多模态大语言模型统一信用分配的缺陷，提出MBPO框架，通过树结构与分支相对优势分配信用，结合时间回放缓冲区提升性能，在多模态推理基准上优于基线。
Comments 10 pages,8 figures
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