Huawei（华为）

3D-Anchored Lookahead Planning for Persistent Robotic Scene Memory via World-Model-Based MCTS

基于世界模型的MCTS的3D锚定前瞻性规划用于持久性机器人场景记忆

Bronislav Sidik, Dror Mizrahi

机构 * Huawei Technologies, Israel R&D Center（华为技术有限公司以色列研发中心） 纠错

AI总结 本文提出3D-Anchored Lookahead Planning，结合MCTS与3D一致的世界模型，通过持续的相机到世界锚点实现精准重规划，提升了机器人在需要空间记忆任务中的成功率。

Comments 5 pages, 1 figure, 1 table

MathAgent: Adversarial Evolution of Constraint Graphs for Mathematical Reasoning Data Synthesis

MathAgent: 基于约束图的对抗进化用于数学推理数据合成

Zixiong Yu, Jun Rao, Guhan Chen, Songtao Tian, Bohan Li, Jiansheng Wei, Min Zhang, Xiaojun Meng

机构 * Huawei Large Model Data Technology Lab（华为大模型数据技术实验室） ； Tsinghua University（清华大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Kyoto University（京都大学） 纠错

AI总结 本文提出MathAgent框架，通过约束图的对抗进化生成高质量数学推理数据，提升模型在八个数学基准上的泛化能力。

Comments Accepted by ACL 2026 findings

Hierarchical Textual Knowledge for Enhanced Image Clustering

层次化文本知识用于增强图像聚类

Yijie Zhong, Yunfan Gao, Weipeng Jiang, Haofen Wang

机构 * Tongji University（同济大学） ； Huawei Technologies Ltd.（华为技术有限公司） 纠错

AI总结 本文提出KEC方法，通过大语言模型构建层次化概念-属性知识，提升图像聚类的准确性与鲁棒性。

Comments Accepted by CVPR 2026

MemDLM: Memory-Enhanced DLM Training

MemDLM：增强记忆的DLM训练

Zehua Pei, Hui-Ling Zhen, Weizhe Lin, Sinno Jialin Pan, Yunhe Wang, Mingxuan Yuan, Bei Yu

机构 * The Chinese University of Hong Kong（香港中文大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

AI总结 MemDLM通过引入双通道记忆机制，利用Bi-level优化在训练中嵌入模拟去噪轨迹，提升长上下文表示和训练效率，同时在推理时启用内循环实现特定提示适应。

Binary Flow Matching: Prediction-Loss Space Alignment for Robust Learning

二进制流匹配：用于鲁棒学习的预测-损失空间对齐

Jiadong Hong, Lei Liu, Xinyu Bian, Wenjie Wang, Zhaoyang Zhang

机构 * Zhejiang University（浙江大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

AI总结 本文研究了二进制流匹配在离散数据生成建模中的应用，提出通过信号空间对齐消除奇异加权，从而实现鲁棒训练。

Comments 15 pages, 3 tables, 11 figures

AtlasKV: Augmenting LLMs with Billion-Scale Knowledge Graphs in 20GB VRAM

AtlasKV：在20GB VRAM中通过十亿级知识图谱增强大语言模型

Haoyu Huang, Hong Ting Tsang, Jiaxin Bai, Xi Peng, Gong Zhang, Yangqiu Song

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Theory Lab, Huawei（华为理论实验室） 纠错

AI总结 本文提出AtlasKV，一种通过十亿级知识图谱增强大语言模型的方法，利用子线性时间与内存复杂度实现高效知识整合，无需外部检索模块或长上下文先验。

Comments ICLR 2026

Soft Graph Transformer for MIMO Detection

用于MIMO检测的软图变换器

Jiadong Hong, Lei Liu, Xinyu Bian, Wenjie Wang, Zhaoyang Zhang

机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息与电子工程学院） ； Theory Lab, Central Research Institute, 2012 Labs, Huawei Technologies Co., Ltd.（华为技术有限公司2012实验室中央研究院理论实验室） 纠错

AI总结 本文提出软图变换器(SGT)，结合自注意力和图感知交叉注意力，解决MIMO检测中传统方法复杂度高和信息利用不足的问题，实现近似最大似然性能。

Comments 5 pages with 3 figures and 2 tables, Accepted by IEEE ICASSP 2026

Panoptic Pairwise Distortion Graph

全景成对失真图

Muhammad Kamran Janjua, Abdul Wahab, Bahador Rashidi

机构 * Huawei Technologies（华为技术有限公司） 纠错

AI总结 本文提出全景成对失真图任务，通过区域结构化组成图像对，改进现有方法对整体图像分析的局限性，构建PandaSet数据集、PandaBench基准和Panda架构，揭示多模态大语言模型在区域级失真理解上的不足。

Comments Accepted to ICLR 2026

FineEdit: Fine-Grained Image Edit with Bounding Box Guidance

FineEdit: 基于边界框引导的细粒度图像编辑

Haohang Xu, Lin Liu, Zhibo Zhang, Rong Cong, Xiaopeng Zhang, Qi Tian

机构 * Huawei Inc（华为公司） 纠错

AI总结 本文提出FineEdit，通过多级边界框注入方法提升图像编辑的精确度与背景一致性，结合120万对精细标注图像数据集和FineEdit-Bench基准测试，验证其在指令遵循和背景保留方面的优越性能。

NSFL: A Post-Training Neuro-Symbolic Fuzzy Logic Framework for Boolean Operators in Neural Embeddings

NSFL：一种用于神经嵌入中布尔运算的后训练神经符号模糊逻辑框架

Vladi Vexler, Ofer Idan, Gil Lederman, Dima Sivov

机构 * Huawei Tel-Aviv Research Center（华为特拉维夫研究中心） 纠错

AI总结 NSFL框架通过适应形式t-范数和t-余范数，为神经嵌入空间提供多原子逻辑约束的计算方法，提升检索性能，实现高达81%的mAP提升。

Comments 23 pages (16 main + 7 appendix), 2 figures, 10 tables, 1 algorithm

SignReasoner: Compositional Reasoning for Complex Traffic Sign Understanding via Functional Structure Units

SignReasoner：通过功能结构单元实现复杂交通标志理解的组合推理

Ruibin Wang, Zhenyu Lin, Xinhai Zhao

机构 * Huawei Noah’s Ark Lab（华为诺亚方舟实验室） 纠错

AI总结 本文提出SignReasoner，通过功能结构单元实现复杂交通标志的组合推理，提升自动驾驶安全。核心方法是功能结构单元，通过分解标志为基本功能块，增强模型对未知配置的泛化能力。

Comments CVPRF 2026

EE-MCP: Self-Evolving MCP-GUI Agents via Automated Environment Generation and Experience Learning

EE-MCP：通过自动环境生成和经验学习的自进化MCP-GUI代理

Tiantian He, Yihang Chen, Keyue Jiang, Ka Yiu Lee, Kaiwen Zhou, Kun Shao, Shuai Wang

机构 * University College London（伦敦大学学院） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出EE-MCP框架，通过自动环境生成和经验学习实现MCP-GUI代理的自进化，通过跨应用分析证明其在MCP主导任务和GUI密集任务中的有效性。

Backdoors in RLVR: Jailbreak Backdoors in LLMs From Verifiable Reward

在RLVR中存在后门：从可验证奖励中对LLM的后门攻击

Weiyang Guo, Zesheng Shi, Zeen Zhu, Yuan Zhou, Min Zhang, Jing Li

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

AI总结 本文提出了一种在RLVR框架中通过注入污染数据植入后门的新方法，展示了该攻击在不同模型规模上高效且具有泛化能力，导致安全性能下降73%。

Comments 20 pages,8 figures, publish in acl2026

Efficient Matrix Implementation for Rotary Position Embedding

旋转位置嵌入的高效矩阵实现

Chen Minqi, Zhongqi Yue, Shihao Zhang, Yun Xu, Peng Wu, kaixiang Xu, Zeyi Huang, Hanwang Zhang

机构 * Huawei Technologies（华为技术有限公司） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出RoME，通过矩阵变换替代向量操作，提升旋转位置嵌入的计算效率，实现跨Cube和Vector单元的并行执行。