Huawei（华为）

MM-Snowball: Evaluating and Mitigating Hallucination Snowballing in Multimodal Multi-Turn Dialogue

MM-Snowball：多模态多轮对话中的幻觉雪崩评估与缓解

Yue Jiang, Xue Jiang, Lihua Zhang, Zhiqiang Wang, Yuhang Lu, Peng Wang, Bo Han, Feng Zheng, Dingkang Yang

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； Southern University of Science and Technology（南方科技大学） ； TMLR Group, Hong Kong Baptist University（香港 Baptist 大学 TMLR 团体） ； MM Lab, CUHK（CUHK 多模态实验室） ； RAMS Lab, Huawei Technologies Co., Ltd.（华为技术有限公司 RAMS 实验室） 纠错

AI总结 针对多模态大模型在多轮对话中因初始错误累积导致幻觉雪崩的问题，提出首个细粒度诊断基准MM-Snowball，并设计无训练的冲突感知视觉校正方法CAVR，通过表示级刷新视觉锚定和logit级修正输出分布来缓解雪崩效应。

Comments Accepted by The International Conference on Machine Learning (ICML 2026)

GNMR: Runtime Stability Control for Low-Precision Large Language Model Training

GNMR: 低精度大语言模型训练的运行时稳定性控制

Boao Kong, Weichen Jia, Engao Zhang, Guohong Li, Yonghan Dong, Yao Wang, Yaoyuan Wang, Yunke Peng, Kun Yuan

机构 * Peking University（北京大学） ； Huawei Technologies Ltd.（华为技术有限公司） 纠错

AI总结 针对低精度语言模型训练中的稳定性瓶颈，提出基于梯度范数与历史均值之比（GNMR）的轻量级运行时控制器，通过局部风险信号映射到有界恢复动作，在不改变数值格式或后端的情况下提升训练稳定性。

Comments 29 pages, 4 figures, 15 tables

Whole-Body Inverse Kinematics with Graph Diffusion

基于图扩散的全身逆运动学

Helong Huang, Kai Tan, Feng Wen, Guowei Huang, Xingyue Quan

机构 * Large Model Algorithm Lab, Huawei（华为大模型算法实验室） 纠错

AI总结 提出GraphDiff-IK，一种结构感知的图扩散逆运动学框架，通过将机器人表示为运动学图并引入分层消息传递和躯干感知条件，实现了多分支机器人的准确稳定IK求解。

Fast Image Super-Resolution via Consistency Rectified Flow

通过一致性修正流实现快速图像超分辨率

Jiaqi Xu, Wenbo Li, Haoze Sun, Fan Li, Zhixin Wang, Long Peng, Jingjing Ren, Haoran Yang, Xiaowei Hu, Renjing Pei, Pheng-Ann Heng

机构 * The Chinese University of Hong Kong（香港中文大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； HKUST (GZ)（香港科技大学（广州）） ； South China University of Technology（华南理工大学） 纠错

AI总结 提出FlowSR方法，将超分辨率问题重构为从低分辨率到高分辨率图像的修正流，利用改进的一致性学习策略实现单步高质量超分辨率。

Comments Accepted by ICCV 2025; Code: https://github.com/jiaqixuac/FlowSR

PermuQuant: Lowering Per-Group Quantization Error by Reordering Channels for Diffusion Models

PermuQuant：通过重新排列通道降低扩散模型每组量化误差

Yongsen Cheng, Kai Liu, Kaiwen Tao, Junxian Li, Zhixin Wang, Zhikai Chen, Renjing Pei, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

AI总结 提出PermuQuant框架，通过基于联合二阶矩的通道重排序和校准接受规则，降低低比特扩散模型每组量化误差，实现显著加速和内存压缩。

How Can Reinforcement Learning Achieve Expert-level Placement?

强化学习如何实现专家级布局？

Ruo-Tong Chen, Ke Xue, Chengrui Gao, Yunqi Shi, Tian Xu, Peng Xie, Siyuan Xu, Mingxuan Yuan, Chao Qian, Zhi-Hua Zhou

机构 * State Key Laboratory of Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院） ； Huawei Noah’s Ark Lab, China（华为诺亚实验室） 纠错

AI总结 针对强化学习在芯片布局中因奖励设计不当而难以达到专家质量的问题，提出从专家布局直接学习奖励模型的方法，通过推断专家轨迹并训练隐式奖励模型，实现从单个设计高效学习并泛化到未见案例。

Comments DAC 2026

FlowPlace: Flow Matching for Chip Placement

FlowPlace: 用于芯片布局的流匹配

Peng Xie, Ke Xue, Yunqi Shi, Ruo-Tong Chen, Chengrui Gao, Siyuan Xu, Chenjian Ding, Mingxuan Yuan, Chao Qian

机构 * State Key Laboratory of Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院） ； Huawei Noah’s Ark Lab, China（华为诺亚实验室） 纠错

AI总结 提出FlowPlace，通过掩码引导的合成数据生成、基于流的灵活先验注入高效训练和硬约束采样实现无重叠布局，在OpenROAD和ICCAD 2015基准上取得更优PPA指标、10-50倍采样效率提升和零重叠。

Comments DAC 2026

ADRA-Bank: A Modular Benchmark for Academic Deep Research Agents

ADRA-Bank：面向学术深度研究智能体的模块化基准

Zhihan Guo, Feiyang Xu, Yifan Li, Muzhi Li, Shuai Zou, Jiele Wu, Han Shi, Haoli Bai, Ho-fung Leung, Irwin King

机构 * The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学） ； Hong Kong Polytechnic University, Hong Kong SAR, China（香港理工大学） ； National University of Singapore, Singapore, Singapore（新加坡国立大学） ； Huawei Technologies, Hong Kong SAR, China（华为技术有限公司） ； Independent（独立） 纠错

AI总结 针对现有基准侧重检索而忽视规划与推理、且缺乏学术领域覆盖的问题，提出ADRA-Bank模块化基准，包含10个学术领域的200个人工标注实例，并设计ADRA-Eval评估范式，通过端到端和隔离评估两种模式测试规划、检索和推理能力，揭示智能体在跨源检索和跨领域一致性上的不足，并指出提升高层规划能力是释放基础LLM推理潜力的关键。

Finetuning Large Language Models for Vulnerability Detection

微调大型语言模型用于漏洞检测

Alexey Shestov, Rodion Levichev, Ravil Mussabayev, Evgeny Maslov, Anton Cheshkov, Pavel Zadorozhny

机构 * Sber AI Lab（Sber AI实验室） ； Huawei Russian Research Institute（华为俄罗斯研究院） ； Satbayev University（萨特拜耶夫大学） 纠错

AI总结 本文通过微调WizardCoder模型，优化训练流程并处理类别不平衡，在漏洞检测任务上提升了ROC AUC和F1指标，展示了预训练LLM在源代码分析中的迁移学习潜力。

Federated Learning via Variational Bayesian Inference: Personalization, Sparsity and Clustering

通过变分贝叶斯推理的联邦学习：个性化、稀疏性和聚类

Xu Zhang, Wenpeng Li, Yunfeng Shao, Yonglin Liu, Kaiwen Zhou, Yinchuan Li

机构 * School of Artificial Intelligence, Xidian University（西安电子科技大学人工智能学院） ； LSEC, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； Noah’s Ark Lab, Huawei（华为诺亚实验室） 纠错

AI总结 提出基于变分贝叶斯推理的联邦学习方法，通过个性化、稀疏性和聚类策略解决数据异构和有限问题，实现更优性能。

Comments 18 pages, 5 figures