arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

Harbin Institute of Technology(哈尔滨工业大学)

共收录 5581 篇
2611.23153 2026-11-18 cs.CV 新提交

VIVID: Beyond Static Multi-Image Reasoning with Localized Visual Differences and Textual Entity Dynamics in Video MLLMs

VIVID:视频多模态大语言模型中超越静态多图像推理的局部视觉差异与文本实体动态

Chengqian Ma, Yuanze Zeng, Hongyu Wang, Mingfeng Lin, YiCheng Xiao, Yu Chen, Pengyu Li, WenHao Wang, Yuexiao Ma, Xiawu Zheng, Fei Chao

机构 * Peking University(北京大学) ; Shanghai Jiao Tong University(上海交通大学) ; Harbin Institute of Technology(哈尔滨工业大学) ; Southeast University(东南大学) ; Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所) ; Zhejiang University(浙江大学) ; Nanyang Technological University(南洋理工大学) ; Xiamen University(厦门大学)

AI总结 本研究针对视频MLLM的静态推理缺陷,提出VIVID模型,通过ADKP、DRCM等技术保留帧间动态,VIVID-Small在8083个问题上超11个基线,VIVID-Large在多基准任务中领先。

Comments 14 pages, 2 figures, 5 tables. Code: https://github.com/step-out/VIVID

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.23138 2026-11-18 cs.AI cs.LG 新提交

RSI-Prime: Training Models to Train Models

RSI-Prime:训练用于训练模型的模型

Dewu Zheng, Yang Ye, Hongyu Zhang, Jun Yu, Yanlin Wang

机构 * Sun Yat-sen University(中山大学) ; Mind Lab ; Chongqing University(重庆大学) ; Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳))

AI总结 本研究构建RSI-Prime数据集,通过细粒度决策标注与损失掩码优化GLM-5.3,使其在PostTrainBench上性能提升31.95%,为递归自我改进系统提供了可行方向。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.22883 2026-11-18 cs.RO 新提交

Fly as Instructed: Refining World-Action Policies for UAV Vision-Language Navigation

按指令飞行:优化无人机视觉语言导航的世界动作策略

Zhexuan Zhou, Yanke Sun, Yuhan Zong, Youmin Gong, Jie Mei

机构 * Harbin Institute of Technology(哈尔滨工业大学) ; National University of Singapore(新加坡国立大学) ; Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳))

AI总结 针对无人机视觉语言导航中指令遵循、任务跟踪与避障的挑战,提出含三类互补机制的世界动作学习框架,经评估验证其在任务完成、安全到达等方面的提升及真实场景有效性。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.22592 2026-11-18 cs.CV cs.RO 新提交

Distilling World Action Models for Efficient Bimanual Manipulation via Anchored Path Matching

基于锚定路径匹配提炼世界动作模型以实现高效双手操作

Jialong Liu, Junjie He, Yandu Chen, Bin Zhou, Heng Su, Peijun Tang, Jianan Wang, Changhao Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州)) ; The Hong Kong University of Science and Technology(香港科技大学) ; Astribot ; Harbin Institute of Technology(哈尔滨工业大学) ; Chongqing University(重庆大学)

AI总结 提出锚定路径匹配方法提炼世界动作模型,在RoboTwin 2.0及真实机器人任务中提升闭环成功率与视频质量,大幅降低控制周期延迟。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.22250 2026-11-18 cs.LG cs.AI 新提交

PCGRL for Complex Platformers: Synthesizing Playable and Diverse Levels via Inflated Envelopes and Forward Curricula

用于复杂平台游戏的PCGRL:通过膨胀包络与前向课程合成可玩且多样的关卡

Di Wu

机构 * The University of Hong Kong(香港大学) ; Harbin Institute of Technology(哈尔滨工业大学)

AI总结 提出物理感知、课程引导的PCGRL框架,通过膨胀体积包络、多阶段前向课程与高熵随机推理,合成可玩且多样的复杂平台游戏关卡,性能优于传统基线。

Comments 9 pages, 6 figures, 1 table

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.22111 2026-11-18 math.FA 新提交

Boundedness of a Schur multiplier on the Schatten p-class, $1 < p \neq 2 < \infty$, does not imply complete boundedness

Schatten p类上的Schur乘子的有界性(1 < p ≠ 2 < ∞)不蕴含完全有界性

Jinghao Huang, Anna Tomskova, Fedor Sukochev

机构 * Institute for Advanced Study in Mathematics of HIT, Harbin Institute of Technology(哈尔滨工业大学数学高等研究院) ; New Uzbekistan University(新乌兹别克斯坦大学) ; V. I. Romanovsky Institute of Mathematics of the Academy of Sciences of Uzbekistan(乌兹别克斯坦科学院V.I.罗曼诺夫斯基数学研究所) ; School of Mathematics and Statistics, University of New South Wales(新南威尔士大学数学与统计学院)

AI总结 该数学研究证实了Pisier1998年的猜想,即1 < p ≠ 2 < ∞时,Schatten p类上Schur乘子的有界性不蕴含其完全有界性

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21968 2026-11-18 math.CO 新提交

Shifted Hankel determinants via Hankel continued fractions

基于汉克尔连分数的移位汉克尔行列式

Guo-Niu Han, Lihong Yang

机构 * Harbin Institute of Technology(哈尔滨工业大学)

AI总结 本文研究汉克尔连分数(H-连分数)与移位汉克尔行列式的关系,证明H-连分数可确定三类移位汉克尔行列式并给出显式公式,还为相关汉克尔行列式求值提供简洁证明。

Comments 136 pages

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.22951 2026-11-18 physics.flu-dyn cs.CV 新提交

A high-dimensional spatial-physical coupling operator for generalizable super-resolution of three-dimensional turbulent flows

用于三维湍流可泛化超分辨率的高维空间-物理耦合算子

Zengyuan Zuo, Junjun Jiang, Fei Mu, Xubo Wang, Xianming Liu

机构 * Harbin Institute of Technology(哈尔滨工业大学)

AI总结 本文针对三维湍流超分辨率中物理变量关联被忽略的问题,提出空间-物理耦合算子,提升模型表征能力,实现了出色的重建性能与零样本泛化能力。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.22357 2026-11-18 physics.optics cond-mat.mes-hall 新提交

Topological Timing of Bound States by Spacetime Mass Windings

时空质量缠绕对束缚态的拓扑时序调控

Hamdi Barkaoui

机构 * Ministry of Industry and Information Technology Key Lab of Micro-Nano Optoelectronic Information System, Guangdong Provincial Key Laboratory of Semiconductor Optoelectronic Materials and Intelligent Photonic Systems, Harbin Institute of Technology, Shenzhen(工业和信息化部微纳光电信息系统重点实验室、广东省半导体光电材料与智能光子系统重点实验室,哈尔滨工业大学(深圳))

AI总结 该研究通过时空质量缠绕调控束缚态时序,结合狄拉克描述与晶格模拟,用无源波导阵列验证预测,为集成光子器件的模式调控提供拓扑手段。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2609.30158 2026-11-18 math.GR math.OA 版本更新

A finitely generated Linear group without property (T) that is neither inner amenable nor properly proximal

一个有限生成的ICC非性质(T)群,既非内可均也非适当近端

Xin Ma

机构 * Institute for Advanced Study in Mathematics, Harbin Institute of Technology(哈尔滨工业大学高等研究院)

AI总结 本文构造了Caprace非内可均群的有限生成扩张,该扩张为GL_4(F_2(t))的ICC子群,无性质(T),且非适当近端,从而解决了Boutonnet等人提出的问题。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2609.08687 2026-11-18 cs.GT 版本更新

Comparison-Based Fair Division of Indivisible Chores

基于比较的不可分割家务公平分配

Zehan Lin, Shengxin Liu, Biaoshuai Tao, Shengwei Zhou

机构 * University of Macau(澳门大学) ; Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳)) ; Shanghai Jiao Tong University(上海交通大学) ; Nanyang Technological University(南洋理工大学)

AI总结 本文研究不可分割家务公平分配的查询复杂度,在仅比较访问下设计算法,实现 PROP1、连续 PROP1、$(13/11+\varepsilon)$-MMS 及三智能体 EF1 分配,匹配基数访问的最优保证。

Comments 46 pages and 4 figures. A preliminary version has been accepted to SODA 2027. This version improves the contiguous PROP1 query complexity to the optimal $O(\log m)$ for fixed $n$ and the MMS distortion lower bound to $31/30$

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2608.04990 2026-11-18 hep-ph 版本更新

Thermal Alignment as a Pathway to Axion Dark Matter

热对齐作为轴子暗物质的一条路径

Imtiaz Khan, G. Mustafa, Chengxun Yuan, Farkhod Botirov, Ahmadjon Abdujabbarov, Farruh Atamurotov

机构 * Zhejiang Normal University(浙江师范大学) ; Khazar University(阿塞拜疆大学) ; Harbin Institute of Technology(哈尔滨工业大学) ; National University of Uzbekistan(乌兹别克斯坦国立大学) ; Kimyo International University in Tashkent(塔什干化学国际大学)

AI总结 该研究通过推导惯性朗之万系统的相空间协方差界,结合有限温度规范理论,表明热对齐可决定可计算的后期轴子暗物质态,而非仅均匀位移。

Comments 15 pages, 6 figures

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2105.06037 2026-11-18 quant-ph 版本更新

A Diamond Quantum Oscilloscope

金刚石量子示波器

Yang Dong, Yu Zheng, Wang Jiang, Zhi-Wei Liu, Shao-Chun Zhang, Xiang-Dong Chena, Guang-Can Guo, Fang-Wen Sun

机构 * University of Science and Technology of China(中国科学技术大学) ; Anhui Province Key Laboratory of Quantum Network, University of Science and Technology of China(中国科学技术大学安徽省量子网络重点实验室) ; CAS Center for Excellence in Quantum Information and Quantum Physics, University of Science and Technology of China(中国科学技术大学中国科学院量子信息与量子物理前沿卓越中心) ; School of Physics, Harbin Institute of Technology(哈尔滨工业大学物理学院) ; Hefei National Laboratory, University of Science and Technology of China(中国科学技术大学合肥国家实验室)

AI总结 该研究开发了一种室温固态量子示波器,采用序列量子差放大策略,实现了超越经典极限的海森堡标度波形重建精度,为纳米级核磁共振成像等应用奠定基础。

Comments 4 pages, 7 figures

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.21020 2026-11-17 cs.AI cs.LG 新提交

SWE-OPD: On-Policy Distillation for Agentic Coding

SWE-OPD:面向智能体编码的策略内蒸馏

Yuhang He, Yanyu Chen, Chuanzhe Guo, Jie Zhu, Zichen Tian, Hongyu Ge, Zixuan Ren, Huang He, Bingjin Chen, Junyuan Shang, Shuohuan Wang, Yongqi Zhang, Irwin King, Jing Liu

机构 * The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州)) ; The Chinese University of Hong Kong(香港中文大学) ; Harbin Institute of Technology(哈尔滨工业大学) ; ERNIE Team, Baidu(百度ERNIE团队)

AI总结 本研究提出SWE-OPD,将策略内蒸馏用于智能体编码能力迁移,在软件工程场景中验证其可提升模型解决率,且离线变体可降低GPU资源消耗,还扩展至跨分词器蒸馏场景。

Comments under review

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.20872 2026-11-17 cs.CV cs.RO 新提交

MVSTF: Multi-View Spatio-Temporal Fusion for LiDAR-Based Moving Object Segmentation

MVSTF:用于基于激光雷达的运动目标分割的多视图时空融合

Jiaoju Zhou, Chao Ye, Xuebo Yang, Weiyang Lin

机构 * Research Institute of Intelligent Control and Systems, Harbin Institute of Technology(哈尔滨工业大学智能控制与系统研究所)

AI总结 提出MVSTF多视图时空融合网络,结合序列点云生成多视图图像与特征差异,经多分支网络提取特征并引入辅助语义头,在SemanticKITTI等基准上实现运动目标分割的最优或竞争力结果。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.20698 2026-11-17 cs.CV 新提交

STARS: Stage-Adaptive Responsibility Separation for Shadow Removal in Remote Sensing Images

STARS:面向遥感图像阴影去除的阶段自适应责任分离方法

Gaoliang Song, Chengjie Li, Pengju Liu, Chenchen Chang, Jinhao You, Hongzhi Zhang

机构 * Harbin Institute of Technology(哈尔滨工业大学) ; Northeast Forestry University(东北林业大学)

AI总结 STARS是一种级联阴影去除框架,通过阶段自适应责任分离解耦阴影与非阴影区域任务,结合FSFA适配器,在三个遥感基准数据集上验证了其解决掩码先验矛盾的优越性。

Comments 10 pages, 8 figures, 4 tables

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.19388 2026-11-17 cs.AI 新提交

SARGO: Agreement-Gated Reinforcement and Suppression via On-Policy Self-Guidance for Visual Hallucination Mitigation

SARGO:基于在线策略自引导的协议门控强化与抑制用于缓解视觉幻觉

Jinyu Li, Zhiming Zhang, Hao Fang, Hongyao Yu, Bin Chen, Albert Ma, Shu-Tao Xia

机构 * Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳)) ; Tsinghua Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院)

AI总结 本研究针对视觉语言模型的视觉幻觉问题,提出 SARGO 后训练框架,通过在线策略自引导实现选择性强化与抑制,在多基准评估中优于基线,同时保留有用视觉信息与多模态能力。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.19311 2026-11-17 cs.AI cs.CL cs.LG cs.MA 新提交

Macro Control and Capability Evaluation of Black-Box World Models: A Two-Regime Framework for LLM-Agent Markets

黑盒世界模型的宏观控制与能力评估:面向大语言模型智能体市场的双机制框架

Zhiyang Niu, Chuanjie Li, Huayuan Shen, Mengmeng Zhao, Jiajia Zhang

机构 * Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳)) ; Nanyang Technological University(南洋理工大学) ; Pingan Group(平安集团)

AI总结 本文针对LLM智能体市场,提出软宏观控制方法与双机制评估框架,通过实验验证公布参考路径可提升跟踪得分,明确了结构偏差、实现程度等关键指标的最优取值。

Comments 19 pages; 6 figures, 17 tables

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.19299 2026-11-17 cs.AI cs.CL cs.LG cs.MA 新提交

Staged Semantic Distillation: Preserving Free-Form Semantics in a Low-Compute Non-LLM Surrogate of a Staged LLM Agent

分阶段语义蒸馏:在分阶段大语言模型(LLM)智能体的低计算量非LLM替代模型中保留自由形式语义

Zhiyang Niu, Huayuan Shen, Chuanjie Li, Mengmeng Zhao, Jiajia Zhang

机构 * Harbin Institute of Technology, Shenzhen, China(哈尔滨工业大学深圳校区) ; Nanyang Technological University, Singapore(南洋理工大学) ; Pingan Group, China(中国平安集团)

AI总结 该研究提出分阶段语义蒸馏方法,从TwinMarket轨迹训练低计算量非LLM学生模型,保留自由形式语义,在8GB GPU训练1658秒,决策耗时0.14毫秒,可高效替代分阶段LLM智能体用于市场模拟器研究。

Comments Main text 7 pages; 18 pages total; 3 figures, 16 tables

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.19287 2026-11-17 cs.RO cs.CV 新提交

VLN-Flash: Parallel Action Decoding with Adaptive Execution for Vision-and-Language Navigation

VLN-Flash:面向视觉与语言导航的自适应执行并行动作解码

Ruizhe Xie, Honghua Chen, Binglin Wang, Tong Guo, Xu Tang, Puti Yan, Shaoxiong Cai

机构 * Beijing University of Posts and Telecommunications(北京邮电大学) ; University of Electronic Science and Technology of China(电子科技大学) ; National University of Defense Technology(国防科技大学) ; Nanyang Technological University(南洋理工大学) ; Harbin Institute of Technology(哈尔滨工业大学) ; Beihang University(北京航空航天大学)

AI总结 VLN-Flash是一种无需训练的视觉与语言导航并行动作解码器,通过单次前向传播评估完整动作前缀树,在多个数据集和Unitree GO2机器人上实现了速度提升与性能优化。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.19285 2026-11-17 cs.CV 新提交

Generate, Align, and Restore: MLLM-Empowered Diffusion for Generalizable Low-light Image Enhancement

生成、对齐与恢复:基于多模态大语言模型(MLLM)的通用弱光图像增强扩散方法

Kaisheng Pang, Feng Li, Chen Zhang, Junjun Jiang, Haoang Li, Sam Kwong, Runmin Cong

机构 * The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州)) ; Hefei University of Technology(合肥工业大学) ; Harbin Institute of Technology(哈尔滨工业大学) ; Lingnan University(岭南大学) ; Shandong University(山东大学)

AI总结 针对弱光图像增强泛化能力不足的问题,提出基于MLLM的参考式无监督框架MrLIE,通过置信度偏移模块与结构锚定注入方案实现增强,在多基准上表现更优。

Comments 14 pages, 13 figures

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.19183 2026-11-17 cs.CV 新提交

WA-JEPA: Goal-Aware Predictive Feedback Action Refinement for a World-Action Model

WA-JEPA:面向世界-动作模型的目标感知预测反馈动作细化

Tao An, Weihang Liang, Tianqi Wang, Chuqing Cao, Wenming Tan, Kai Zhang, Haibo Lei, Tao Xie, Lijun Zhao, Ruifeng Li

机构 * Harbin Institute of Technology(哈尔滨工业大学) ; Anhui Polytechnic University(安徽工程大学) ; Hikvision Research Institute(海康威视研究院)

AI总结 本研究提出WA-JEPA世界-动作模型,通过目标差异残差反馈与未来场景上下文反馈,无需候选动作搜索即可高效生成动作,在短/长程任务中实现了高性能与低计算成本的平衡。

Comments 16 pages, 5 figures, including supplementary material. Code available at https://github.com/Dovisya/WA-JEPA

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.40030 2026-11-17 cs.AI cs.LG 版本更新

Cheap Retrieval and Observation Credit Assignment from One Quantity: The Value of Information

从单一量实现低成本检索与观测信用分配:信息的价值

Daniel Strauss, Nikolaos Sotirakis, Zhenshan Bing, Alois Knoll

机构 * Technical University of Munich(慕尼黑工业大学) ; Nanjing University(南京大学) ; Harbin Institute of Technology(哈尔滨工业大学)

AI总结 本文针对强化学习中记忆检索成本高、信用分配难的问题,提出通过学习的世界模型从存档 rollout 估计信息价值,构建的初步检索系统可在减少上下文时解决记忆任务。

Comments 13 pages, 1 figure. Accepted at the CoRL 2026 Workshop on Memory for Robot Foundation Models (https://corl2026-memory.github.io/)

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.37509 2026-11-17 cs.RO 版本更新

Ego-CEVR: Learning Cross-Embodiment Visual Representations from Human Egocentric Videos

Ego-CEVR:从人类第一视角视频学习跨具身视觉表征

Keru Zhou, Zhirui Fang, Xinrun Xu, Yaopeng Lou, Zeyuan He, Zihao Zhu, Xinze Niu, Chen Wang, Tianfu Li, Samith Va, Xiyue Zhang, Bin Qian, Junwei Li, Wenjia Ding, Yicheng Xu, Bowen Jiang, Wenhao Wang, Ziwei Wang, Chang Zhou, Li Liu, Xiu Li, Maoqing Yao

机构 * Tsinghua University(清华大学) ; Nanyang Technological University(南洋理工大学) ; Huazhong University of Science and Technology(华中科技大学) ; The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)) ; Harbin Institute of Technology(哈尔滨工业大学)

AI总结 本研究提出Ego-CEVR框架,通过分层视觉表征学习,利用人类第一视角视频与机器人演示数据,实现跨具身视觉表征学习,支持全局模块独立预训练,为机器人操作能力构建提供低成本数据方案。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2610.10235 2026-11-17 cs.IT cs.AI math.IT 版本更新

Beyond LLM-GA: Secure Fluid Antenna Systems with ReEvo-Designed Memetic Algorithm

超越LLM-GA:基于ReEvo设计的模因算法的安全流体天线系统

Hanyong Xu, Zhaolai Dang, Tong Zhang

机构 * Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳))

AI总结 针对流体天线系统在窃听威胁下的安全端口选择问题,提出基于反思进化(ReEvo)的模因算法,离线演化交叉、变异和局部搜索算子,无需在线LLM查询,仿真显示比传统GA和LLM-GA获得更高的安全总和速率。

Comments Accepted by WCSP 2026

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2604.02133 2026-11-17 hep-th cond-mat.mes-hall cond-mat.supr-con 版本更新

Effective Field Theory for Superconducting Phase Transitions

超导相变的有效场论

Yanyan Bu, Zexin Yang

机构 * School of Physics, Harbin Institute of Technology(哈尔滨工业大学物理学院)

AI总结 本文基于Schwinger-Keldysh形式主义,构建了s波超导相变的有效场论,探讨了高阶项对临界点附近实时间动力学的影响,并通过双膜技术验证了有效作用量的结构。

Comments 30 pages, 1 figure. v3: Published version. References added, typos corrected, one new appendix included, and the discussion of colletctive modes further clarified

Journal ref JHEP 11 (2026) 059

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2605.06196 2026-11-17 cs.AI cs.CL 版本更新

The Granularity Axis: A Micro-to-Macro Latent Direction for Social Roles in Language Models

粒度轴:语言模型中社会角色的微到宏观潜在方向

Chonghan Qin, Xiachong Feng, Ziyun Song, Xiaocheng Feng, Jing Xiong, Lingpeng Kong

机构 * The University of Hong Kong(香港大学) ; Harbin Institute of Technology(哈尔滨工业大学)

AI总结 研究揭示语言模型中社会角色粒度的潜在方向,通过定义粒度轴,发现其主导了角色表示空间的几何结构,并通过实验验证其在不同层级和模型间的稳定性与因果相关性。

Comments 37 pages; expanded experiments and analyses

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.18096 2026-11-16 cs.CL 新提交

VEPO: Mitigating Multilingual Hallucinations in LVLMs via Visual Evidence-guided Preference Optimization

VEPO:通过视觉证据引导的偏好优化缓解大型视觉语言模型(LVLMs)中的多语言幻觉问题

Chengpeng Fu, Xiaocheng Feng, Wenshuai Huo, Yichong Huang, Baohang Li, Duyu Tang, Ting Liu

机构 * Harbin Institute of Technology(哈尔滨工业大学) ; Peng Cheng Laboratory(鹏城实验室) ; Zhongguancun Academy(中关村学院)

AI总结 本文提出VEPO方法,通过训练阶段的视觉证据引导偏好优化,将英语的视觉接地能力迁移至其他语言,在多语言数据集上有效缓解了LVLMs的多语言幻觉问题。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.18053 2026-11-16 cs.CV 新提交

InfiHall-Bench: A Benchmark for Hallucination Evaluation in Autoregressive Text-to-Image Generation

InfiHall-Bench:自回归文本到图像生成中幻觉评估的基准

Yuxia Qiao, Xinhao Zhong, Junhao Li, Yi Sun, Jiaxin Hong, Shuoyang Sun, Bin Chen

机构 * Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳))

AI总结 该研究推出InfiHall-Bench基准,发现VAR模型幻觉的尺度持续模式,提出CMHM方法,实验显示该基准可区分模型,CMHM优于统一LoRA微调。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
2611.18006 2026-11-16 cs.CV 新提交

RecurIR: Learning When and How to Revise Restoration Policies via Recursive Self-Improvement

RecurIR:通过递归自我改进学习何时以及如何修正修复策略

Hu Gao, Haoran Zhang, Yulong Chen, Lizhuang Ma

机构 * Shanghai Jiao Tong University(上海交通大学) ; Harbin Institute of Technology(哈尔滨工业大学)

AI总结 RecurIR是一种递归自我改进框架,通过策略假设发现、规则证伪驱动的任务演化及条件变化驱动的策略修正等机制,使图像修复智能体能学习何时及如何修正修复策略,经实验验证其有效。

展开摘要

展开后加载摘要…

URL PDF HTML 收藏
↑