Dashed Line Defense: Plug-And-Play Defense Against Adaptive Score-Based Query Attacks
虚线防御：对抗自适应分数查询攻击的即插即用防御
机构 * Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本文提出Dashed Line Defense，一种即插即用的后处理方法，有效抵御自适应分数查询攻击，通过引入损失与对抗强度的模糊性，阻止攻击者适应策略，提升模型安全性。
高校专区
Harbin Institute of Technology（哈尔滨工业大学）
How Do Language Models Understand Tables? A Mechanistic Analysis of Cell Location
语言模型如何理解表格？对单元格定位的机制分析
机构 * Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本研究通过分析语言模型处理表格的机制，揭示了单元格定位的三阶段流程，包括语义绑定、坐标定位和信息提取，并展示了模型如何通过离散分隔符计数和线性子空间编码实现表格理解。
When Does Context Help? Error Dynamics of Contextual Information in Large Language Models
何时上下文有助于？大型语言模型中上下文信息的误差动态
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Singapore Management University（新加坡管理大学）
AI总结 本文提出统一理论框架，分析上下文信息对Transformer模型误差动态的影响，通过几何条件和范数约束揭示上下文校正的必要条件，并通过实验验证提升模型性能。
Generating Adversarial Events: A Motion-Aware Point Cloud Framework
生成对抗事件：一种运动感知点云框架
机构 * Harbin Institute of Technology（哈尔滨理工大学）
AI总结 本文提出MA-ADV框架，通过点云表示生成对抗事件，解决事件表示非可微导致的对抗攻击难题，验证其在安全性和鲁棒性上的优势。
Color3D: Controllable and Consistent 3D Colorization with Personalized Colorizer
Color3D: 可控且一致的3D着色化方法，具有个性化着色器
机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Harbin Institute of Technology Zhengzhou Research Institute（哈尔滨工业大学郑州研究所） ； Artificial Intelligence Research Institute, Shenzhen University of Advanced Technology（深圳先进技术大学人工智能研究所）
AI总结 Color3D通过个性化着色器实现可控且一致的3D着色化，提升动态和静态场景的色彩丰富度与用户可控性。
Comments ICLR 2026 Project Page https://yecongwan.github.io/Color3D/
FlashVID: Efficient Video Large Language Models via Training-free Tree-based Spatiotemporal Token Merging
FlashVID: 通过无训练树状时空标记合并实现高效的视频大语言模型
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 FlashVID通过无训练的树状时空标记合并技术，在保留99.1%性能的情况下将视频帧输入提升10倍，实现高效视频大语言模型加速。
Comments Accepted by ICLR 2026 (Oral)
DeltaKV: Residual-Based KV Cache Compression via Long-Range Similarity
DeltaKV: 基于残差的KV缓存压缩 via 长距离相似性
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 DeltaKV通过残差编码减少KV缓存内存，提升长上下文LLM的部署效率。
Comments preprint
MARTI-MARS$^2$: Scaling Multi-Agent Self-Search via Reinforcement Learning for Code Generation
MARTI-MARS$^2$：通过强化学习实现多智能体自搜索的扩展用于代码生成
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation（自动化研究所） ； Fudan University（复旦大学） ； High School Affiliated to Fudan University（复旦大学附属高中） ； Renmin University of China（中国人民大学） ； University of Washington（华盛顿大学）
AI总结 MARTI-MARS2通过多智能体强化学习实现代码生成的扩展，突破单智能体限制，提升性能和多样性。
On Reasoning Strength Planning in Large Reasoning Models
在大推理模型中关于推理强度规划的研究
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本研究揭示了大推理模型通过预先分配方向向量来规划推理强度，为控制其推理行为提供了新方法。
AlphaSteer: Learning Refusal Steering with Principled Null-Space Constraint
AlphaSteer: 通过原理性零空间约束学习拒绝引导
机构 * National University of Singapore（国立新加坡大学） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 AlphaSteer 通过原理性零空间约束学习拒绝引导，提升大语言模型的安全性与效用平衡。
Comments ICLR 2026
SurfAge-Net: A Hierarchical Surface-Based Network for Interpretable Fine-Grained Brain Age Prediction
SurfAge-Net：一种基于层次表面的网络用于可解释的细粒度脑年龄预测
机构 * Gansu Provincial Key Laboratory of Wearable Computing, School of Information Science and Engineering, Lanzhou University（甘肃省可穿戴计算重点实验室，信息科学与工程学院，兰州大学） ； Department of Medical Imaging Center, Gansu Provincial Maternity and Child-Care Hospital（医学影像中心，甘肃省妇幼保健院） ； Department of Magnetic Resonance, Lanzhou University Second Hospital（磁共振科，兰州大学第二医院） ； Department of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（计算机科学与技术系，哈尔滨工业大学（深圳）） ； Key Laboratory for Biomedical Engineering of Ministry of Education, Department of Biomedical Engineering, College of Biomedical Engineering & Instrument Science, Zhejiang University（教育部生物医学工程重点实验室，生物医学工程学院，浙江大学）
AI总结 SurfAge-Net通过结合皮层组织的连接组原理，提出了一种基于层次表面的网络，用于可解释的细粒度脑年龄预测，有效识别异常发育人群中的异质延迟和区域特定异常。
