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

Evaluating Proactive Risk Awareness of Large Language Models

评估大型语言模型的前瞻性风险意识

Xuan Luo, Yubin Chen, Zhiyu Hou, Linpu Yu, Geng Tu, Jing Li, Ruifeng Xu

机构 * The Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Hong Kong Polytechnic University, Hong Kong（香港理工大学） ； Southern University of Science and Technology, Shenzhen（南方科技大学） ； Shenzhen Loop Area Institute, Shenzhen, China（深圳南山区研究院） 纠错

AI总结 本文提出前瞻性风险意识评估框架，通过Butterfly数据集评估LLMs在生态领域预见潜在危害的能力，发现响应长度限制和多模态保护盲点等问题，强调部署LLM时需加强主动防护。

A Simple and Efficient Jailbreak Method Exploiting LLMs' Helpfulness

一种利用大语言模型帮助性的简单高效逃逸方法

Xuan Luo, Yue Wang, Zefeng He, Geng Tu, Jing Li, Ruifeng Xu

机构 * The Harbin Institute of Technology（哈尔滨工业大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Shenzhen University（深圳大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 本研究提出了一种利用大语言模型帮助性的简单高效逃逸方法，通过重构范式HILL在多种模型上实现高攻击成功率，揭示了安全机制的局限性。

KCFRC: Kinematic Collision-Aware Foothold Reachability Criteria for Legged Locomotion

KCFRC：用于腿部运动的运动学碰撞感知脚部可达性准则

Lei Ye, Haibo Gao, Huaiguang Yang, Peng Xu, Haoyu Wang, Tie Liu, Junqi Shan, Zongquan Deng, Liang Ding

机构 * State Key Laboratory of Robotics and Systems, Harbin Institute of Technology（机器人系统国家重点实验室，哈尔滨工业大学） 纠错

AI总结 KCFRC通过高效脚部可达性分析提升腿部机器人在复杂环境中的适应性和鲁棒性。

AINet: Anchor Instances Learning for Regional Heterogeneity in Whole Slide Image

AINet: 区域异质性在全切片图像中的锚实例学习

Tingting Zheng, Hongxun Yao, Kui Jiang, Sicheng Zhao, Yi Xiao

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Tsinghua University（清华大学） ； Zhengzhou University（郑州大学） 纠错

AI总结 AINet通过锚实例学习解决全切片图像中区域异质性问题，采用双层锚实例挖掘和锚引导区域校正模块，提升模型性能并减少计算资源消耗。

PegasusFlow: Parallel Rolling-Denoising Score Sampling for Robot Diffusion Planner Flow Matching

PegasusFlow: 并行滚动去噪分数采样用于机器人扩散规划流程匹配

Lei Ye, Haibo Gao, Peng Xu, Zhelin Zhang, Junqi Shan, Ao Zhang, Wei Zhang, Ruyi Zhou, Zongquan Deng, Liang Ding

机构 * State Key Laboratory of Robotics and Systems, Harbin Institute of Technology（机器人系统国家重点实验室，哈尔滨工业大学） 纠错

AI总结 PegasusFlow通过并行滚动去噪分数采样方法，实现了无需专家数据的机器人轨迹规划，显著提升了复杂地形中的导航性能。

Comments 8 pages, 7 figures, conference paper

MoSA: Motion-Coherent Human Video Generation via Structure-Appearance Decoupling

MoSA: 通过结构-外观解耦生成运动一致的人体视频

Haoyu Wang, Hao Tang, Donglin Di, Zhilu Zhang, Wangmeng Zuo, Feng Gao, Siwei Ma, Shiliang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机学院，北京大学） ； School of Arts（艺术学院） ； Li Auto（力汽车） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 MoSA通过结构-外观解耦生成运动一致的人体视频，引入Human-Aware Dynamic Control模块和接触约束，提升细粒度控制与人-环境交互建模，实现更逼真的人体视频生成。

Comments Accepted by ICLR 2026. Project: https://hywang2002.github.io/MoSA