Zhejiang University（浙江大学）

Revisiting Topological Graphs for Macro Action based Closed-loop Reinforcement Learning of Vision Language Navigation in Continuous Environment

重新审视连续环境中基于宏观动作的视觉语言导航闭环强化学习的拓扑图

Shuhao Ye, Sitong Mao, Yuxiang Cui, Yufei Wei, Xuan Yu, Shichao Zhai, Wen Chen, Shunbo Zhou, Rong Xiong, Yue Wang

机构 * Zhejiang University（浙江大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Zhejiang Humanoid Robot Innovation Center（浙江人形机器人创新中心） 纠错

AI总结 该研究针对连续环境视觉语言导航的模仿学习缺陷，提出分层马尔可夫决策过程结合拓扑图与动作感知价值头的方法，在R2R-CE等基准取得最优性能。

FWBC-VLA: Force-Aware Whole-Body Compensation for Contact-Rich Loco-Manipulation

FWBC-VLA：面向接触丰富型移动操纵的力感知全身补偿

Yutian Zhang, Siyuan Ma, Liwen Yang, Yang Li, Ce Hao, Haozhen Chi, Dong We, Qiaojun Yu, Dibo Hou

机构 * Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Zhongguancun Academy（中关村学院） ； Deep Robotics（深度机器人公司） ； Zhejiang University of Science and Technology（浙江科技大学） 纠错

AI总结 该研究针对现有VLA模型无法解释物理交互、WBC策略无法区分任务相关力与扰动的问题，提出FWBC-VLA力感知框架，结合无传感器接触估计与补偿控制，在轮腿机器人的接触丰富型移动操纵任务中验证了有效性。

Comments 9 pages, 6 figures

Exploring the Potential of Contrastive Language-Image Pre-training for Multi-Source Remote Sensing Data

探索对比语言-图像预训练在多源遥感数据中的潜力

Xiangyang Miao, Kelu Yao, Yekai Huang, Xiaogang Xu, Junxiao Xue, Minjun Shen, Chenghui Lv, Shanji Liu, Yaying Chen, Chao Li

机构 * School of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Space-based Computing System Research Center, Zhejiang Lab（之江实验室天基计算系统研究中心） 纠错

AI总结 该研究提出OmniRSCLIP框架，通过SSBD方法将CLIP扩展至多源遥感数据，构建OmniRS5M数据集，在多项任务上验证了其性能。

Comments 9 pages, 4 figures, 5 tables. Submitted to AAAI 2027

DE-Venus: A Data-Efficient RLVR Framework for Large Language Models

DE-Venus：面向大语言模型的高效数据强化学习可验证奖励框架

Shenzhi Yang, Guangcheng Zhu, Kai Tang, Zhengqing Zang, Xing Zheng, Haobo Wang, Yingfan Ma, Bowen Song, Bo Han, Bo An, Lei Feng, Weiqiang Wang, Junbo Zhao, Gang Chen

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Hong Kong Baptist University（香港浸会大学） ； Nanyang Technological University（南洋理工大学） ； Southeast University（东南大学） 纠错

AI总结 DE-Venus 是一种高效数据 RLVR 统一框架，通过三个模块实现监督管理，仅用 10% 标签或 13% 数据即可维持/提升模型质量，减少收敛步数，降低标注与训练成本。

MedQA-MM: Shortcuts Behind Medical Visual Reasoning

MedQA-MM：医学视觉推理背后的捷径

Benlu Wang, Yifan Zhang, Jiaqing Yu, Chin Siang Ong, Juncheng Huang, Zhuohao Li, Zhenyu Zhang, Arman Cohan, Hong Yu, Zonghai Yao

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Yale University（耶鲁大学） ； University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） ； VA Bedford Healthcare System（贝斯以色列女执事医疗中心贝德福德分部） ； Qingdao Medical College of Qingdao University（青岛大学青岛医学院） ； Yale School of Medicine（耶鲁医学院） ； National University Hospital, Singapore（新加坡国立大学医院） ； Zhejiang University（浙江大学） ； Stanford University（斯坦福大学） 纠错

AI总结 该研究针对医学多模态MCQ的推理膨胀问题，构建捷径缓解子集MedQA-MM，通过多维度审计与消融实验揭示模型依赖文本等捷径，证明医学图像推理需路径层面证据。

MidSurfNet: Learning Face Pairing for Mid-surface Abstraction of Thin-walled CAD Models

MidSurfNet：面向广义中面抽象的可学习面配对与干涉隐式场

Li Ye, Xinhang Zhou, Xingyu Yang, Ruofeng Tong, Hailong Li, Peng Du, Min Tang

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Shenzhen Poisson Software Co., Ltd.（深圳波森软件有限公司） 纠错

AI总结 提出MidSurfNet框架，通过可学习的面配对模块和干涉隐式场，解决薄壁CAD模型中多壁厚、自匹配及非中心偏移等复杂场景的中面抽象问题，实现87.32%的面配对准确率。

Comments 16 pages, 8 figures, 4 tables

Attend to Evidence: Evidence-Anchored Spatial Attention Supervision for Multimodal RLVR

关注证据：面向多模态RLVR的证据锚定空间注意力监督

Ruina Hu, Chen Wang, Lai Wei, Jionghao Bai, Bin Yu, Weiran Huang, Kai Wang, Yue Wang

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； Nankai University（南开大学） ； Shanghai Jiaotong University（上海交通大学） ； Zhejiang University（浙江大学） 纠错

AI总结 提出EASE方法，通过将标注证据区域转化为平滑视觉标记目标，在多模态强化学习训练中引导响应到图像的注意力，从而提升视觉语言模型在感知、幻觉、视觉数学和多模态推理基准上的性能。

Comments Accepted to EMNLP 2026

MIRA: A Bilingual Benchmark for Medical Information Response Audit

MIRA: 医学信息响应审计的双语基准

Mengyu Xu, Qiaoxin Yang, Qianqian Wang, Xiwei Dai, Weiyi Wu, Chongyang Gao

机构 * The University of Chicago（芝加哥大学） ； SynAI Technologies Inc.（SynAI技术公司） ； Jinzhou Medical University（锦州医学院） ； Zhejiang University（浙江大学） ； Dartmouth College（达特茅斯学院） ； Northwestern University（西北大学） 纠错

AI总结 提出MIRA双语基准，通过4,320个提示评估大语言模型在不同用户表达下提供医学信息的一致性，发现低健康素养提示导致信息稀释（DID），并提出知识引导缓解方法。

Comments Accepted to the Main Conference of EMNLP 2026

EasySteer: A Unified Framework for High-Performance and Extensible LLM Steering

EasySteer: 一种高绩效且可扩展的LLM引导统一框架

Haolei Xu, Xinyu Mei, Yuchen Yan, Rui Zhou, Wenqi Zhang, Weiming Lu, Yueting Zhuang, Yongliang Shen

机构 * Zhejiang University（浙江大学） 纠错

AI总结 EasySteer通过模块化架构和预计算引导向量，实现高效且可扩展的LLM引导，提升推理效率并支持多种应用场景。

Comments EMNLP 2026 System Demonstrations. Code: https://github.com/ZJU-REAL/EasySteer Demo: https://www.youtube.com/watch?v=3rRGzZmhrXg

SafeEvolve: Harness-Policy Co-Evolution from Agent Experience for Safety Alignment

SafeEvolve：利用智能体经验进行安全对齐的 harness-策略协同进化

Qinghua Mao, Wanying Qu, Dadi Guo, Leitao Yuan, Qingyu Liu, Yu Li, Guanxu Chen, Yanwei Fu, Xi Lin, Xia Hu, Dongrui Liu

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； SJTU（上海交通大学） ； Fudan University（复旦大学） ； HKUST（香港科技大学） ； Zhejiang University（浙江大学） 纠错

AI总结 SafeEvolve是一种基于智能体经验的安全对齐自进化框架，通过harness-策略协同进化实现更优的安全-效用权衡，在Qwen3.5-4B上可降低AgentDojo的ASR并提升良性效用

Comments Project: https://github.com/MaoPopovich/SafeEvolve

HINT: Human-Intent Inception for Long-Horizon Robot Manipulation

HINT：面向长 horizon 机器人操作的人类意图 inception

Mingyu Mei, Haojie Xu, Shihao Jin, Zibo Dai, Qihao Cheng, Zhengrui Lv, Hongjie Fang, Shirun Tang, Guang Chen, Xinyue Zhao, Huiliang Shen, Zaixing He

机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Noematrix（诺埃马特里斯（Noematrix）） ； EndlessAI（无尽人工智能（EndlessAI）） 纠错

AI总结 HINT 是受人类操作原则启发的智能体框架，仅在操作模式转换时进行语义推理，通过两种视觉接口传递意图，在长 horizon 机器人操作任务中提升了基础策略的意图理解与任务成功率。

Comments Project page: https://robot-hint.github.io/

Learn from Whoever Is Right: Answer-Verified Multi-Teacher Distillation for Multi-Domain LLMs

向任何正确的对象学习：用于多领域大语言模型的答案验证多教师蒸馏

Xixiang He, Xingming Li, Baiqi Wu, Qiyao Sun, Xuanyu Ji, Ao Cheng, Qingyong Hu

机构 * National University of Defense Technology（国防科技大学） ； Zhejiang University（浙江大学） ； Intelligent Game and Decision Lab（智能游戏与决策实验室） 纠错

AI总结 本文提出MT-SDPO方法，通过答案验证识别可靠教师而非依赖领域，将多教师蒸馏统一为单模型，提升了Qwen3-8B的领域性能并缩小了差距。

Coverage, Not Targeting: A Structural Regime in Multi-Turn Agent Credit Assignment

覆盖率，而非靶向：多轮智能体信用分配中的一种结构 regime

Chenyu Zhou, Qiliang Jiang, Shuning Wu, Xu Zhou

机构 * School of Engineering, Institute of Science Tokyo（东京科学技术学院工学院） ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 该研究发现多轮智能体信用分配中，终端状态验证器处于低信息密度 regime，均匀分布奖励（覆盖率）优于靶向分配，在多个基准及模型家族上可复现，提出需用匹配浓度打乱对照检验靶向主张。

Comments 22 pages, 7 figures, 8 tables

CoMerge: Conflict-Driven Preference Optimization for Multi-Task Model Merging

CoMerge：面向多任务模型合并的冲突驱动偏好优化

Mingjie Zheng, Zihao Chen, Wenqing Chen, Weile Yuan, Zhixuan Chu, Jianxing Yu, Zibin Zheng

机构 * School of Software Engineering, Sun Yat-sen University（中山大学软件工程学院） ； HiThink Research（海思思考研究院） ； School of Artificial Intelligence, Sun Yat-sen University（中山大学人工智能学院） ； Zhejiang University（浙江大学） 纠错

AI总结 CoMerge将模型合并转化为偏好优化问题，利用朴素合并缺陷构建偏好对优化张量级合并系数，在MergeBench和Llama-3.1-8B-Instruct上均优于基线，仅优化少量系数即可实现多任务LLM的高效合并。

Comments Accepted for publication at the EMNLP 2026 Main Conference

Lightweight Adaptation of General-Purpose VLMs for Multispectral and SAR Image Understanding

面向多光谱与SAR图像理解的通用视觉语言模型（VLM）的轻量适配

Shanji Liu, Kelu Yao, Junxiao Xue, Chenghui Lv, Xiangyang Miao, Yekai Huang, Yaying Chen, Chao Li

机构 * Zhejiang University（浙江大学） ； Zhejiang Lab（之江实验室） 纠错

AI总结 本文提出通过渲染多光谱与SAR输入视图并采用LoRA轻量适配，将通用VLMs迁移至多光谱和SAR图像理解任务，在土地覆盖识别等任务上取得良好效果，且可跨架构与数据集迁移。

Comments 18 pages, 7 figures, 17 tables

Beyond Outcome Gaps: Process-Aware Fairness Diagnosis for LLM-based Multi-Agent Decision Systems

超越结果差距：面向基于大语言模型的多智能体决策系统的过程感知公平性诊断

Yiran Zhao, Lu Zhou, Liming Fang, Yufei Chen, Jiafei Wu, Zhe Liu, Xiaogang Xu

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Collaborative Innovation Center of Novel Software Technology and Industrialization（新型软件技术与产业化协同创新中心） ； Shandong University（山东大学） ； School of Software Technology, Zhejiang University（浙江大学软件学院） ； Ningbo Global Innovation Center, Zhejiang University（浙江大学宁波全球创新中心） 纠错

AI总结 针对基于LLM的多智能体招聘决策系统，提出SCOPED-Hiring流程开展过程感知公平性诊断，发现结果平衡掩盖轨迹不公平，针对性修复可降负担且对招聘率影响极小。

Comments Accepted to EMNLP 2026

CHIME: Credit-Aware Hierarchical Memory Evolution for Long-Horizon Agentic Planning

CHIME：面向长视界智能体规划的信用感知分层记忆演化

Yongshi Ye, Tian Lan, Feihu Jiang, Muyang Ye, Bin Zhu, Qianghuai Jia, Longyue Wang, Zhao Xu, Weihua Luo, Xiaodong Shi

机构 * Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能学院） ； Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan (Xiamen University), Ministry of Culture and Tourism（文化和旅游部闽台非物质文化遗产数字化保护与智能处理重点实验室（厦门大学）） ； Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 针对现有自演化记忆方法的信用分配问题，提出CHIME框架，通过维护规划与执行双记忆库并遵循先归因后记忆原则，在四个长视界智能体基准上优于多种基线，且记忆高效可迁移。

Comments 7 figures, 7 tables

ZipTok3D: High-Fidelity 3D Tokenization with Compact Token Prefixes

ZipTok3D：采用紧凑 token 前缀的高保真 3D 分词

Mingda Lin, Weijie Wang, Zeyu Zhang, Bowen Cui, Yefei He, Haoyu Zhao, Yuanyu He, Donny Y. Chen, Feng Chen, Bohan Zhuang

机构 * Zhejiang University（浙江大学） ； Monash University（莫纳什大学） ； University of Adelaide（阿德莱德大学） 纠错

AI总结 针对现有3D分词器在极低token预算下重建性能下降的问题，本文提出ZipTok3D，通过嵌套dropout训练使前导token承载关键几何信息，结合迭代解码，仅用1或4个token就达到基线重建质量，大幅缩短token序列长度。

Comments 25 pages, 9 figures, 6 tables, including appendix

Whitewashing Hate, Smearing Harmless Content: Annotator-Style Rebuttal Attacks on LLM-Based Moderation

洗白仇恨内容、抹黑无害内容：针对基于大语言模型的内容审核的标注者式反驳攻击

Junyu Lu, Kaiyuan Liu, Jingyi Kang, Deyi Ji, Hailong Zhang, Lanyun Zhu, Qi Zhu, Bo Xu, Liang Yang, Hongfei Lin

机构 * Dalian University of Technology（大连理工大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； Tencent（腾讯） ； Tongji University（同济大学） 纠错

AI总结 该研究针对LLMs内容审核提出标注者式反驳攻击，发现洗白仇恨内容与抹黑无害内容的攻击效果存在模型特异性不对称性，防御措施无法完全消除攻击影响，凸显需定向防御与反馈鲁棒性评估。

Comments We identified errors in the experimental setup and analysis that affect several key results and conclusions. As substantial re-analysis is required and the conclusions may change, we respectfully request withdrawal of the current version

OmniEdit-Bench: A Comprehensive Benchmark for Instruction-based Video Editing

OmniEdit-Bench：基于指令的视频编辑综合基准

Chenxuan Miao, Yutong Feng, Yi Lu, Yunfeng Yan, Donglian Qi, Shiwei Zhang, Yu Liu, Xi Chen, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学） ； Peking University（北京大学） 纠错

AI总结 针对现有基于指令的视频编辑基准的任务覆盖有限、指标不足的问题，OmniEdit-Bench将编辑任务分解为多维度并提出含惩罚机制的评估框架，实验显示当前IVE模型仍待提升。

Progression as Latent Drift: Generative Forecasting of Slow-Evolving Pathologies

作为潜在漂移的进展：缓慢演变病理的生成预测

Yuxiang Feng, Juncheng Wang, Chao Xu, Wenlong Hou, Huihan Wang, Yijie Qian, Yang Liu, Baigui Sun, Yong Liu, Shujun Wang

机构 * Zhejiang University（浙江大学） ； The Hong Kong Polytechnic University（香港理工大学） ； IROOTECH TECHNOLOGY（IROOTECH技术） ； Wolf 1069 b Lab, Sany Group（Wolf 1069 b实验室，三一集团） 纠错

AI总结 研究针对缓慢演变神经退行性疾病未来解剖结构预测难题，提出潜在漂移的渐进生成框架，在压缩语义表示中学习变化，结合有限标量量化抑制干扰波动，实验表明该方法在神经预测上优于基线。

Comments Accepted to ECCV 2026

Beyond Retrieval: Learning Compact User Representations for Scalable LLM Personalization

超越检索：学习紧凑用户表示以实现可扩展的LLM个性化

Heng Cao, Fan Zhang, Jian Yao, Yujie Zheng, Changlin Zhao, Lu Hao, Yuxuan Wei, Wangze Ni, Huaiyu Fu, Yuqian Sun, Xuyan Mo

机构 * Microsoft（微软公司） ； Shanghai International Studies University（上海国际问题研究大学） ； Zhejiang University（浙江大学） ； Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（数据科学与人工智能系，香港理工大学） 纠错

AI总结 提出TAP-PER框架，通过可学习的用户状态前缀嵌入编码用户偏好，避免显式提示构建和繁重的每用户适配器，在六个LaMP任务上优于基线方法，并显著减少参数开销。

Comments EMNLP 2026 Findings

Geometry-Guided Modeling of Foundation Features Enables Generalizable Object Shape Deformation Learning

几何引导的基础特征建模实现可泛化的物体形状变形学习

Yiyao Ma, Kai Chen, Zhongxiang Zhou, Zhuheng Song, Dongsheng Xie, Zelong Tan, Rong Xiong, Qi Dou

机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学计算机科学与工程系） ； Zhejiang Innovation Center for Humanoid Robotics, Ningbo, China（浙江省人形机器人创新中心） ； State Key Laboratory of Industrial Control and Technology, Zhejiang University, Hangzhou, China（浙江省工业控制技术重点实验室） 纠错

AI总结 提出一种几何引导的特征建模机制和视图自适应特征聚合模块，通过变形类别级形状模板实现单目3D形状恢复，在形状变化和视角多样性上显著优于现有方法。

Comments ICML 2026

Parallel Reference-Centric Continuous-Time Relative Localization with Augmented Clamped Non-Uniform B-Splines

并行连续时间相对定位与增强钳制非均匀B样条

Jiadong Lu, Zhehan Li, Tao Han, Miao Xu, Jiajun Lv, Chao Xu, Yanjun Cao

机构 * State Key Laboratory of Industrial Control Technology, Institute of Cyber-Systems and Control, Zhejiang University（工业控制技术国家重点实验室，系统与控制研究所，浙江大学） ； Huzhou Institute of Zhejiang University（浙江大学湖州研究院） ； Department of Automatic Control, Faculty of Engineering, Lund University（自动控制系，工程学院， Lund大学） 纠错

AI总结 本文提出CT-RIO框架，利用钳制非均匀B样条实现高精度、低延迟的多机器人相对定位，通过灵活的节点管理提升计算效率。

Comments 21 pages, 23 figures, submitted to IEEE Transactions on Robotics

Shiva-DiT: Residual-Based Differentiable Top-$k$ Selection for Efficient Diffusion Transformers

Shiva-DiT：基于残差的可微Top-k选择用于高效扩散变换器

Jiaji Zhang, Hailiang Zhao, Jiaju Wu, Ruichao Sun, Xinkui Zhao, Shuiguang Deng

机构 * AIOS, Alibaba Group（阿里云人工智能实验室，阿里巴巴集团） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 Shiva-DiT通过基于残差的可微Top-k选择，在保持端到端可学习性的同时，实现了高效扩散变换器的剪枝，提升了计算效率并减少了硬件开销。

Comments 37 pages

Adaptive Critical Token-Aware Retrieval for Repository-Level Code Generation

面向仓库级代码生成的自适应关键令牌感知检索

Kefeng Duan, Dewu Zheng, Yanlin Wang, Terry Yue Zhuo, Mingwei Liu, Jianxing Yu, Jiachi Chen, Ensheng Shi, Xilin Liu, Yuchi Ma, Zibin Zheng

机构 * Sun Yat-sen University（中山大学） ； School of Artificial Intelligence, Sun Yat-sen University（中山大学人工智能学院） ； Monash University（莫纳什大学） ； CSIRO’s Data61（联邦科学与工业研究组织数据61研究所） ； Zhejiang University（浙江大学） ； Huawei Cloud Computing Technologies Co., Ltd.（华为云计算技术有限公司） 纠错

AI总结 针对仓库级代码生成中LLM输入长度受限及关键令牌易出错问题，提出ACToR框架，通过识别关键令牌触发针对性检索并采用位置感知加权，在RepoExec和CoderEval上较SOTA方法分别提升8.4%、15.4%

Comments Under review

LEAP: Likelihood Elicitation and Aggregation for LLM-based Probabilistic Forecasting

LEAP：面向基于大语言模型的概率预测的似然 elicitation 与聚合

Yufei Chen, Yiran Zhao, Xiaogang Xu, Qipeng Xie, Jiafei Wu, Zhe Liu

机构 * Shandong University（山东大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Zhejiang University（浙江大学） ； Ningbo Global Innovation Center, Zhejiang University（浙江大学宁波科创中心） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 该研究针对基于LLM的整体预测设计模糊证据影响、合并不确定性的问题，提出LEAP方法，构建多任务基准并验证其可提升预测与校准指标，性能更稳定。

Comments Accepted to the 2026 Conference on Empirical Methods in Natural Language Processing (EMNLP 2026). 20 pages, 3 figures, and 15 tables. Code: https://github.com/layingfish/LEAP

EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents

EmbodiedSkills：用于编排、训练和部署VLA智能体的统一框架

Wei Wang, Wenqiao Zhang, Yutong Lin, Yuqian Yuan, Tianwei Lin, Jinhao Mao, Zhenxuan Fan, Mingjian Gao, Yang Dai, Wentong Li, Zheqi Lv, Zheng Dong, Yingjie Niu, Jiaqi Zhu, Jun Xiao, Chao Li, Yueting Zhuang

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Cornell University（康奈尔大学） ； Universal Ubiquitous AI Co., Ltd.（Universal Ubiquitous AI有限公司） ； Hangzhou DEEP Robotics Technology Co., Ltd.（杭州深度机器人科技有限公司） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本研究提出EmbodiedSkills统一框架，通过可执行技能接口整合VLA智能体的感知、规划等环节，经实例化验证其在RoboTwin 2.0、LIBERO等任务上的执行性能，为构建闭环具身系统提供支持。

Comments 20 pages, 4 figures, 5 tables

S$^2$Prune: Spatially Structured Visual Token Pruning for Multimodal Large Language Models

S$^2$Prune：面向多模态大语言模型的空间结构化视觉令牌剪枝

Yuanyuan Jia, Shunpu Tang, Qianqian Yang

机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息与电子工程学院） 纠错

AI总结 S$^2$Prune是一种无需训练的多模态大语言模型视觉令牌剪枝方法，通过空间结构化策略保留图像覆盖、适配局部结构，在Qwen2.5-VL-7B-Instruct上仅用少量令牌即可保持较高性能。

Comments 18 pages, including supplementary material. Code is available at https://github.com/yuanyuanjia71-spec/S2Prune

Calibration is the Bottleneck: An Action-Class Diagnostic of Multi-Turn Tool-Calling

校准是瓶颈：多轮工具调用的动作类诊断

Kangjia Zhao, Jiajun Li, Haozhan Shen, Wei Chow, Linfeng Li, Hang Song, Lingdong Kong, Chen Zhi, Tiancheng Zhao, Songhua Liu, Jianwei Yin

机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； National University of Singapore（新加坡国立大学） ； Om AI Research（Om AI研究院） ； Binjiang Institute of Zhejiang University（浙江大学滨江研究院） 纠错

AI总结 本文提出面向动作类的多轮工具调用诊断框架，将失败分解为校准错误与执行失败，发现校准错误是被掩盖的关键瓶颈，且校准可通过上下文扰动异质性重塑，建议评估补充该诊断。

Comments Accepted to Findings of EMNLP 2026. Code: https://github.com/fbj2333/tool-calling-calibration