高校专区
重播失败作为成功：用于指令跟随的样本高效强化学习
机构 * Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Dalian University of Technology（大连理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Alibaba Cloud Computing（阿里云计算） ； Chinese Academy of Sciences（中国科学院）
AI总结 HiR 提出了一种样本高效强化学习框架，通过将失败尝试视为成功来提升指令跟随任务的性能，利用双偏好学习实现高效优化。
ClinDEF: 一种用于大语言模型临床推理的动态评估框架
机构 * ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州全球科技创新中心） ； ZJU-UIUC Institute, Zhejiang University（浙江大学UIUC研究院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； The Polytechnic Institute, Zhejiang University（浙江大学 polytechnic 院） ； AntGroup（蚂蚁集团）
AI总结 ClinDEF通过模拟诊断对话评估大语言模型的临床推理能力，利用疾病知识图谱生成病例并进行多轮交互，提供细粒度效率分析和诊断质量评估，揭示LLM在临床推理中的关键不足。
Comments 23 pages, 4 figures, under review
PreGME：基于变增益ESO的空中机械臂预设性能控制
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； WINDY Lab, Department of Artificial Intelligence, Westlake University（西湖大学人工智能研究院WINDY实验室） ； College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院） ； Research Center for Industries of the Future, Westlake University（未来产业研究中心）
AI总结 PreGME通过变增益ESO和预设性能控制，实现空中机械臂高精度运动控制，有效应对动态耦合挑战。
Comments 12 pages, 6 figures
奖励强制：基于奖励分布匹配蒸馏的高效流式视频生成
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； SIAS-ZJU ； SJTU（上海交通大学）
AI总结 奖励强制通过EMA-Sink和Re-DMD提升流式视频生成效率与质量，实现23.1 FPS的高性能视频生成。
TokenTiming: 一种适用于通用推测解码模型对的动态对齐方法
机构 * Zhejiang University（浙江大学）
AI总结 TokenTiming通过动态对齐方法实现通用推测解码，无需重新训练即可处理不同词汇模型，提升LLM推理效率1.57倍。
Doctor Sun: 一种双语多模态大语言模型用于生物医学AI
机构 * Key Laboratory of Smart Manufacturing in Energy Chemical Process, Ministry of Education East China University of Science and Technology（能源化工过程智能制造重点实验室，东华大学） ； Research Institute of Intelligent Control and Systems Harbin Institute of Technology（智能控制与系统研究室，哈尔滨工业大学） ； Department of Emergency Medicine, Sir Run Run Shaw Hospital Zhejiang University School of Medicine（浙江大学医学院急诊医学科） ； Provincial Key Laboratory of Precise Diagnosis Treatment of Abdominal Infection, Sir Run Run Shaw Hospital Zhejiang University School of Medicine（腹部感染精准诊断治疗省级重点实验室，浙江大学医学院） ； School of Medicine Shaoxing University（绍兴大学医学院）
AI总结 Doctor Sun是一种双语多模态大语言模型，通过整合预训练视觉编码器和医学LLM，提升生物医学多模态任务的性能，并提供SunMed-VL数据集支持研究进展。
通过组成提示引导的扩散模型实现鲁棒的息肉检测与诊断
机构 * Zhejiang University（浙江大学） ； Shanghai Institute for Advanced Study of Zhejiang University（浙江大学上海高等研究院） ； Endoscopy Center, Zhongshan Hospital, Fudan University（复旦大学中山医院内窥镜中心） ； Shanghai Collaborative Innovation Center of Endoscopy（上海内窥镜协同创新中心） ； Digital Medical Research Center, School of Basic Medical Sciences, Fudan University（复旦大学基础医学院数字医疗研究中心） ； Shanghai Key Laboratory of MICCAI（上海MICCAI重点实验室） ； Alliance Manchester Business School, The University of Manchester（曼彻斯特大学联盟商学院） ； Data Science Institute, Imperial College London（伦敦帝国学院数据科学研究所）
AI总结 本文提出PSDM模型，通过整合多种临床注释生成合成图像，提升息肉检测、分类和分割的鲁棒性和泛化能力。
Journal ref IEEE Trans. Med. Imaging, vol. 44, no. 12, pp. 5245-5257, Dec. 2025
基于可训练标记嵌入的张量网络生机器的序列学习
机构 * Department of Physics, University of California, San Diego, CA 92093, USA（加州大学圣地亚哥分校物理系） ； School of Physics, Zhejiang University, Hangzhou 310027, China（浙江大学物理学院） ； Department of Physics, Georgia Institute of Technology, Atlanta, GA 30332, USA（佐治亚理工学院物理系）
AI总结 本文提出基于可训练POVM嵌入的Born机器，通过改进张量网络结构，提升量子启发序列建模中复杂数据相关性的建模能力。
Split4D: 分解式4D场景重建无需视频分割
机构 * Zhejiang University China ； Shanghai AI Lab China ； State Key Lab of CAD\&CG, Zhejiang University China ； Zhejiang University ； Shanghai AI Lab ； State Key Lab of CAD\&CG, Zhejiang University
AI总结 Split4D通过Freetime FeatureGS和流式特征学习策略，实现无需视频分割的4D场景重建，提升重建质量。
学习多模态移动动态以实现通用的下一站推荐
机构 * Zhejiang University（浙江大学） ； Hangzhou City University（杭州市大学） ； Nanjing University（南京大学）
AI总结 本文提出多模态移动（M^3ob）方法，通过构建统一时空关系图和门控机制，提升位置推荐任务的泛化能力。
基于角色的LLM强化学习后训练容错系统
机构 * Zhejiang University（浙江大学） ； State Key Laboratory of Mathematical Engineering and Advanced Computing（数学工程与先进计算国家重点实验室）
AI总结 RobustRL通过基于角色的故障隔离技术，有效提升LLM强化学习后训练的容错性能，实现训练时间比率提升80%以上。
Comments 16 pages, 19 figures
曼juTTS: 通过流匹配和分层文本表示实现高质量曼ju语音合成
机构 * Department of Computer Science, Changchun Humanities and Sciences College（计算机科学系，长春人文科学学院） ； School of Information Science and Technology, Northeast Normal University（信息科学与技术学院，东北师范大学） ； College of Optical Science and Engineering, Zhejiang University（光学科学与工程学院，浙江大学）
AI总结 ManchuTTS通过流匹配和分层文本表示，解决曼ju语音合成中的黏着性和数据稀缺问题，实现高质量语音生成。
Scalpel-SAM: 一种用于适应红外小目标检测的半监督范式
机构 * School of Computer Science, Chengdu University（成都大学计算机科学学院） ； China University of Geosciences（中国地质大学） ； Zhejiang University（浙江大学） ； Intelligent Computing Infrastructure Innovation Center, Zhejiang Lab（浙江实验室智能计算基础设施创新中心）
AI总结 Scalpel-SAM通过半监督范式利用SAM作为教师模型，解决红外小目标检测中的数据稀缺问题，通过知识蒸馏和迁移提升下游模型性能。
Comments 9 pages, 3 figures
DeMoGen：基于能量扩散模型的分解式人类动作生成
机构 * ReLER, AAII, University of Technology Sydney（技术悉尼大学） ； CCAI, Zhejiang University（浙江大学）
AI总结 DeMoGen通过能量扩散模型实现动作分解生成，提出三种训练变体以促进动作分解学习，并构建文本分解数据集支持组合训练。
Comments Project page: https://jiro-zhang.github.io/DeMoGen/
NLCG-Net：一种用于欠采样定量磁共振成像重建的基于模型的零样本学习框架
机构 * Fudan University（复旦大学） ； Harvard Medical School（哈佛医学院） ； Massachusetts General Hospital（麻省总医院） ； Stanford University（斯坦福大学） ； Zhejiang University（浙江大学）
AI总结 NLCG-Net通过结合U-Net正则化器和单指数信号建模，实现了基于模型的零样本学习，用于高加速因子下的T2/T1定量磁共振成像重建。
Comments 5 pages, 5 figures, accepted by International Society for Magnetic Resonance in Medicine 2024
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈