Zhejiang University（浙江大学）

FreeFix: Boosting 3D Gaussian Splatting via Fine-Tuning-Free Diffusion Models

FreeFix: 通过无微调扩散模型提升3D高斯散射

Hongyu Zhou, Zisen Shao, Sheng Miao, Pan Wang, Dongfeng Bai, Bingbing Liu, Yiyi Liao

机构 * Zhejiang University（浙江大学） ； University of Maryland, College Park（马里兰大学学院 park 分校） ； Huawei（华为） 纠错

AI总结 FreeFix通过无微调扩散模型提升3D高斯散射，实现高质量视图合成与强泛化能力。

Comments Our project page is at https://xdimlab.github.io/freefix

CtrlCoT: Dual-Granularity Chain-of-Thought Compression for Controllable Reasoning

CtrlCoT：用于可控推理的双粒度推理链压缩

Zhenxuan Fan, Jie Cao, Yang Dai, Zheqi Lv, Wenqiao Zhang, Zhongle Xie, Peng LU, Beng Chin Ooi

机构 * Zhejiang University（浙江大学） 纠错

AI总结 CtrlCoT通过双粒度方法实现高效可控推理，结合语义抽象与标记级删除，提升推理效率和可靠性。

Comments 16 pages, 9 figures, 11 tables

Assembling the Mind's Mosaic: Towards EEG Semantic Intent Decoding

拼凑心灵的拼图：迈向EEG语义意图解码

Jiahe Li, Junru Chen, Fanqi Shen, Jialan Yang, Jada Li, Zhizhang Yuan, Baowen Cheng, Meng Li, Yang Yang

机构 * Zhejiang University（浙江大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shanghai Institute of Microsystem and Information Technology, Chinese Academy of Sciences（中国科学院上海微系统与信息工程研究所） ； Guangdong-Hong Kong-Macao Greater Bay Area Center for Brain Science and Brain-Inspired Intelligence, Southern Medical University（粤港澳大湾区脑科学与脑启发智能中心，南方医科大学） ； INSIDE Institute for NeuroAI（神经AI研究所） 纠错

AI总结 本文提出SID框架和BrainMosaic模型，通过语义组合和深度学习实现EEG信号的自然语言解码，提升脑机接口的可解释性和表达能力。

Lowest Span Confidence: A Zero-Shot Metric for Efficient and Black-Box Hallucination Detection in LLMs

最低跨度置信度：一种用于高效且黑盒幻觉检测的零样本度量

Yitong Qiao, Licheng Pan, Yu Mi, Lei Liu, Yue Shen, Fei Sun, Zhixuan Chu

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

AI总结 本文提出了一种名为最低跨度置信度（LSC）的零样本度量，用于高效且黑盒检测大型语言模型中的幻觉问题。

RubricHub: A Comprehensive and Highly Discriminative Rubric Dataset via Automated Coarse-to-Fine Generation

RubricHub: 通过自动化粗到细生成构建一个全面且高度判别性的评分标准数据集

Sunzhu Li, Jiale Zhao, Miteto Wei, Huimin Ren, Yang Zhou, Jingwen Yang, Shunyu Liu, Kaike Zhang, Wei Chen

机构 * Li Auto Inc. ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）） 纠错

AI总结 RubricHub通过自动化粗到细生成方法构建了一个大规模多领域评分标准数据集，通过后训练流程显著提升了模型在HealthBench上的表现。

TwinFlow: Realizing One-step Generation on Large Models with Self-adversarial Flows

TwinFlow: 在大模型上实现一步生成的自对抗流

Zhenglin Cheng, Peng Sun, Jianguo Li, Tao Lin

机构 * Inclusion AI ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） 纠错

AI总结 TwinFlow 提出了一种无需预训练教师模型和标准对抗网络的一步生成框架，实现了在大模型上高效生成，提升了推理效率并降低了计算成本。

Comments arxiv v1, accepted to ICLR 2026

PLANA3R: Zero-shot Metric Planar 3D Reconstruction via Feed-Forward Planar Splatting

PLANA3R: 通过前馈平面撒点实现零样本度量平面三维重建

Changkun Liu, Bin Tan, Zeran Ke, Shangzhan Zhang, Jiachen Liu, Ming Qian, Nan Xue, Yujun Shen, Tristan Braud

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Ant Group（蚂蚁集团） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

AI总结 PLANA3R通过前馈平面撒点实现零样本度量平面三维重建，无需显式平面监督，适用于大规模立体数据集。

Comments Camera-ready version of a paper in 39th Conference on Neural Information Processing Systems (NeurIPS 2025). The project page is available at: https://lck666666.github.io/plana3r

GraphTARIF: Linear Graph Transformer with Augmented Rank and Improved Focus

GraphTARIF: 带增强秩和改进焦点的线性图变换器

Zhaolin Hu, Kun Li, Hehe Fan, Yi Yang

机构 * Zhejiang University（浙江大学） ； United Arab Emirates University（阿联酋大学） 纠错

AI总结 GraphTARIF通过增强注意力的秩和焦点，改进了图变换器的表达能力，从而在保持线性时间复杂度的同时提升了分类性能。

Comments Accepted by WWW 2026. Research Tracks - Graph Algorithms and Modeling for the Web

Visual Multi-Agent System: Mitigating Hallucination Snowballing via Visual Flow

视觉多智能体系统：通过视觉流缓解幻觉雪球效应

Xinlei Yu, Chengming Xu, Guibin Zhang, Yongbo He, Zhangquan Chen, Zhucun Xue, Jiangning Zhang, Yue Liao, Xiaobin Hu, Yu-Gang Jiang, Shuicheng Yan

机构 * National University of Singapore（国立新加坡大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） 纠错

AI总结 本文提出ViF方法，通过视觉流和注意力重新分配缓解多智能体系统中的视觉幻觉雪球效应，提升性能。

Advancing Multimodal Reasoning: From Optimized Cold Start to Staged Reinforcement Learning

推动多模态推理：从优化冷启动到分阶段强化学习

Shuang Chen, Yue Guo, Zhaochen Su, Yafu Li, Yulun Wu, Jiacheng Chen, Jiayu Chen, Weijie Wang, Xiaoye Qu, Yu Cheng

机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Soochow University（苏州大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出ReVisual-R1，通过优化冷启动和分阶段强化学习提升多模态推理能力，在多个挑战性基准测试中取得新突破。

Comments 19 pages, 6 figures

DGRAG: Distributed Graph-based Retrieval-Augmented Generation in Edge-Cloud Systems

DGRAG：边缘-云计算系统中的分布式图驱动检索增强生成

Wenqing Zhou, Yuxuan Yan, Qianqian Yang

机构 * Zhejiang University（浙江大学） 纠错

AI总结 DGRAG是一种面向边缘-云计算系统的分布式图驱动检索增强生成框架，通过边缘设备本地知识图和云端轻量级索引实现隐私保护和高效检索。

Field Matters: A Lightweight LLM-enhanced Method for CTR Prediction

领域重要性：一种轻量级的LLM增强CTR预测方法

Yu Cui, Feng Liu, Jiawei Chen, Xingyu Lou, Changwang Zhang, Jun Wang, Yuegang Sun, Xiaohu Yang, Can Wang

机构 * Zhejiang University（浙江大学） ； OPPO Research Institute（OPPO研究院） 纠错

AI总结 LLaCTR通过领域级增强范式，提出一种轻量级LLM增强CTR预测方法，提升CTR预测的有效性和效率。

Diffusion Noise Feature: Accurate and Fast Generated Image Detection

扩散噪声特征：准确且快速的生成图像检测

Yichi Zhang, Xiaogang Xu

机构 * Zhejiang University（浙江大学） 纠错

AI总结 本文提出扩散噪声特征（DNF）以提高生成图像检测的准确性和泛化能力，通过训练ResNet-50实现高鲁棒性的检测。

Comments Accepted by ECAI 2025

Journal ref ECAI 2025