高校专区
通过规范化的扩散模型重新思考对称性：应用于分子图生成
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Princeton University（普林斯顿大学） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文提出通过规范化的扩散模型生成分子图，利用几何谱和位置编码提升生成效果，优于等变基线方法。
Comments 32 pages
RF-GPT：教AI看见无线世界
机构 * Research Institute for Digital Future, Khalifa University（数字未来研究院，哈利法大学） ； College of Information Science and Electronic Engineering, Zhejiang University（信息科学与电子工程学院，浙江大学） ； Université de Lorraine, CNRS, CRAN（洛林大学，CNRS，CRAN）
AI总结 RF-GPT通过多模态LLM的视觉编码器处理RF频谱图，实现射频信号的高级推理与生成，无需人工标注即可在多个无线任务中取得优异表现。
WebWorld: 一个大规模的世界模型用于网络代理训练
机构 * Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学）
AI总结 WebWorld是一个大规模开放网络模拟器，通过大规模训练实现网络代理的有效训练，展示了在多个领域中的泛化能力。
方向至关重要：学习力的方向使模拟到现实的接触丰富操作成为可能
机构 * Zhejiang University（浙江大学） ； Zhejiang Humanoid Robot Innovation Center（浙江人形机器人创新中心）
AI总结 本文提出了一种通过学习力方向来提升模拟到现实接触丰富操作性能的方法，利用专家设计的控制器逻辑和有限状态机，在四个真实任务中实现了更高的成功率和鲁棒性。
Stroke3D: 通过潜在扩散模型将2D笔触提升为拟合的3D模型
机构 * ReLER, CCAI, Zhejiang University（ReLER、CCAAI、浙江大学） ； DBMI, HMS, Harvard University（DBMI、HMS、哈佛大学）
AI总结 Stroke3D通过潜在扩散模型，将用户绘制的2D笔触和文本提示转化为拟合的3D模型，实现可控的骨骼生成和纹理网格合成。
Comments Accepted by ICLR 2026
RAGExplorer: 一种用于RAG系统比较诊断的可视化分析系统
机构 * State Key Lab of CAD&CG, Zhejiang University（CAD与CG国家重点实验室，浙江大学） ； School of Computing, National University of Singapore（computing学院，新加坡国立大学） ； Zhejiang University（浙江大学）
AI总结 RAGExplorer是一种用于RAG系统比较诊断的可视化分析系统，通过宏观到微观的工作流程帮助开发者理解性能权衡并优化设计。
Comments 11 pages, 7 figures. Accepted to IEEE TVCG (PacificVis 2026)
BiasFreeBench: 一个用于减轻大型语言模型响应偏见的基准测试
机构 * UC San Diego（加州大学圣地亚哥分校） ； Columbia University（哥伦比亚大学） ； Zhejiang University（浙江大学） ； Stanford University（斯坦福大学）
AI总结 BiasFreeBench通过统一测试平台评估八种主流偏见缓解方法，提供响应层面的偏见自由分数，旨在提升大型语言模型的公平性和安全性。
Comments Accepted by ICLR 2026
在通信与计算之间实现帕累托最优的灵活梯度追踪
机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Division of Decision and Control Systems, School of EECS, KTH Royal Institute of Technology（皇家理工学院电子工程系决策与控制系统 division）
AI总结 本文提出FlexGT和Acc-FlexGT方法，在非凸和强凸情况下分别实现通信与计算的帕累托最优权衡。
Comments 15 pages
学习选择：一种用于聚类草莓采摘的视觉-运动策略
机构 * ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University, Hangzhou, China（浙江大学杭州国际科技创新中心）
AI总结 本研究提出了一种基于人类示范的视觉-运动策略，用于解决遮挡环境下草莓采摘的挑战，通过改进的ACT模型实现高效精准采摘。
OmniEarth-Bench: 向全面评估地球六大球体及跨球体交互的多模态观测地球数据迈进
机构 * National University of Defense Technology, China（国防科技大学） ； Shanghai Artificial Intelligence Laboratory, China（上海人工智能实验室） ； Beijing University of Posts and Telecommunications, China（北京邮电大学） ； Zhejiang University, China（浙江大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； Fudan University, China（复旦大学） ； Sun Yat-sen University, China（中山大学） ； Nanjing University, China（南京大学） ； University of Science and Technology of China（中国科学技术大学） ； Wuhan University, China（武汉大学）
AI总结 OmniEarth-Bench是首个全面评估地球六大球体及跨球体交互的多模态基准测试，通过29,855个标准化注释揭示了地球系统认知能力的系统性差距。
ISDrama: 通过多模态提示生成沉浸式空间戏剧
机构 * Zhejiang University, Shanghai AI Lab（浙江大学上海人工智能实验室） ； Zhejiang University（浙江大学）
AI总结 ISDrama通过多模态提示生成沉浸式空间戏剧，首次结合多模态数据建模和戏剧语调生成。
Comments Accepted by ACM Multimedia 2025
Journal ref MM '2025: Proceedings of the 33rd ACM International Conference on Multimedia Pages 9618 - 9627
具有基于提示控制的多功能歌曲生成框架
机构 * Zhejiang University（浙江大学）
AI总结 VersBand通过多任务框架实现基于提示的可控高质量歌曲生成，包含人声、伴奏、歌词和旋律生成模型，实验表明其在多个任务中表现优异。
Comments Accepted by Findings of EMNLP 2025
Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025
草莓机器人操作接口：一种用于收集机器人草莓种植中灵巧操作数据的开源设备
机构 * Technological Innovation Center, Zhejiang University, Hangzhou, 311215, China（浙江大学杭州技术创新中心） ； College of Biosystems Engineering（生物系统工程学院） ； Food Science, Zhejiang University, Hangzhou, 310058, China（食品科学学院）
AI总结 本文提出了一种开源设备SROI，用于收集机器人草莓种植中灵巧操作数据，通过模块化末端执行器和立体摄像头实现野外环境下的数据采集，并发布数据集促进相关研究。
GTSinger: 一个包含真实音乐谱的全球多技术歌唱语料库，适用于所有歌唱任务
机构 * Zhejiang University（浙江大学）
AI总结 GTSinger是一个包含真实音乐谱的全球多技术歌唱语料库，旨在通过高质量数据和多任务支持提升歌唱任务的可控性和多样性。
Comments Accepted by NeurIPS 2024 (Spotlight)
Journal ref Advances in Neural Information Processing Systems 37 (NeurIPS 2024)
MergePipe: 一种面向可扩展大语言模型融合的预算感知参数管理系统
机构 * Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学）
AI总结 MergePipe通过预算感知的参数管理实现高效的大语言模型融合，减少I/O并提升整体性能。
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