高校专区
MergeMix：一种用于视觉和多模态理解的统一增强范式
机构 * Westlake University（西拉克大学） ； Zhejiang University（浙江大学） ； College of Computer Science and Technology（计算机科学与技术学院）
AI总结 MergeMix通过高效的令牌合并Mixup增强方法，平衡了SFT和RL的优劣，提升多模态大语言模型的分类准确率和对齐能力。
Comments ICLR 2026, Web link: https://jinxins.github.io/MergeMix_Web/
记忆高效的机器人群2D/3D形状组装
机构 * Cavendish Laboratory, University of Cambridge（剑桥大学卡文迪许实验室） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） ； College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院）
AI总结 本文提出了一种记忆高效的树表示方法和基于行为的分布式控制器，用于实现机器人群在2D和3D中的高效形状组装，显著降低了内存使用并提升了速度。
VecFormer: 向高效且通用的图变换器迈进：基于图标记注意力的图变换器
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Tongji University（同济大学） ； ShanghaiTech University（上海科技大学） ； Southern University of Science and Technology（南方科技大学） ； Jilin University（吉林大学）
AI总结 VecFormer通过两阶段训练和图标记注意力机制，提升图变换器在大规模图和分布外场景中的效率与泛化能力。
JavisDiT++：联合音频视频生成的统一建模与优化
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； University of Toronto（多伦多大学） ； HiThink Research（HiThink研究） ； University of Rochester（罗切斯特大学） ； Nanyang Technological University（南洋理工大学）
AI总结 JavisDiT++通过统一建模与优化方法，在联合音频视频生成任务中实现高质量的同步与语义对齐。
Comments Accepted by ICLR 2026. Homepage: https://JavisVerse.github.io/JavisDiT2-page
MedVAR：通过下一步尺度自回归预测实现可扩展和高效的医学图像生成
机构 * National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 MedVAR通过下一步尺度自回归预测方法，实现了高效且可扩展的医学图像生成，为医学生成基础模型提供了新的方向。
Comments 23 pages, 8 figures
REVEALER: 基于强化引导的视觉推理的元素级文本-图像对齐评估
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 REVEALER通过强化引导的视觉推理实现元素级文本-图像对齐评估，提升模型对齐判断的可解释性和效率。
OBS-Diff: 高精度扩散模型的一次性剪枝
机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学）
AI总结 OBS-Diff通过引入时间步感知Hessian构造和高效分组顺序剪枝策略，实现了扩散模型的一次性精准剪枝，提升推理效率并保持视觉质量。
GenesisGeo：技术报告
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； Polytechnic Institute, Zhejiang University（浙江大学多科大学院） ； Hangzhou Research Institute of AI and Holographic Technology（杭州人工智能与全息技术研究 institutes） ； Volkswagen Group Innovation（大众集团创新） ； School of Mathematical Science, Zhejiang University（浙江大学数学科学学院）
AI总结 本文提出GenesisGeo-1M数据集及基于多任务学习的几何学习框架，通过大规模合成数据提升模型在几何推理任务中的性能，实现金牌级表现。
JavisDiT：具有层次化时空先验同步的联合音频视频扩散变换器
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Rochester（罗切斯特大学） ； Nanyang Technological University（南洋理工大学）
AI总结 JavisDiT通过层次化时空先验同步机制，实现了高质量的音频视频同步生成，解决了现实场景中的同步评估问题。
Comments Accepted by ICLR 2026. Homepage: https://javisverse.github.io/JavisDiT-page/
评估LLMs在科学想法生成中的发散思维能力：基于最小上下文
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Bank of China（中国银行） ； School of Engineering Science, University of Chinese Academy of Sciences（中国科学院大学工程科学学院） ； State Key Laboratory of Nonlinear Mechanics, Institute of Mechanics, Chinese Academy of Sciences（中国科学院力学研究所非线性力学重点实验室）
AI总结 本研究提出LiveIdeaBench，通过单关键词提示评估LLMs在科学想法生成中的发散思维能力，揭示通用智能指标无法有效预测该能力，表明需专门的评估基准和不同的训练策略来提升科学想法生成能力。
Comments Updated manuscript and title
跨域少样本目标检测中的多模态原型学习
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学） ； The University of Southern Queensland（昆士兰大学）
AI总结 本文提出LMP方法，通过结合文本和视觉信息，提升跨域少样本目标检测的精度和性能。
Comments Accepted to CVPR 2026 Findings
对LLM代理轨迹进行水印标记
机构 * Zhejiang University, China（浙江大学） ； University of Virginia, USA（弗吉尼亚大学） ； Alibaba Qwen, China（阿里巴巴通义实验室） ； University of Alberta, Canada（阿尔伯塔大学）
AI总结 本文提出ActHook，一种针对LLM代理轨迹数据集的水印方法，通过在决策点插入钩子动作实现可靠的黑盒检测，实验显示其在数学推理等任务中具有高检测精度且性能影响小。
Comments 20 pages, 9 figures
RewardMap: 通过多阶段强化学习解决细粒度视觉推理中的稀疏奖励
机构 * Westlake University（西湖大学） ； Tongji University（同济大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学）
AI总结 RewardMap通过多阶段强化学习解决细粒度视觉推理中的稀疏奖励问题，提升多模态大语言模型的视觉理解和推理能力。
Comments ICLR 2026, website: https://fscdc.github.io/RewardMap/
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