高校专区
ES-VP：用于高效模型适配的能量型动态视觉提示
机构 * Rutgers University（罗格斯大学） ； Zhejiang University（浙江大学） ； University at Buffalo, SUNY（纽约州立大学布法罗分校） ； Adobe Research（奥多比研究院） ； University of Connecticut（康涅狄格大学） ； Washington University（华盛顿大学）
AI总结 本文提出ES-VP方法，以低秩初始化和能量引导动态适配生成图像特异性提示，参数效率更高、泛化性更好，在多架构多数据集上均优于现有SOTA视觉提示方法。
RODE：一种用于优化的径向-正交解耦引擎
机构 * Zhejiang University（浙江大学）
AI总结 本研究提出RODE优化器，通过解耦径向与方向分量的更新规则，在语言建模、图像分类等任务中优于Muon变体，可降低损失与模型范数，提升优化效果。
Neural-Primitive：一种用于自主飞行的基于原语模仿学习的高效端到端局部规划器
机构 * Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院 Cyber-系统与控制研究所） ； Huzhou Institute, Zhejiang University（浙江大学湖州研究院） ； Institute of Systems Engineering, China Academy of Engineering Physics（中国工程物理研究院系统工程研究所） ； School of Automation, Hangzhou Dianzi University（杭州电子科技大学自动化学院） ； Department of Automation, North China Electric Power University (Baoding)（华北电力大学（保定）自动化系） ； Differential Robotics Technology Company（差分机器人技术公司）
AI总结 针对自主飞行机载轨迹生成的计算-质量-内存困境，提出基于模仿学习的Neural-Primitive规划器，通过轻量级原语框架与紧凑神经网络实现高效规划，仿真与实飞验证其性能优势与迁移能力。
Comments Accepted by IEEE Transactions on Industrial Informatics
ForeDreamer：用于未来事件预测的自进化双智能体记忆架构
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； National University of Singapore（新加坡国立大学） ； Zhejiang University of Technology（浙江工业大学）
AI总结 针对开放网络未来事件预测的不足，提出自进化双智能体框架ForeDreamer，分离事实与经验记忆，经Prophet Arena、FutureX实验验证其有效性
Comments accepted to EMNLP 2026 Findings
InfinityEdit：基于轻量型编辑启动适配器的无限视频编辑
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 InfinityEdit设计轻量型编辑适配器，解决无限视频编辑的延续性与稳定性问题，实现随编辑指令到来的视频流忠实编辑与无限生成。
Comments 18 pages
去噪未来：用于时序知识图谱外推的上下文感知谱扩散
机构 * Southwest Minzu University（西南民族大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Zhejiang University（浙江大学） ； Tencent（腾讯）
AI总结 针对现有扩散式时序知识图谱外推方法的目标判别信号削弱问题，提出FreqDiff频率感知扩散框架，通过双流去噪器与频域正则化项提升性能，在四个公开基准上达最优表现。
Comments EMNLP 2026 Main
机器人模仿学习中演示数据遗忘的重新思考
机构 * University of Michigan（密歇根大学） ； Zhejiang University（浙江大学） ； Wuhan University of Technology（武汉理工大学）
AI总结 本研究针对机器人模仿学习的演示数据遗忘问题，提出双维度联合审计方法，在ACT机械臂实验中实现了20次试验18次成功的盲测恢复。
Comments 21 pages, 7 figures, 14 tables
CAS：通过自适应检索与策略加权实现的保形智能体搜索
机构 * Zhejiang University（浙江大学） ； ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC学院） ； Tencent Inc.（腾讯公司）
AI总结 本研究针对搜索智能体RL微调的可靠性问题，提出CAS框架，通过自适应检索与策略加权结合CP技术，提升推理准确率并减少冗余搜索，构建高可靠高效智能体范式。
Comments 21 pages, including figures, tables, and appendix
基于高斯特征桥的长尾半监督学习几何正则化方法
机构 * University of Warwick（华威大学） ； Wuhan University（武汉大学） ； Emory University（埃默里大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 本研究针对长尾半监督学习的标签分布失衡与伪标签噪声问题，提出高斯桥一致性框架及BridgeMix策略，经基准实验验证可有效提升长尾类性能且具备良好可扩展性。
Comments Accepted at the European Conference on Computer Vision (ECCV) 2026. Conference page: this https URL (https://eccv.ecva.net/virtual/2026/poster/4113)
RLVR中的多语言验证器偏差：基准、推理诊断与跨语言选择瓶颈
机构 * School of Engineering, Institute of Science Tokyo（科学东京大学工程学院） ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程学院）
AI总结 研究发现多语言RLVR中存在验证器偏差，引入审计协议定位到最终答案接口的机制，提出跨语言选择瓶颈，rule-GRPO可提升可信准确率。
Comments 16 pages, 2 figures, 5 tables
LHMCF-Net：用于医学图像分割的学习型双曲平均曲率流网络
机构 * Zhejiang Normal University（浙江师范大学） ； College of Mathematical Medicine, Zhejiang Normal University（浙江师范大学数学医学院） ； School of Mathematical Sciences, Zhejiang University（浙江大学数学科学学院）
AI总结 该研究提出了基于学习型双曲平均曲率流的LHMCF-Net深度展开网络，将双曲几何演化与端到端优化结合，在公开医学分割数据集上的低对比度、边界模糊场景中实现了优异的分割性能。
Block3D：基于分块扩散的高效文本到3D生成
机构 * ZipLab, Zhejiang University（浙江大学ZipLab） ； University of California, Berkeley（加州大学伯克利分校） ； Wuhan University（武汉大学） ； Monash University（莫纳什大学） ； University of Adelaide（阿德莱德大学）
AI总结 针对文本到3D生成成本高的问题，提出Block3D分块扩散框架，通过分块生成、联合去噪及置信度引导的块内修正，在保持几何保真度的同时实现5.15倍的速度提升。
Comments Code is not ready for publication
时间序列预测器是否使用了正确的历史信息：时间延迟的可恢复性、恢复及功能使用
机构 * Supcon Technology（中控技术） ； College of Artificial Intelligence, Zhejiang University（浙江大学人工智能学院）
AI总结 该研究针对时间序列模型，分析了延迟可恢复性、报告与功能使用的问题，发现多数模型存在延迟报告正确但实际未使用对应历史的情况，提出的路由方法可实现预测与报告的对齐。
MemWM：记忆增强的基于文本的世界模型
机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Huawei Heisenberg Research Center（华为海森堡研究中心） ； Zhejiang University（浙江大学） ； Technical University of Munich (TUM)（慕尼黑工业大学） ； TU Berlin（柏林工业大学） ； Kiel University（基尔大学）
AI总结 该研究提出记忆增强的基于文本的世界模型MemWM，通过引入世界记忆解决世界模型的系统性预测错误，在ALFWorld等基准上提升智能体规划成功率与效率。
Comments Accepted to EMNLP 2026 (Main Conference)
RouteScan: 通过专家路由遥测对MoE大语言模型安全性进行非侵入式审计
机构 * Zhejiang University（浙江大学） ； Donghua University（东华大学） ； Louisiana State University（路易斯安那州立大学）
AI总结 提出RouteScan，一种利用MoE模型GPU级专家路由遥测（如预填充阶段活跃线程数）作为微架构指纹，通过轻量级检测流水线识别恶意提示的非侵入式审计框架，在未见过的有害领域AUROC超0.93，新越狱包装下超0.96，且相比基于内容的审计方法具有隐私优势。
Comments 11 pages. Revised manuscript with expanded experiments
通过序列再生实现扩散语言模型的高效自评
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Zhejiang University of Technology（浙江工业大学）
AI总结 本文提出DiSE方法，通过序列再生概率实现扩散语言模型的高效自评，提升质量评估的效率和可靠性。
Comments accepted to ACL 2026 Main
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