高校专区
TTPO：测试时策略优化
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 该研究针对大语言模型测试时训练的伪标签缺陷，提出 TTPO 方法，通过不对称目标函数与 token 级选择优化，在无标签下实现了与标签监督 OPSD 相当的性能，提升了模型数学推理能力并增强了跨任务泛化性。
Comments Project Page: this https URL (https://zju-real.github.io/TTPO) Code: this https URL (https://github.com/ZJU-REAL/TTPO)
主动表面驱动的可重构夹爪：薄物体的稳健抓取与顺序操作
机构 * Zhejiang University（浙江大学） ； Torch Kernel Co., Ltd.（炬芯科技股份有限公司）
AI总结 该研究针对现有机械夹爪抓取薄物体时稳健性不足的问题，提出主动表面驱动的可重构欠驱动夹爪，通过设计、建模、优化及实验验证，实现薄物体的可靠抓取与顺序操作。
Comments Accepted by RSS2026
Self-OPD：无需教师模型的流匹配模型的在线策略蒸馏
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 本文提出Self-OPD，一种无需教师模型的流匹配模型在线策略蒸馏框架，通过分支SDE候选与奖励比较优化速度场，在基准测试中优于现有无教师的RL和OPD方法。
Comments 19 pages, 10 figures
TemporalFlow-VLA：学习基于物理基础的执行历史以实现长 horizon 机器人操作
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Zhejiang University（浙江大学） ； Simon Fraser University（西蒙菲莎大学） ； AgiBot（云圣智能科技（上海）有限公司）
AI总结 TemporalFlow-VLA 针对长 horizon 机器人操作中视觉相似状态需不同动作的问题，通过物理监督学习紧凑执行历史，在 LIBERO、RoboTwin 等任务上取得优异性能，且部署无额外开销。
AgentFold：用于蛋白质折叠模型设计的闭环智能体搜索
机构 * Hunan University（湖南大学） ； Nanjing University（南京大学） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Yale University（耶鲁大学） ； Wuhan University of Science and Technology（武汉科技大学） ； Southeast University（东南大学） ； Stanford University（斯坦福大学）
AI总结 AgentFold是将蛋白质折叠模型开发转化为闭环搜索的多智能体框架，以ESMFold为起点，通过MCTS策略分配计算资源，在匹配预算下较Codex提案提升lDDT 7.5%，优于随机搜索。
CoGeo-GS：3D场景中基于概念驱动与几何感知的多物体移除方法
机构 * Southern University of Science and Technology（南方科技大学） ； ByteDance（字节跳动） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
AI总结 针对3D场景多物体移除的挑战，提出CoGeo-GS框架，通过概念感知语义标签与几何感知补全流水线实现可控多物体移除，在视觉质量与重建保真度上优于现有方法。
Comments 6 pages, 4 figures, accepted at ICME 2026
基于结构-感知-学习的软夹持器的松弛感知多模态感知
机构 * School of Mechanical Engineering, Zhejiang University（浙江大学机械工程学院） ； Torch Kernel Co., Ltd.（炬芯科技股份有限公司）
AI总结 该研究针对软夹持器抓取力因粘弹性松弛衰减的问题，提出结构-感知-学习框架，结合变刚度设计与温度耦合粘弹性力表征，使280秒力控抓取误差降低80%至95%，实现稳定持续抓取。
Comments 11 pages, 9 figures. Published in Robotics: Science and Systems (RSS 2026)
Chart2SVG：从栅格图表图像生成可编辑的SVG
机构 * Renmin University of China（中国人民大学） ； State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； Shandong University（山东大学） ； Microsoft Research（微软研究院） ； Qwen Large Model Application Team, Alibaba（阿里巴巴通义大模型应用团队） ； University of Technology Sydney（悉尼科技大学）
AI总结 Chart2SVG是融合图表语义令牌、Beagle+数据集与Chart Structure Graph的多模态大语言模型，可生成可编辑SVG，在图表重建与编辑任务中性能优于基线，助力智能可视化工具发展。
Multi2AV-Safety：多模态到音视频生成的安全性基准测试
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Hefei University of Technology（合肥工业大学）
AI总结 本研究推出首个覆盖11种非单例多模态条件配置的音视频生成安全性基准Multi2AV-Safety，发现现有安全守卫存在组合风险感知不足的系统性弱点。
一个后缀突破所有：针对合并模型家族的感知 Basin 越狱攻击
机构 * RIKEN AIP（理化学研究所先进智能项目） ； Institute of Science Tokyo（东京科学大学） ； Zhejiang University（浙江大学）
AI总结 该研究针对合并模型家族提出BAJ方法，利用预训练基础模型的越狱风险，通过最小-最大优化生成可迁移的对抗性后缀，在多种设置下均实现高迁移成功率且能抵御现有防御。
Comments Accepted by EMNLP findings 2026
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