高校专区
摘要生成尚未消亡
机构 * Saarland University（萨尔大学） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所） ； University of Cambridge（剑桥大学） ； University of Edinburgh（爱丁堡大学） ； Zhejiang University（浙江大学） ； Tencent YouTu Lab（腾讯优图实验室）
AI总结 通过多维度评估，发现人类参考摘要在信息量和忠实度上仍优于大语言模型，后者仅在表面连贯性和流畅性上占优，表明摘要生成研究仍有挑战。
Comments EMNLP 2026 Main & Long Conference Paper
ITP-STDP：用于片上SNN训练的内在时序二次幂学习引擎
机构 * School of Electrical and Electronic Engineering, The University of Sheffield（谢菲尔德大学电子与电气工程学院） ； Donghai Laboratory（东海实验室） ； Engineering Research Center of Oceanic Sensing Technologyand Equipment, Ministry of Education（教育部海洋传感技术与设备工程研究中心） ； State Key Laboratory of Ocean Sensing and Ocean College, Zhejiang University（浙江大学海洋传感与海洋学院国家重点实验室）
AI总结 针对SNN训练中权重更新计算量大导致的硬件资源与能耗问题，提出基于内在时序二次幂的STDP算法（ITP-STDP）及其硬件架构，通过算法与硬件优化消除大部分计算开销，在FPGA和ASIC平台上实现能效和速度的显著提升。
Comments This work has been submitted to the IEEE for possible publication
探索用于模型专业化的自主智能体数据工程
机构 * Zhejiang University（浙江大学） ； Platform and Content Group, Tencent（腾讯平台与内容部）
AI总结 本文提出自主智能体数据工程任务，让LLM作为自主数据工程师，通过端到端数据策划驱动模型专业化，实验显示GPT-5.2通过迭代数据适应使学生模型性能提升57.29%。
Comments Accepted by EMNLP 2026 main conference
MAIGO: 通过历史清理的在线策略自蒸馏缓解对话丢失
机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Fuzhou University（福州大学） ； Tencent（腾讯）
AI总结 针对大语言模型在多轮对话中性能下降（对话丢失）的问题，提出MAIGO方法，通过在线策略自蒸馏和清理历史助手回复来减少自污染，无需验证器或推理时辅助，显著提升多轮对话准确性。
高斯-体素二重奏：用于快速准确单目表面重建的双支架混合表示
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； National University of Defense Technology（国防科技大学）
AI总结 提出一种混合高斯-体素表示，通过将锚定高斯约束在体素化SDF定义的表面窄带内，并引入隐式表面约束损失，在保持快速训练和实时渲染的同时，实现了高质量表面重建和新视图合成。
Comments 27 pages, 14 figures
模型何时应改变想法？大语言模型中的上下文信念管理
机构 * Zhejiang University（浙江大学） ； HomologyAI
AI总结 提出上下文信念管理（CBM）框架，通过引入BeliefTrack基准和信念状态奖励的强化学习，将大语言模型在长程交互中的信念更新失败率平均降低70.9%。
Comments Accepted by EMNLP 2026 main conference
超越思维链：重写作为生成式多模态嵌入的通用接口
机构 * WeChat Vision, Tencent Inc.（腾讯微信视觉部） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
AI总结 针对思维链推理在检索中产生冗余和语义歧义的问题，提出重写驱动的多模态嵌入框架RIME，联合优化生成与嵌入，并通过跨模态对齐和精炼强化学习实现高效准确的检索。
Comments Accepted by ACMMM 2026
SciAtlas：面向自动化科学研究的大规模知识图谱
机构 * Zhejiang University（浙江大学） ； University College London（伦敦大学学院）
AI总结 为应对学术信息爆炸和跨学科整合困难，提出包含4300万论文、1.57亿实体和30亿三元组的多学科知识图谱SciAtlas，并开发神经符号检索算法，实现从语义匹配到确定性关联发现的转变，降低推理成本。
Comments Ongoing Work
TriPilot-FF：具有力反馈的协调全身遥控
机构 * Zeno AI ； Zhejiang University（浙江大学） ； Zhejiang University of Technology（浙江工业大学） ； University of Sydney（悉尼大学）
AI总结 TriPilot-FF通过引入脚踏板触觉反馈和双臂跟随遥控，实现了具有力反馈的协调全身遥控，提升移动机械臂的操控精度和避障能力。
大语言模型对顺序敏感性如何？OrderProbe用于确定性结构重建
机构 * Peking University（北京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； City University of Hong Kong（香港城市大学） ； Fudan University（复旦大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学香槟分校） ； Marquette University（马凯特大学） ； Juniata College（朱尼阿特学院）
AI总结 研究通过OrderProbe基准评估大语言模型对输入顺序的敏感性，发现即使在前沿模型上，结构重建仍面临挑战，且语义能力与结构鲁棒性存在脱节。
Comments EMNLP 2026 Findings
FEA-SLT：一种面向面部表情感知的手语翻译的无词汇端到端框架
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院）
AI总结 提出FEA-SLT框架，通过面部表情感知融合模块利用面部动态作为语义锚点，解决无词汇手语翻译中手势歧义问题，在PHOENIX14T和CSL-Daily数据集上达到最优BLEU性能。
Comments Accepted to EMNLP 2026 Main Conference
GUI-PRA：面向GUI任务的过程奖励智能体
机构 * Zhejiang University（浙江大学） ； MiLM Plus, Xiaomi Inc.（小米公司）
AI总结 针对长程GUI自动化的错误累积与视觉歧义问题，本文提出GUI-PRA，通过主动调查式评估实现性能提升，在AndroidWorld等数据集上较标准PRM取得显著进步。
NeuroBreak：揭示大语言模型的内部越狱机制
机构 * Zhejiang University（浙江大学）
AI总结 NeuroBreak是一个自上而下的大语言模型越狱分析系统，可分析神经元级安全机制、关键神经元，经评估验证了有效性，为开发下一代防御策略提供机制见解。
Comments 11 pages, 10 figures. Accepted to IEEE VIS 2026
MM-BrowseComp：多模态浏览智能体的综合基准
机构 * Nanjing University（南京大学） ； Zhejiang University（浙江大学）
AI总结 针对现有浏览基准忽略多模态内容的问题，推出多模态浏览智能体基准MM-BrowseComp，含400道需从网页图像视频提取证据的问题，评估显示领先模型准确率仅24.25%，该基准成领域新标准。
Comments EMNLP 2026. The first two authors contribute equally, 20 pages, repo at https://github.com/MMBrowseComp/MM-BrowseComp
基于对比多尺度病理图像分析的精准轻量型外周神经母细胞性肿瘤诊断研究
机构 * Children’s Hospital, Zhejiang University School of Medicine（浙江大学医学院附属儿童医院） ； Hangzhou Dianzi University（杭州电子科技大学） ； Tsinghua University（清华大学）
AI总结 提出CoPath框架（含CoHisNet与PathVote），通过对比多尺度病理图像分析实现轻量型外周神经母细胞性肿瘤精准诊断，性能优于多数同类模型且计算复杂度更低。
Comments 14pages, 10 figures
Journal ref IEEE Journal of Biomedical and Health Informatics 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