西湖 AGI Lab 发布 Detail++：多分支细节注入重塑复杂 Prompt 文生图体验
西湖大学 AGI Lab 推出 Detail++，无需训练即可显著提升复杂 Prompt 场景下的图文一致性与细节还原。通过分层子提示、渐进注入和注意力共享策略，Detail++ 能够有效避免属性溢出、错配及风格混合问题。
西湖大学
刷新3D生成上限！一键生成精细到毛发的3D资产
Ultra3D提出了一种高效的三维生成框架Ultra3D，通过coarse-to-fine两阶段流程和局部化的Part Attention机制，显著提升了稀疏体素建模效率，实现了高达6.7倍的加速比，并保持了高质量输出。
单卡4090也能高质量视频编辑！西湖AGI Lab无训练框架FlowDirector来了
西湖大学AGI实验室团队提出FlowDirector，无需训练的视频编辑框架，通过流匹配范式直接在数据域构造演化路径，实现高质量对象编辑、添加、删除和替换功能。
SOTA级视频编辑新方法：无需训练一句话编辑视频，背景保持100%
传统的视频编辑方法存在多个问题，西湖大学AGILab提出FlowDirector新方法。无需反演和训练，实现高质量、准确的视频编辑，开销低且支持多种编辑任务。
无需SFT也不用RL，样本级推理优化神器SLOT来了，准确率轻松+10%
西湖大学研究团队提出SLOT方法，在推理时通过优化delta参数向量调整输出词汇概率分布，显著提升语言模型在复杂指令上的表现。
多模态模型挑战北京杭州地铁图！o3成绩显著，但跟人类有差距
近年来多模态大模型在理解和复杂推理任务中取得进展，但其对高分辨率图像（如地铁图）的理解能力仍存争议。为此，西湖大学、新加坡国立大学等团队提出ReasonMap评测基准，聚焦于高分辨率交通图的多模态推理，发现当前开源模型存在性能瓶颈，并指出强化学习后训练模型在某些维度上优于现有模型。
挑战AI数学推理极限！大规模形式化数学基准FormalMATH发布，最强模型成功率仅16%
香港中文大学等机构联合推出FormalMATH基准测试，包含5560道经过验证的数学题。尽管大语言模型在自然语言处理和代码生成领域表现优异，但在数学定理证明任务中成功率仅为16.46%。研究提出了一套三阶段过滤框架用于自动形式化和语义一致性检测，并分析了现有LLM证明器的表现，发现代数较强而微积分较弱，存在滥用自动化策略的问题。
快讯西湖大学仿生潜水器“西谷II号”完成深海海试，上虞区成立杭州湾具身智能创新中心，北大研发新模型实现人体动作精准编辑
西湖大学的仿生潜水器‘西谷II号’完成深海海试，实现四项技术验证；上虞区成立杭州湾具身智能创新中心推动该领域发展；北京大学研发新模型简化人类角色动作生成；宾夕法尼亚州立大学开发微型柔性机器人用于医疗和救援任务；加州大学研发的卷尺启发机器人夹持器可用于水果采摘等应用。
MLNLP学术Talk第三十期 鲍光胜@西湖大学：AI和人类的差异 – 从推理的因果性和生成文本的可检测性看AI和人类的异同
MLNLP学术Talk邀请西湖大学鲍光胜博士分享AI与人类的差异，包括AI推理过程的表面模仿和生成文本的分布差异。报告聚焦大语言模型内在因果图结构、白盒方法检测LLM生成文本等方面。