大厂专区
边界感知的NL2SQL：通过混合奖励和数据合成集成可靠性
机构 * Li Auto Inc.（Li汽车公司） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 BAR-SQL通过混合奖励和数据合成方法，提升NL2SQL在生成准确性和边界感知回避能力上的表现。
SAC Flow: 通过速度重参数化序列建模高效训练基于流的策略
机构 * Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Li Auto（利汽车） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 SAC Flow通过速度重参数化序列建模，高效训练基于流的策略，实现连续控制和机器人操作的高性能表现。
SGDrive: 场景到目标层次化世界认知用于自动驾驶
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Li Auto Inc.（利汽车公司） ； Tongji University（同济大学） ； University of Surrey（Surrey大学）
AI总结 SGDrive通过构建驾驶特定的知识层次结构，改进了视觉语言模型在自动驾驶中的轨迹规划能力，实现了在导航模拟基准上的最佳性能。
SPAN：大型语言模型跨日历时间推理的基准测试与改进
机构 * Li Auto（利亚特）
AI总结 SPAN通过开发时间代理提升大型语言模型跨日历时间推理能力，实验显示其准确率高达95.31%
Comments Accepted at the AAAI 2026 conference. This version includes the supplementary appendix
LLMs能否追踪其输出长度？一种动态反馈机制用于精确长度控制
机构 * School of Informatics, Xiamen University, China（信息学院，厦门大学） ； Alibaba International Digital Commerce Group（阿里巴巴国际数字 commerce 集团） ； Li Auto Inc（李汽车公司）
AI总结 本文提出一种动态反馈机制，用于提升LLM在生成文本时对长度的精确控制，通过无训练方法和进一步微调实现更准确的长度调节。
PALM-Bench: 一个全面的个性化音频-语言模型基准测试
机构 * University of Science and Technology Beijing（北京科技大学） ； Li Auto（利汽车） ； Fondazione Bruno Kessler（布鲁诺·克塞尔基金会）
AI总结 PALM-Bench旨在通过构建首个个性化音频-语言模型基准测试，促进个性化模型在多说话者场景中的方法发展和评估。
Comments Under review
MindWatcher：迈向更智能的多模态工具集成推理
机构 * Li Auto Inc（力汽车公司）
AI总结 MindWatcher是一种能够自主调用工具并进行多模态推理的智能体，通过高效训练和高质量数据集提升了多步骤决策任务的性能。
Comments Technique Report
InfiniDepth：基于神经隐式场的任意分辨率和细粒度深度估计
机构 * Zhejiang University（浙江大学） ； Li Auto（利汽车） ； Shenzhen University（深圳大学）
AI总结 InfiniDepth通过神经隐式场实现任意分辨率和细粒度深度估计，提升深度估计性能和新视角合成质量。
Comments 19 pages, 13 figures
MaP-AVR: 一种利用视觉语言模型和检索增强生成的元动作规划器
机构 * Li Auto
AI总结 MaP-AVR通过元动作规划和检索增强生成技术，提升机器人在复杂环境中的任务规划能力。
Comments 8 pages, 10 figures, This work was completed in December 2024
EverybodyDance: 基于二分图的身份对应关系的多角色动画
机构 * University of Science and Technology of China（中国科学技术大学） ； Li Auto ； Communication University of China（通信大学） ； MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, USTC（教育部脑科学与智能感知认知重点实验室，中国科学技术大学）
AI总结 EverybodyDance通过构建身份匹配图和多尺度匹配策略，有效提升了多角色动画中身份对应关系的正确性和视觉保真度。
OmniGen：面向自动驾驶的统一多模态传感器生成
机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Westlake University（西湖大学） ； Li Auto Inc.（Li汽车公司） ； The University of Toronto（多伦多大学） ； University of Macau（澳门大学）
AI总结 OmniGen通过统一框架生成对齐的多模态传感器数据，结合共享BEV空间和UAE方法，实现高效且灵活的传感器生成。
Comments ACM MM 2025
Joint2Human: 通过紧凑的球面嵌入3D关节实现高质量3D人体生成
机构 * College of Intelligence and Computing, Tianjin University（智能与计算学院，天津大学） ； PICO IDL, ByteDance China（字节跳动中国PICO IDL） ； Li Auto（利亚德）
AI总结 Joint2Human通过紧凑球面嵌入3D关节，结合2D扩散模型和多视角重绘策略，实现高质量3D人体生成，兼顾全局结构与局部细节。
EFDiT：利用扩散变换器模型实现高效的细粒度图像生成
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Chongqing Research Institute of HIT（重庆HIT研究所） ； Li Auto（利汽车） ； University of New South Wales（新南威尔士大学）
AI总结 EFDiT通过引入分层嵌入器和ProAttention机制，提升细粒度图像生成的语义信息融合和细节表现，优于现有微调方法。
Comments 6pages, 5figures, published to 2025 IEEE International Conference on Multimedia and Expo (ICME), Nantes, France, 2025
全局-局部感知场景文本编辑
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Li Auto ； Suzhou Research Institute（苏州研究院） ； University of New South Wales（新南威尔士大学）
AI总结 本文提出GLASTE模型，通过结合全局和局部信息，解决场景文本编辑中的不一致性和长度敏感性问题，提升编辑效果。
MindGPT-4ov: 一种通过多阶段训练范式增强的多模态大语言模型
机构 * MindGPT-4o Team（MindGPT-4o 团队） ； Li Auto Inc.（利汽车公司）
AI总结 MindGPT-4ov通过多阶段训练范式提升多模态大语言模型的性能与泛化能力，实现低成本高效率的训练与部署。
Comments 33 pages, 14 figures
Collab-Overcooked: 大语言模型作为协作代理的基准测试与评估
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Li Auto Inc
AI总结 本文提出Collab-Overcooked基准测试，评估大语言模型在协作代理中的表现，揭示其在目标解释和协作能力上的优劣。
Comments Accepted to EMNLP 2025 Main Conference. Camera-Ready Version. 30 pages, 17 figures
机构 * University of Science and Technology of China（中国科学技术大学） ； Li Auto Inc.（力汽车公司）
机构 * Li Auto Inc. ； Autolab, Westlake University（Autolab，西lake大学）
机构 * CASIA（中国科学院自动化研究所） ； Li Auto（力汽车） ； PCL（鹏城实验室） ； NUS（新加坡国立大学） ； Tsinghua（清华大学）
Comments ICCV 2025, first version
机构 * Li Auto Inc.（利自动公司）
Comments Published in International Conference on Computer Vision (ICCV) 2025
机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Sun Yat-sen University（中山大学） ； Bytedance Seed（字节跳动种子） ； Li Auto Inc.（李自动公司）
Comments ICCV 2025
机构 * The University of Queensland（昆士兰大学） ； University of Technology Sydney（悉尼技术大学） ； Li Auto Inc.（力汽车公司） ； City University of Macau（澳门城市大学） ； Peking University（北京大学）
Comments Project Page: https://xiaobiaodu.github.io/3drealcar
Journal ref ICCV2025
机构 * Zhejiang University（浙江大学） ； Li Auto（利汽车） ； Zhejiang Lab（浙江实验室） ； Hangzhou Institute for Advanced Study,University of Chinese Academy of Sciences（杭州高等研究 institute, 中国科学院大学）
机构 * Tsinghua University（清华大学） ； Li Auto Inc.（利亚 Auto 公司）
Comments Project page: https://zuosc19.github.io/QuadricFormer/
机构 * BUPT China（北京邮电大学） ； YSU China（云南大学） ； NUS Singapore（新加坡国立大学） ； Li Auto Inc. China（利汽车公司） ； SenseTime Research China（商汤研究）
Comments 18 pages
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； Li Auto Inc.（力汽车公司） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院）
机构 * Beijing AISHELL Technology Co., Ltd.（北京AISHELL科技有限公司） ； Beijing, China（中国北京） ； Li Auto Inc.（利汽车公司）
Comments 5 pages, 1 figures, 3 tables, accepted by InterSpeech 2025
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机学院，北京大学） ； Li Auto Inc.（利亚德公司） ； UC Berkeley（加州大学伯克利分校）
Comments code will be released at https://github.com/antonioo-c/GeoDrive
机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（人工智能学院，北京邮电大学） ； LI Auto Inc.（LI汽车公司）
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Li Auto Inc.（Li汽车公司） ； Tsinghua University（清华大学）
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