Beihang University（北京航空航天大学）

Tokenization, Fusion and Decoupling: Bridging the Granularity Mismatch Between Large Language Models and Knowledge Graphs

分词、融合与解耦：弥合大语言模型与知识图谱之间的粒度不匹配

Siyue Su, Jian Yang, Bo Li, Guanglin Niu

机构 * Beihang University（北航大学） 纠错

AI总结 KGT通过专门的实体token分词、融合预训练特征及解耦预测，有效弥合大语言模型与知识图谱间的粒度不匹配，提升知识图谱补全性能。

Time-Varying Formation Tracking Control of Wheeled Mobile Robots With Region Constraint: A Generalized Udwadia-Kalaba Framework

具有区域约束的轮式移动机器人时间变化编队跟踪控制：一种广义Udwadia-Kalaba框架

Yijie Kang, Yuqing Hao, Qingyun Wang, Guanrong Chen

机构 * Department of Dynamics and Control（动力学与控制系） ； Beihang University（北航） ； Department of Electrical Engineering（电气工程系） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 本文提出了一种基于广义Udwadia-Kalaba框架的轮式移动机器人时间变化编队跟踪控制方法，考虑区域约束以确保机器人安全。

Comments 17 pages,9 figures

Inference-Cost-Aware Dynamic Tree Construction for Efficient Inference in Large Language Models

面向推理成本的动态树结构构建用于大型语言模型高效推理

Yinrong Hong, Zhiquan Tan, Kai Hu

机构 * Beihang University（北航大学） ； E Fund Management Co., Ltd.（E基金管理有限公司） 纠错

AI总结 本文提出CAST方法，通过考虑推理成本优化动态树结构，显著提升大型语言模型的推理效率。

Stable Adaptive Thinking via Advantage Shaping and Length-Aware Gradient Regulation

通过优势塑造和长度感知梯度调节实现稳定的自适应思维

Zihang Xu, Haozhi Xie, Ziqi Miao, Wuxuan Gong, Chen Qian, Lijun Li

机构 * Beihang University（北航） ； Shanghai AI Laboratory（上海人工智能实验室） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Renmin University of China（中国人民大学） 纠错

AI总结 本文提出了一种两阶段框架，通过混合微调和自适应强化学习，结合正确性保持优势塑造和长度感知梯度调节，提升大型推理模型在低复杂度查询中的稳定自适应推理能力。

Comments 15 pages, 7 figures

Requesting Expert Reasoning: Augmenting LLM Agents with Learned Collaborative Intervention

请求专家推理：通过学习的协作干预增强LLM代理

Zhiming Wang, Jinwei He, Feng Lu

机构 * State Key Laboratory of VR Technology and Systems, School of CSE, Beihang University（虚拟现实技术与系统国家重点实验室，计算机科学与工程学院，北京航空航天大学） 纠错

AI总结 通过学习协作干预框架，提升LLM代理在需要专家推理任务中的表现，显著提高任务成功率。