Beihang University（北京航空航天大学）

HiPolicy: Hierarchical Multi-Frequency Action Chunking for Policy Learning

HiPolicy：分层多频动作分块用于策略学习

Jiyao Zhang, Zimu Han, Junhan Wang, Xionghao Wu, Shihong Lin, Jinzhou Li, Hongwei Fan, Ruihai Wu, Dongjiang Li, Hao Dong

机构 * CFCS, School of CS, PKU（北京大学计算机学院计算与金融研究中心） ； National Key Laboratory for Multimedia Information Processing, School of CS, PKU（北京大学计算机学院多媒体信息处理国家重点实验室） ； XJTU（西安交通大学） ； THU（清华大学） ； BUAA（北京航空航天大学） ； Jingdong Technology Information Technology Co., Ltd（京东科技信息技术有限公司） 纠错

AI总结 HiPolicy通过分层多频动作分块框架，联合预测不同频率的动作序列，以捕捉粗粒度高层次计划和精确的反应动作，提升策略学习的性能和执行效率。

"I See What You Did There": Can Large Vision-Language Models Understand Multimodal Puns?

我看出你在那儿：大型视觉-语言模型能否理解多模态双关语？

Naen Xu, Jiayi Sheng, Changjiang Li, Chunyi Zhou, Yuyuan Li, Tianyu Du, Jun Wang, Zhihui Fu, Jinbao Li, Shouling Ji

机构 * Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； Palo Alto Networks ； Hangzhou Dianzi University（杭州电子科技大学） ； Ningbo Global Innovation Center, Zhejiang University（浙江大学宁波全球创新中心） ； OPPO Research Institute（OPPO研究院） ； Qilu University of Technology（齐鲁工业大学） 纠错

AI总结 本文研究了大型视觉-语言模型理解多模态双关语的能力，提出多模态双关语生成流程和MultiPun数据集，通过评估发现模型在区分真实双关语与干扰项上表现不足，并提出提示级和模型级策略提升理解性能。

Comments ACL 2026 Main

BiCoord: A Bimanual Manipulation Benchmark towards Long-Horizon Spatial-Temporal Coordination

BiCoord: 一种面向长时域空间-时间协调的双臂操作基准

Xingyu Peng, Chen Gao, Liankai Jin, Annan Li, Si Liu

机构 * Beihang University（北京航空航天大学） ； Zhongguancun Academy（中关村学院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 BiCoord基准旨在解决双臂操作中长时域和紧密协调的问题，通过多样化的任务和量化指标评估协调性，揭示现有方法在长时域任务中的不足。

Comments 8 pages

UniCreative: Unifying Long-form Logic and Short-form Sparkle via Reference-Free Reinforcement Learning

UniCreative：通过无参考强化学习统一长格式逻辑与短格式闪耀

Xiaolong Wei, Zerun Zhu, Simin Niu, Xingyu Zhang, Peiying Yu, Changxuan Xiao, Yuchen Li, Jicheng Yang, Zhejun Zhao, Chong Meng, Long Xia, Daiting Shi

机构 * Beihang University（北京航空航天大学） ； Baidu Inc.（百度公司） ； Renmin University of China（中国人民大学） 纠错

AI总结 本文提出UniCreative框架，通过自适应约束奖励模型和ACPO算法，实现无需监督细调的长短期创作统一，提升多任务表现并展现模型的元认知能力。

Comments Accepted to Findings of ACL 2026

Incident-Guided Spatiotemporal Traffic Forecasting

基于事件的时空交通预测

Lixiang Fan, Bohao Li, Tao Zou, Junchen Ye, Bowen Du

机构 * the State Key Laboratory of Complex and Critical Software Environment, Beihang University（北京航空航天大学复杂关键软件环境国家重点实验室） ； School of Transportation Science and Engineering, Beihang University（北京航空航天大学交通科学与工程学院） 纠错

AI总结 本文提出IGSTGNN框架，通过ICSF和TIID模块建模事件影响，构建大规模数据集提升交通预测精度。