Grounded World Model for Semantically Generalizable Planning
基于语义泛化的世界模型用于规划
机构 * Independent（独立） ； EPFL（瑞士联邦理工学院洛桑） ； Beihang University（北京航空航天大学） ； University of Toronto（多伦多大学） ； NUS（新加坡国立大学）
AI总结 本文提出基于视觉-语言对齐潜在空间的世界模型，用于改进视觉-运动模型控制，实现更广泛的语义泛化能力。
高校专区
Beihang University（北京航空航天大学）
Utilizing and Calibrating Hindsight Process Rewards via Reinforcement with Mutual Information Self-Evaluation
利用和校准通过互信息自我评估的 hindsight 过程奖励
机构 * Beijing Institute of Technology（北京理工大学） ； Beihang University（北京航空航天大学）
AI总结 本文提出MISE方法，通过生成自我评估提供密集奖励信号并校准环境反馈，使基于大语言模型的智能体能自主学习，理论证明其等价于结合互信息与KL散度的优化目标，实验表明其在无监督条件下优于基线方法。
Comments preprint
Online Reasoning Video Object Segmentation
在线推理视频目标分割
机构 * Faculty of Computer Science and Artificial Intelligence, Shenzhen University of Advanced（深圳大学计算机科学与人工智能学院） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； School of Electrical and Information Engineering, Northeast Petroleum University（东北石油大学电气与信息工程学院）
AI总结 本文研究了在线推理视频目标分割，提出ORVOS框架和ORVOSB基准，通过持续更新分割提示和结构化时间令牌水库，在有限计算下实现长时序推理，解决严格因果性和指称转移问题。
FlashMem: Distilling Intrinsic Latent Memory via Computation Reuse
FlashMem: 通过计算复用提炼内在潜在记忆
机构 * School of ASEE, Beihang University（北京航空航天大学ASEE学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of BME, Beijing Advanced Innovation Center for BME, Beihang University（北京航空航天大学生物医学工程学院/北京生物医学工程高精尖创新中心） ； CAIR and CECS, VinUniversity（VinUniversity计算与人工智能研究中心/计算机工程与计算机科学系）
AI总结 FlashMem通过计算复用直接从临时推理状态提炼内在记忆，消除冗余重参数化，提升推理效率和持久认知能力。
MetroGS: Efficient and Stable Reconstruction of Geometrically Accurate High-Fidelity Large-Scale Scenes
MetroGS: 高精度大规模场景高效稳定重建
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Beihang University（北京航空航天大学）
AI总结 本文提出MetroGS框架，通过分布式2D高斯点扩散表示和结构密集增强方案，结合单目与多视图优化策略，实现复杂城市环境中的高效高精度场景重建。
Comments Accepted by CVPR26; Project page: https://m3phist0.github.io/MetroGS
AmodalSVG: Amodal Image Vectorization via Semantic Layer Peeling
AmodalSVG：基于语义层剥离的模态图像向量化
机构 * School of Software, Beihang University（北京航空航天大学软件学院） ； Igarashi Lab, The University of Tokyo（东京大学五十岚实验室） ； Bambu Lab ； Department of Computer Science, The University of Hong Kong（香港大学计算机科学系）
AI总结 AmodalSVG通过语义层剥离技术，实现对自然图像中遮挡区域的完整几何向量化，提升SVG的结构编辑能力。
Mem$^2$Evolve: Towards Self-Evolving Agents via Co-Evolutionary Capability Expansion and Experience Distillation
Mem$^2$Evolve：通过共进化能力扩展与经验蒸馏实现自进化智能体
机构 * Beihang University（北京航空航天大学） ； Beijing Institute of Technology（北京理工大学） ； Independent Researcher（独立研究者） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of Edinburgh（爱丁堡大学）
AI总结 本文提出Mem$^2$Evolve框架，通过共进化能力扩展与经验蒸馏实现自进化智能体，实验显示其在多个任务和基准上的性能显著优于传统方法。
Comments Accepted by ACL 2026 Main
STDDN: A Physics-Guided Deep Learning Framework for Crowd Simulation
STDDN：一种基于物理的深度学习框架用于人群模拟
机构 * School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； School of Software, Beihang University（北京航空航天大学软件学院） ； Beijing Digital Native Digital City Research Center（北京数字原生数字城市研究中心）
AI总结 本文提出STDDN框架，通过引入流体动力学的连续方程，结合神经普通微分方程和动态图学习模块，改进人群模拟的物理约束与效率，实现更稳定和高效的模拟性能。
Journal ref International Conference on Learning Representations (ICLR), 2026
GoT-R1: Unleashing Reasoning Capability of MLLM for Visual Generation with Reinforcement Learning
GoT-R1：通过强化学习提升MLLM的视觉生成推理能力
机构 * HKU MMLAB（香港大学多媒体实验室） ； CUHK MMLAB（香港中文大学多媒体实验室） ； Sensetime（商汤科技） ； Beihang University（北京航空航天大学） ； SUAT（上海人工智能实验室）
AI总结 GoT-R1通过强化学习提升视觉生成中的语义-空间推理能力，改进了复杂提示下的图像生成效果，实验表明在T2I-CompBench基准上表现优异。
Comments Github page refer to: https://github.com/gogoduan/GoT-R1. Published as a conference paper at ICLR 2026
