Beihang University（北京航空航天大学）

GeoStereo: A Unified Stereo Geometry Estimation Framework for Disparity and Surface Normal

用于视差和表面法线的统一立体几何估计框架

Qizhe Wei, Xianda Guo, Shaocong Xu, Hong Li, Runyi Yang, Hao Zhao

机构 * Beijing Institute of Technology（北京理工大学） ； School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； Beihang University（北京航空航天大学） ； INSAIT, Sofia University（索非亚大学INSAIT） ； BAAI AIR, Tsinghua University（清华大学BAAI AIR） 纠错

AI总结 本文针对立体匹配和表面法线估计问题，提出统一框架GeoStereo，结合前馈立体匹配与基于扩散的法线估计分支，引入初始化策略与扭曲条件，实现有效交互，在多场景表现可靠，零样本设置下视差和法线估计精度高。

A Large-Scale Multi-Dimensional Empirical Study of LLMs for Conversation Summarization

面向对话摘要的大规模多维度LLM实证研究

Weixiao Zhou, Gengyao Li, Junnan Zhu, Xianfu Cheng, Feifei Zhai, Zhoujun Li

机构 * CCSE, Beihang University（北京航空航天大学CCSE） ； MAIS, CASIA（中国科学院自动化研究所MAIS） ； Fanyu AI Laboratory（帆禹AI实验室） 纠错

AI总结 提出OmniCSEval基准，包含1800个跨六场景的对话，评估28个LLM在对话摘要中的完整性、简洁性和忠实性，揭示推理能力与模型规模的影响。

Comments 21 pages, 18 figures

Tail-Aware Information-Theoretic Bounds for LLM Alignment under Heavy-Tailed Rewards

尾感知信息论泛化用于RLHF和SGLD

Huiming Zhang, Binghan Li, Wan Tian, Qiang Sun

机构 * Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院） ； Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing（北京未来区块链与隐私计算高精尖创新中心） ； Advanced Institute of Information Technology, Peking University（北京大学信息技术高等研究院） ； Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机技术研究所） ； Computer and Mathematical Sciences, Computer Science, and Statistics, University of Toronto（多伦多大学计算机与数学科学、计算机科学和统计学系） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） 纠错

AI总结 本文提出一种尾依赖信息论框架，用于处理亚韦尔bull数据，通过移位对数f_θ-分歧来界定制换测度期望，从而在重尾数据下获得更精确的泛化界限。

Comments 47 pages, 6 figures

From Representational Complementarity to Dual Systems: Synergizing VLM and Vision-Only Backbones for End-to-End Driving

从表征互补性到双系统：协同VLM和纯视觉骨干网络用于端到端驾驶

Sining Ang, Yuguang Yang, Chenxu Dang, Canyu Chen, Cheng Chi, Haiyan Liu, Xuanyao Mao, Jason Bao, Xuliang, Bingchuan Sun, Yan Wang

机构 * Department of Automation, University of Science and Technology of China（中国科学技术大学自动化系） ； School of Electronic Information Engineering, Beihang University（北京航空航天大学电子信息工程学院） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； National Superior College for Engineers, Beihang University（北京航空航天大学国家级工程师学院） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Lenovo Group Limited（联想集团有限公司） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） 纠错

AI总结 本文通过协同VLM和纯视觉骨干网络，提出HybridDriveVLA和DualDriveVLA，提升端到端驾驶的PDMS性能。

Breaking Self-Attention Failure: Rethinking Query Initialization for Infrared Small Target Detection

打破自注意力失效：重新思考用于红外小目标检测的查询初始化

Yuteng Liu, Duanni Meng, Yimian Dai, Maoxun Yuan, Xingxing Wei, Bo li

机构 * Beihang University（北航大学） 纠错

AI总结 SEF-DETR通过改进查询初始化方法，有效解决红外小目标检测中自注意力机制导致的背景干扰问题，提升检测性能。

CAPMix: Robust KPI Anomaly Detection for AIOps in Noisy and Dynamic Environments

CAPMix：面向噪声与动态环境下AIOps的鲁棒KPI异常检测

Xudong Mou, Rui Wang, Tiejun Wang, Zexin Wu, Fangda Guo, Jie Sun, Shiru Chen, Penghao Zhang, Tiezi Zhang, Tianyu Wo, Hao Peng, Chunming Hu, Xudong Liu, Renyu Yang

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） ； Shandong Inspur Intelligent Production Technology Co., Ltd（山东 Inspur 智能生产技术有限公司） ； Zhongguancun Laboratory（中关村实验室） 纠错

AI总结 本文针对AIOps中KPI异常检测的异常偏移问题，提出可控异常增强框架CAPMix，结合标签修正与双空间混合增强，在基准测试及快手生产系统中表现优异，还发布了相关数据集。

Comments Accepted for publication at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026). \c{opyright} ACM, 2026. This is the author's version of the work. It is posted here by permission of ACM for your personal use. Not for redistribution. The definitive Version of Record will be published by ACM, https://doi.org/10.1145/3832783.3834487

Journal ref ASE 2026