高校专区
PiERN：基于令牌级别的路由以整合高精度计算与推理
机构 * Peking University（北京大学） ； Peking University Changsha Institute for Computing and Digital Economy（北京大学长沙计算与数字经济研究院） ； Beihang University（北京航空航天大学） ； Tsinghua University（清华大学）
AI总结 PiERN通过内生整合计算能力，提升语言模型在复杂系统中的精度与效率，实现高准确性、低延迟和可扩展性。
SVGDreamer：基于扩散模型的文本引导SVG生成
机构 * Beihang University（北航） ； The University of Hong Kong（香港大学）
AI总结 SVGDreamer提出一种基于扩散模型的文本引导SVG生成方法，通过引入语义驱动的图像向量化过程和向量粒子基于的分数蒸馏技术，提升生成的可编辑性、视觉质量和多样性。
Comments Accepted by CVPR 2024. Project Page: https://ximinng.github.io/SVGDreamer-project/
通过时间推理聚合实现高效的测试时扩展
机构 * School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Qingdao Research Institute, Beihang University（北航青岛研究院） ； Hangzhou Innovation Institute, Beihang University（北航杭州创新研究院）
AI总结 本文提出TRACE框架，通过时间聚合多步骤证据实现高效测试时扩展，减少推理token使用25-30%，保持准确性，优于现有动态推理方法。
Comments Accepted to Findings of the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026)
LookasideVLN: 基于方向的空中视觉与语言导航
机构 * Sun Yat-sen University（中山大学） ； Peng Cheng Laboratory（鹏城实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Centre for Perceptual and Interactive Intelligence（感知与交互智能中心） ； Cardiff University（卡迪夫大学） ； Beihang University（北航） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东大数据分析与处理重点实验室）
AI总结 本文提出LookasideVLN，通过利用自然语言中的方向线索提升空中视觉与语言导航的准确性和效率，采用方向感知图、空间地标知识库和方向MLLM导航代理三种核心组件。
Comments Accepted by CVPR 2026
通过道德攻击 jailbreak 大型语言模型
机构 * South China University of Technology（南方科技大学） ； HKUST（香港科技大学） ； Beihang University（北航大学）
AI总结 本文通过道德攻击研究大型语言模型的内部道德价值观，构建了包含10300个实例的道德数据集，提出了四种对抗攻击方法，揭示了LLM和防护模型在道德感知攻击中的关键漏洞。
Comments 27 pages, 6 figures, 18 tables. Accepted by ACL 2026 Findings
FedOBP: 通过云-边元素解耦实现联邦最优脑个性化
机构 * Beijing Key Laboratory of MEMS Technology and Device Reliability for Industrial Internet, the School of Intelligent Engineering and Automation, Beijing University of Posts and Telecommunications（北京工业互联网MEMS技术与器件可靠性重点实验室，智能工程与自动化学院，北京邮电大学） ； School of Business Administration, Southwestern University of Finance and Economics（西南财经大学商学院） ； Institute of Artificial Intelligence and the School of Computer Science, Beihang University（北京航空航天大学人工智能研究院和计算机学院） ； School of Electronic Engineering, Dublin City University（都柏林城市大学电子工程学院） ； DreamSoul
AI总结 本文提出FedOBP算法，通过量化阈值机制和元素重要性评分，结合最优脑损伤理论，解决联邦学习中个性化参数选择问题，实验表明其在多种数据集和异构场景中表现优异。
HalluSAE：通过稀疏自编码器检测大型语言模型中的幻觉
机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算先进研究院，北京航空航天大学人工智能学院） ； State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北京航空航天大学虚拟现实技术与系统国家重点实验室） ； Beijing Academy of Blockchain and Edge Computing（北京区块链与边缘计算研究院） ； Renmin University of China（中国人民大学）
AI总结 HalluSAE通过稀疏自编码器和几何势能度量定位潜在相变区域，利用对比logit归因识别幻觉相关稀疏特征，通过线性探针检测因果幻觉，实验表明其在Gemma-2-9B上达到最先进的幻觉检测性能。
将3D生成模型重新利用于自回归布局生成
机构 * School of Software, Beihang University（北航软件学院） ； Tsinghua University（清华大学） ； University of Hong Kong（香港大学） ； Tencent Hunyuan（腾讯文英） ； Peking University（北京大学）
AI总结 本文提出LaviGen框架，利用3D生成模型直接在3D空间中生成布局，通过自回归过程建模几何关系和物理约束，提升3D场景的物理合理性与效率。
通过文本语义增强视觉表示：基于文本语义的原型用于异构联邦学习
机构 * State Key Laboratory of Virtual Reality Technology and Systems, School of Computer Science and Engineering, Beihang University, Beijing, China（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，北京，中国） ； Zhongguancun Laboratory, Beijing, China（中关村实验室，北京，中国） ； Center for AI Business Innovation, Department of Management Science and Systems, School of Management, University at Buffalo, USA（人工智能商业创新中心，管理科学与系统系，管理学院，布法罗大学，美国）
AI总结 本文提出FedTSP，利用预训练语言模型构建语义丰富的原型，以解决异构联邦学习中的数据异质性问题，提升模型收敛速度和泛化能力。
Comments Accepted by CVPR 2026 (Highlight)
多智能体推理与协作中的弱链接优化
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Beihang University（北航） ； Xi'an University of Architecture and Technology（西安建筑科技大学）
AI总结 本文提出WORC框架，通过识别并强化性能瓶颈智能体，提升多智能体系统的稳定性和泛化能力。
Comments 13 pages, 4 figures. Submitted to CAAI Transactions on Intelligence Technology
SegMix：基于洗牌的反馈学习用于病理图像的语义分割
机构 * JD AI Research（京东人工智能研究院） ； School of Microelectronics, Xi’an Jiaotong University（西安交通大学微电子学院） ； Beijing Advanced Innovation Center for Biomedical Engineering, School of Biological Science and Medical Engineering, Beihang University（北京生物医学工程先进创新中心，北京航空航天大学生物科学与医学工程学院）
AI总结 本文提出SegMix，一种基于洗牌的反馈学习方法，利用课程学习思想生成高质量伪分割掩码，提升病理图像语义分割性能。
HyperGVL：超图理解与推理中大视觉-语言模型的基准测试与改进
机构 * Southern University of Science and Technology（南方科技大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Huawei Research（华为研究） ； Beihang University（北航）
AI总结 本文提出HyperGVL基准，评估12种先进LVLM在超图理解与推理中的能力，通过84,000个样本覆盖12种任务，引入可泛化的WiseHyGR路由器提升模型性能。
Comments Under Review; Opensource after accepted
TopFeaRe: 在拓扑-特征纠缠视角下定位图的对抗鲁棒性临界状态
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Dalian University of Technology（大连理工大学） ； Beihang University（北京航空航天大学）
AI总结 本文提出TopFeaRe方法，通过定位图的对抗鲁棒性临界状态，结合复杂动态系统理论，创新性地建模对抗攻击、设计拓扑-特征纠缠函数，并验证了在多个真实数据集上的有效性。
将LLM去学习视为一个非对称的双任务学习问题
机构 * Shanghai University of Finance and Economics（上海金融学院） ； Alibaba Group（阿里巴巴集团） ； Southern University of Science and Technology（南方科技大学） ； Beihang University（北航） ； MoE Key Laboratory of Interdisciplinary Research of Computation and Economics（计算与经济交叉学科研究教育部重点实验室）
AI总结 本文将LLM去学习视为非对称双任务问题，提出优先保留的梯度合成框架，通过分离任务特定梯度提取与冲突感知组合，改进梯度冲突解决方法，实验证明通过重塑梯度几何而非重新平衡损失，有效缓解去学习-保留的权衡。
Comments ACL 2026
METRO：面向非协作对话的专家对话 transcripts 中的策略诱导
机构 * National University of Singapore（新加坡国立大学） ； Nankai University（南开大学） ； Sichuan University（四川大学） ； School of Artificial Intelligence, Beihang University（北航人工智能学院） ； Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing（北京未来区块链与隐私计算高级创新中心） ； Key Laboratory of Mathematics, Informatics and Behavioral Semantics (LMIB)（数学、信息学与行为语义学重点实验室（LMIB）） ； Engineering Research Center of Machine Learning and Industry Intelligence, Ministry of Education, China（教育部机器学习与工业智能工程研究中心，中国）
AI总结 METRO 通过大规模语言模型从原始 transcripts 自动诱导策略动作和规划逻辑，提出策略森林结构，实验显示其在两个基准上性能优越，具有跨任务迁移能力。
Comments ACL 2026
通过竞赛式归因实现大规模去匿名化
机构 * Beihang University（北京航空航天大学） ； Peking University（北京大学）
AI总结 研究利用LLM链接匿名文档与其作者，提出大规模去匿名化方法DAS，通过分组筛选和多数投票提升鲁棒性和精度，实验显示在匿名平台存在现实隐私风险。
Comments 14 pages, ACL 2026 Oral
超越字面映射：非字面翻译评估的基准测试与改进
机构 * School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） ； Zhipu AI（智谱AI） ； The Knowledge Engineering Group (KEG), Tsinghua University（清华大学知识工程组） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院）
AI总结 本文提出RATE框架，通过反思核心代理动态调用专用子代理，提升非字面翻译评估的准确性，实验显示其在系统和段级相关性上比现有方法提高至少3.2分。
Comments Accepted to ACL 2026 Main Conference
哪些信息值得记忆：面向大语言模型代理的自适应记忆蒸馏
机构 * Fudan University（复旦大学） ； Shanda Group（上海莎anda集团） ； Beihang University（北航） ； Shanghai University of Finance and Economics（上海财经大学）
AI总结 本文提出NEMORI框架，通过预测性来评估经验的未来效用，实现自适应记忆蒸馏，提升LLM代理的记忆性能与存储效率。
朝着弥合直接对齐算法中的奖励生成差距而努力
机构 * Shanghai University of Finance and Economics（上海财经大学） ； Beihang University（北航） ； Southern University of Science and Technology（南方科技大学）
AI总结 本文探讨了直接对齐算法中奖励生成差距的问题，提出Prefix-Oriented Equal-length Training方法，通过截断响应长度来提升对齐效果，实验显示在AlpacaEval 2上提升显著。
Comments Findings of ACL 2026
AgentForge: 基于执行的多智能体LLM框架用于自主软件工程
机构 * International Research Center for Complexity Sciences（复杂科学国际研究中心） ； Hangzhou International Innovation Institute（杭州国际创新研究院） ； Beihang University（北京航空航天大学） ； College of Science, Mathematics and Technology（科学、数学与技术学院） ； Wenzhou-Kean University（温州-凯恩大学） ； Fakulti Teknologi Maklumat dan Komunikasi（信息技术与通信学院） ； Universiti Teknikal Malaysia Melaka（马来西亚Melaka理工大学） ； Computer Systems Engineering Department（计算机系统工程系） ； Sukkur IBA University（苏库尔IBA大学） ； University of Electronic Science and Technology of China（电子科学与技术大学）
AI总结 AgentForge通过引入执行验证原则，提升代码正确性验证，实现40.0%的SWE-BENCH Lite解决率，优于单智能体基线。
从指令到事件：基于声音的移动操作
机构 * University of Macau（澳门大学） ； Beihang University（北航） ； Hefei University of Technology（合肥工业大学）
AI总结 本文提出基于声音的移动操作方法，通过开发Habitat-Echo数据平台和任务规划器，使移动代理能主动感知并响应声音事件，无需显式指令。
统一的元表示与反馈校准用于通用扰动估计
机构 * School of Aeronautic Science and Engineering, Beihang University（航空科学与工程学院，北京航空航天大学） ； School of Automation Science and Electric Engineering, Beihang University（自动化科学与电气工程学院，北京航空航天大学）
AI总结 本文提出一种通用扰动估计框架，结合元学习和反馈校准在线适应，通过统一的元表示有效捕捉非结构扰动，通过状态反馈机制校准学习残差，理论分析证明在线学习误差和扰动估计误差可同时收敛。
Comments 8 pages, 10 figures
利用自监督残差学习优化可控路径
机构 * School of Aeronautic Science and Engineering, Beihang University（北京航空航天大学航空科学与工程学院） ； Hangzhou Innovation Institute, Beihang University（北京航空航天大学杭州创新研究院） ； School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院）
AI总结 本文提出自监督残差学习与轨迹优化框架，通过学习闭环模型中的未知动态效应，生成对后续控制器友好的最优轨迹，验证了混合动力学在四旋翼敏捷飞行中的有效性。
Comments 10 pages, 9 figures
通过超旅行引导实现大规模TSP的定向邻域搜索
机构 * SKLSDE Lab, Beihang University, Beijing, China（北京航空航天大学SKLSDE实验室）
AI总结 本文提出HyperNS方法，通过稀疏热力图图划分和超旅行生成，有效减少搜索空间，提升大规模TSP求解效率，实验表明在处理大实例时性能优于现有神经方法。
Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-52096-7}
基于激活的局部编辑对抗攻击
机构 * Beihang University（北航） ； Hangzhou Innovation Institute（杭州创新研究院） ； HKUST（香港科技大学） ； South China University of Technology（华南理工大学） ； Nanyang Technological University（南洋理工大学） ； Kunming University of Science and Technology（昆明理工大学）
AI总结 本文提出一种两阶段框架，结合上下文生成与隐藏状态信息，有效提升对抗攻击的成功率和可迁移性，对抗当前防御机制。
从模仿到鉴别：面向鲁棒网络导航的渐进课程学习
机构 * Beijing Jiaotong University（北京交通大学） ； Beihang University（北京航空航天大学）
AI总结 本文提出Triton数据集和渐进训练课程，通过结构-语义硬负样本挖掘和双代理共识流程构建，提升网络导航中对复杂页面的鉴别能力与泛化能力，最终在Mind2Web上验证了专用数据课程优于单纯参数规模的优势。
Comments 17 pages, 10 figures
可扩展的全身体态移动操作轨迹生成
机构 * Institute for AI, Peking University（人工智能研究院，北京大学） ； Institute of Unmanned System, Beihang University（无人系统研究院，北航） ； School of Psychological and Cognitive Sciences, Peking University（心理学与认知科学学院，北京大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室，北京大学） ； Yuanpei College, Peking University（元培学院，北京大学） ； Embodied Intelligence Lab, PKU-Wuhan Institute for Artificial Intelligence（具身智能实验室，PKU-武汉人工智能研究所）
AI总结 本文提出AutoMoMa框架，通过GPU加速整合运动学模型与并行轨迹优化，生成大规模物理有效轨迹数据，解决全身体态移动操作中规模、多样性和运动学精度的瓶颈问题。
ArtiCAD: 通过多智能体代码生成实现可动CAD装配设计
机构 * School of Software, Beihang University（北京航空航天大学软件学院） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学）
AI总结 ArtiCAD通过多智能体系统从文本或图像生成可编辑的可动CAD装配，利用连接器定义连接点和关节参数，提升空间推理能力，通过验证步骤和回滚机制确保输出质量，验证了其在概念设计、物理原型和AI训练资产生成中的应用。
GRADE: 通过梯度子空间动态探测语言模型中的知识差距
机构 * Beihang University（北航） ； Cardiff University（卡迪夫大学） ； King’s College London（伦敦国王学院）
AI总结 GRADE通过梯度子空间动态探测语言模型中的知识差距，量化知识缺口并验证其在多个基准上的有效性及抗扰性。
SEATrack: 简单、高效且自适应的多模态跟踪器
机构 * School of Artificial Intelligence (School of Software), Yanshan University（燕山大学人工智能学院（软件学院）） ； School of Software, Beihang University（北航软件学院） ； Hebei Key Laboratory of Computer Virtual Technology and System Integration（河北省计算机虚拟技术与系统集成重点实验室） ； State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), CASIA（多模态人工智能系统国家重点实验室（MAIS），CASIA） ； School of Artificial Intelligence, UCAS（中国科学院大学人工智能学院） ； AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院自动化实验室）
AI总结 SEATrack通过跨模态对齐和层次混合专家机制，在RGB-T、RGB-D和RGB-E跟踪任务中实现性能与效率的平衡。
Comments Accepted as a CVPR 2026 Oral
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