高校专区
CDRRM：基于对比的评分标准生成用于可靠和可解释的奖励建模
机构 * University of Science and Technology of China（科学技术大学） ； Peking University（北京大学） ； BeiHang University（北航大学）
AI总结 CDRRM通过对比驱动的评分标准生成方法，实现可靠且可解释的奖励建模，有效缓解评估偏见并提升数据效率。
ViSA增强的空中视觉语言导航：一种增强视觉空间推理能力的空中视觉语言导航框架
机构 * Tianmushan Laboratory, Beihang University（北航之梦实验室，北京航空航天大学） ； Hangzhou International Innovation Institute, Beihang University（杭州国际创新研究院，北京航空航天大学） ； Foshan Graduate School of Innovation, Northeastern University（佛山创新研究生学院，东北大学） ； 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） ； Faculty of Robot Science and Engineering, Northeastern University（机器人科学与工程学院，东北大学）
AI总结 ViSA增强框架通过结构化视觉提示提升空中VLN的空间推理能力，显著提高成功率，为该领域提供有力支持。
Comments 8 pages
CMMR-VLN：通过持续多模态记忆检索实现视觉与语言导航
机构 * Foshan Graduate School of Innovation at Northeastern University（东北大学创新研究生院） ； Faculty of Robot Science and Engineering at Northeastern University（东北大学机器人科学与工程学院） ； College of Software at Northeastern University（东北大学软件学院） ； School of Aeronautic Science and Engineering at Beihang University（北航航空科学与工程学院）
AI总结 CMMR-VLN通过引入持续多模态记忆检索机制，提升视觉与语言导航任务中对先前经验的选择性利用能力，显著提高导航成功率。
Holi-Spatial: 将视频流转化为整体3D空间智能
机构 * Shanghai AI Lab（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； Sichuan University（四川大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 Holi-Spatial通过自动化方法构建大规模多模态3D空间数据集，提升空间推理任务的模型性能。
Comments project page: https://visionary-laboratory.github.io/holi-spatial/
PanoDP：利用全景深度与可微物理学习无碰撞导航
机构 * School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（南洋理工大学电子与电气工程学院） ； Beihang University, Beijing, China（北京航空航天大学） ； The University of Queensland, Australia（昆士兰大学）
AI总结 PanoDP通过结合全景深度感知与可微物理训练信号，提升在杂乱环境中无碰撞导航的性能和泛化能力。
TS-MLLM：一种基于多模态大语言模型的工业时间序列大数据分析框架
机构 * 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） ； School of Software, Beihang University（北京航空航天大学软件学院） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； State Key Laboratory of Intelligent Manufacturing System Technology（智能制造系统技术国家重点实验室） ； School of Computer and Artificial Intelligence, Zhengzhou University（郑州大学计算机与人工智能学院） ； Department of Computer Science, St. Francis Xavier University（圣弗朗西斯科大学计算机科学系）
AI总结 TS-MLLM通过多模态大语言模型联合建模时序信号、频域图像和文本知识，提升工业时间序列预测的鲁棒性、效率和泛化能力。
推动双工信无线传感在亚波长尺度上的高精度
机构 * School of Computer Science, Peking University, Beijing, China（北京大学计算机科学学院） ； School of Cyber Science and Technology, Beihang University, Beijing, China（北航信息科学与技术学院） ； Telecom SudParis, Institut Polytechnique de Paris, Paris, France（巴黎理工电信学院）
AI总结 本文提出了一种基于信道响应幅度恢复理想信道特征的方法，有效提升了亚波长尺度的无线传感精度。
面向数据清洗技术实用基准测试的探索：通过大语言模型生成真实错误
机构 * Nankai University（南开大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua University（清华大学） ； Beihang University（北京航空航天大学）
AI总结 TableEG利用大语言模型生成真实错误，通过三元组表示和表格微调策略，提升数据清洗技术的基准测试效果。
法线之光：面向通用光度立体的统一特征表示
机构 * BUAA（北京航空航天大学） ； HKUST（香港科技大学） ； BAAI（北京人工智能研究院） ； FNii, CUHKSZ（FNii，CUHKSZ） ； NTU（国立台湾大学） ； WHU（武汉大学） ； BNU（北京师范大学） ； NII（日本国立信息与通信技术研究所） ； PKU（北京大学） ； AIR, THU（AIR，清华大学）
AI总结 本文提出LINO UniPS，通过Light Register Tokens和交错注意力块实现光照与法线信息解耦，并结合小波双分支架构和法线梯度损失恢复高频细节，提升通用光度立体的性能。
Comments Home: https://houyuanchen111.github.io/lino.github.io Github: https://github.com/houyuanchen111/LINO_UniPS HuggingFace
适应性批级样本调度用于直接偏好优化
机构 * Beihang University（北京航空航天大学） ； Bytedance China（字节跳动中国） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文提出SamS算法，通过动态调度训练样本提升DPO性能，无需修改核心算法，有效提高LLM对齐效果。
RoboPARA: 双臂机器人任务并行规划的平行分配与重组
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创新中心，人工智能学院，北航） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Center for Applied Statistics, School of Statistics, Renmin University of China（应用统计中心，统计学院，中国人民大学）
AI总结 RoboPARA通过双臂任务并行规划框架，提升复杂多任务场景下的效率和可靠性，引入首个评估双臂任务并行性的数据集。
Comments Accepted to ICLR 2026
CoTJudger: 一种基于图的框架，用于自动评估链式推理效率和冗余性在LRMs中
机构 * University of Science and Technology of China（科学技术大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Shenzhen Institutes of Advanced Technology, CAS（深圳先进技术研究所，中国科学院） ； Southeast University（东南大学） ； Nanjing University（南京大学） ； Beihang University（北航） ； University of Manchester（曼彻斯特大学）
AI总结 CoTJudger通过构建依赖图提取最短有效路径，评估链式推理的效率与冗余，揭示模型中的冗余问题及失败模式。
两个框架至关重要：一种针对文本到视频模型劫持的时序攻击
机构 * College of Science, Mathematics and Technology, Wenzhou-Kean University（科学、数学与技术学院，温州市凯恩大学） ； State Key Laboratory of Complex & Critical Software Environment, Beihang University（复杂与关键软件环境国家重点实验室，北航） ； AI Security Lab（360人工智能安全实验室）
AI总结 本文提出TFM攻击方法，通过碎片化提示和隐式替换，提高文本到视频模型的劫持效果，显著提升攻击成功率。
Yo'City：通过自批评扩展实现个性化和无边界的3D逼真城市场景生成
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Beihang University（北航） ； Southeast University（东南大学） ； ByteDance Seed（字节跳动种子） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室） ； Beijing Normal University（北京师范大学） ； Theta Labs（Theta实验室）
AI总结 Yo'City通过自批评扩展实现个性化和无边界的3D城市生成，利用大模型的推理能力提升生成质量。
Comments Accepted by CVPR 2026
CMRAG：基于共模的视觉文档检索与问答
机构 * Baidu Inc（百度公司） ； The University of Hong Kong（香港大学） ； Beihang University（北京航空航天大学） ； Peking University（北京大学）
AI总结 CMRAG通过统一编码模型和共模信息检索方法，提升多模态视觉文档问答系统的性能。
Comments Published at ICLR 2026 Workshop on Multimodal Intelligence
SPOT：基于跨度的思考暂停，用于大语言模型中高效且可解释的潜在推理
机构 * School of New Media and Communication, Tianjin University（新媒体与传播学院，天津大学） ； School of Computer Science and Engineering, Beihang University（计算机科学与工程学院，北航大学）
AI总结 SPOT通过压缩显式推理步骤为紧凑的潜在暂停token，提升大语言模型的推理效率和可解释性。
Lyapunov探针用于大型基础模型中的幻觉检测
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创新中心，人工智能学院，北航） ； School of Electronic and Information Engineering, State Key Laboratory of CNS/ATM, Beihang University（电子与信息工程学院， CNS/ATM 国家重点实验室，北航） ； National Key Laboratory of Information Systems Engineering, National University of Defense Technology（信息系统工程国家重点实验室，国防科技大学） ； Beijing Academy of Blockchain and Edge Computing（北京区块链与边缘计算研究院） ； Shanghai University（上海大学）
AI总结 通过Lyapunov探针检测大型基础模型中的幻觉，利用动力系统稳定性理论分析知识过渡区域的边界特征。
魔鬼在窄政策中：解锁驾驶VLA模型的探索
机构 * National Superior College for Engineers, Beihang University（北京航空航天大学工程师学院） ； School of Electronic Information Engineering, Beihang University（北京航空航天大学电子信息工程学院） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Lenovo Group Limited（联想集团有限公司） ； State Key Laboratory of Media Convergence and Communication, Communication University of China（中国传媒大学媒体融合与传播国家重点实验室）
AI总结 Curious-VLA通过双阶段设计缓解探索-利用困境，提升驾驶VLA模型的探索潜力，实现Navsim基准的最优性能。
Comments Accepted by CVPR2026 findings
RouteGoT: 用于图状思维推理的节点自适应路由
机构 * School of New Media and Communication, Tianjin University（新媒体与传播学院，天津大学） ； School of Computer Science and Engineering, Beihang University（计算机科学与工程学院，北航） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 RouteGoT通过节点自适应路由框架提升图状思维推理的效率与准确性，实现性能与成本的平衡。
SPARK：通过协同提示音频与重新上下文化知识实现T2V模型的劫持
机构 * State Key Laboratory of Complex \& Critical Software Environment, Beihang University ； College of Science, Mathematics ； Technology, Wenzhou-Kean University ； 360 AI Security Lab ； Faculty of Innovation Engineering, Macau University of Science ； Hong Kong University of Science ； University of Chinese Academy of Sciences
AI总结 SPARK通过模块化提示设计，利用音频与视觉关联模式，实现对T2V模型的高效劫持，提升攻击成功率23%。
软件开发生命周期视角：代码大语言模型和代理的基准测试调查
机构 * Xi’an Jiaotong University（西安交通大学） ； Beihang University（北京航空航天大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文从软件开发生命周期视角调查代码大语言模型和代理的基准测试，揭示当前基准测试在覆盖方面的不平衡，并提出未来研究方向以缩小理论能力与实际应用之间的差距。
Comments Significantly enhanced the tiered analysis framework for a more comprehensive evaluation of CodeLLMs and Agents throughout the SDLC
OA-Bug：一种用于在被拒绝环境中运作的嗅觉-听觉增强型虫群算法
机构 * Beihang University（北航大学）
AI总结 本文提出OA-Bug算法，利用嗅觉和听觉信号提升群机器人在被拒绝环境中的搜索性能。
Comments 7 pages, 6 figures, accepted by 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
PerfGuard: 一种面向视觉内容生成的性能感知代理
机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications, China（北京邮电大学人工智能学院） ； Beijing Digital Native Digital City Research Center, China（北京数字原生数字城市研究中心） ； School of Computer Science and Engineering, Beihang University, China（北航计算机科学与工程学院） ； SketchX, CVSSP, University of Surrey, United Kingdom（SketchX、CVSSP、英国萨里大学） ； Chenxi Shuzhi (Beijing) Technology Co., Ltd, China（北京晨曦智数科技有限公司）
AI总结 PerfGuard通过性能感知机制提升视觉内容生成任务中工具选择的准确性与执行可靠性。
Comments This paper has been accepted by ICLR 2026. The original paper link is: https://openreview.net/pdf?id=tdN42GTv4S The code repository link is: https://github.com/FelixChan9527/PerfGuard
UniComp：通过信息唯一性重新思考视频压缩
机构 * Meituan Inc.（美团公司） ； Beihang University（北京航空航天大学）
AI总结 UniComp通过信息唯一性驱动的框架，在有限计算资源下提升视频压缩的信息保真度，优于现有方法。
多模态引导的3D人像生成双扩散模型
机构 * Beihang University（北航大学） ； KAUST（卡塔尔科技大学）
AI总结 本文提出PromptAvatar，通过双扩散模型实现多模态引导的3D人像生成，提升生成质量与效率。
Comments 18 pages, 10 figures
通过无监督关键点定位实现面部动画中的运动操控
机构 * BUAA（北京航空航天大学） ； KAUST（卡塔尔大学）
AI总结 本文提出MMFA方法，通过无监督关键点定位解耦身份语义与运动信息，实现可控的面部动画生成与表达操控。
Comments 19 pages, 15 figures
无偏动态剪枝用于高效基于群体的策略优化
机构 * Beihang University（北航大学） ； Zhongguancun Academy（中关村学院） ； Communication University of China（中国通信大学）
AI总结 DPPO通过动态剪枝和重要性采样修正，实现高效基于群体的策略优化，提升训练速度并提高准确率。
Comments 20 pages, 4 figures
不确定性重编码：面向鲁棒事件-RGB分割的边缘感知语义一致性
机构 * State Key Laboratory of Virtual Reality Technology and Systems, SCSE & QRI, Beihang University（虚拟现实技术与系统国家重点实验室，SCSE与QRI，北京航空航天大学） ； School of Computer Science and Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学）
AI总结 本文提出边缘感知语义一致性框架，通过重编码和不确定性优化实现鲁棒的事件-RGB分割，提升极端条件下的分割性能。
Comments Accepted to NeurIPS 2025; code and datasets available at https://github.com/iCVTEAM/ESC
TIGeR: 视觉-语言模型中集成工具的几何推理
机构 * Beihang University（北洋大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理国家重点实验室）
AI总结 TIGeR通过集成工具实现视觉-语言模型的几何推理，提升机器人操作的精确度。
Comments 8 pages, 6 figures
事实性至关重要：当图像生成与编辑遇见结构化视觉
机构 * CUHK MMLab（香港大学多模态实验室） ； Beihang University（北京航空航天大学） ； Krea AI（Krea人工智能） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； Hugging Face ； National University of Singapore（新加坡国立大学） ； ByteDance（字节跳动） ； The University of Hong Kong（香港大学）
AI总结 本文提出了一种统一模型，通过整合视觉语言模型和FLUX.1 Kontext，提升结构化视觉生成与编辑的多模态理解与事实准确性。
Comments Accepted by ICLR 2026, Project page: https://structvisuals.github.io
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