Beihang University（北京航空航天大学）

OptiPMB: Enhancing 3D Multi-Object Tracking with Optimized Poisson Multi-Bernoulli Filtering

OptiPMB：通过优化的泊松多伯努利滤波增强3D多目标跟踪

Guanhua Ding, Yuxuan Xia, Runwei Guan, Qinchen Wu, Tao Huang, Weiping Ding, Jinping Sun, Guoqiang Mao

机构 * School of Electronic Information Engineering, Beihang University（电子信息工程学院，北京航空航天大学） ； School of Automation and Intelligent Sensing, Shanghai Jiaotong University（自动化与智能感知学院，上海交通大学） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（计算机科学与工程系，香港科技大学） ； College of Science and Engineering, James Cook University（科学与工程学院，詹姆斯库克大学） ； School of Artificial Intelligence and Computer Science, Nantong University（人工智能与计算机科学学院，南通大学） ； Faculty of Data Science, City University of Macau（数据科学学院，澳门城市大学） ； Research Laboratory of Smart Driving and Intelligent Transportation Systems, Southeast University（智能驾驶与智能交通系统研究实验室，东南大学） 纠错

AI总结 OptiPMB通过优化的泊松多伯努利滤波器和创新设计提升3D多目标跟踪的准确性与性能

Focus-dLLM: Accelerating Long-Context Diffusion LLM Inference via Confidence-Guided Context Focusing

Focus-dLLM: 通过置信度引导的上下文聚焦加速长上下文扩散语言模型推理

Lingkun Long, Yushi Huang, Shihao Bai, Ruihao Gong, Jun Zhang, Ao Zhou, Jianlei Yang

机构 * Beihang University（北航） ； Hong Kong University of Science and Technology（香港理工大学） ； SenseTime Research（商汤科技研究院） 纠错

AI总结 Focus-dLLM通过置信度引导的上下文聚焦技术，实现了长上下文扩散语言模型推理的高效加速。

Think Dense, Not Long: Dynamic Decoupled Conditional Advantage for Efficient Reasoning

思考密集，而非冗长：动态解耦条件优势用于高效推理

Keqin Peng, Yuanxin Ouyang, Xuebo Liu, Zhiliang Tian, Ruijian Han, Yancheng Yuan, Liang Ding

机构 * Beihang University（北航） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； National University of Defense Technology（国防科技大学） ； Hong Kong Polytechnic University（香港理工大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 DDCA通过动态解耦条件优势提升强化学习的效率-准确性平衡，减少生成token数量并保持准确性。

Beyond Open Vocabulary: Multimodal Prompting for Object Detection in Remote Sensing Images

超越开放词汇：面向遥感图像的目标检测多模态提示

Shuai Yang, Ziyue Huang, Jiaxin Chen, Qingjie Liu, Yunhong Wang

机构 * School of Computer Science and Engineering, Beihang University, Beijing, China（计算机科学与工程学院，北京航空航天大学，中国） 纠错

AI总结 RS-MPOD提出了一种多模态开放词汇检测框架，通过整合视觉和文本提示提升遥感图像中目标检测的稳定性与准确性。

Token Pruning for In-Context Generation in Diffusion Transformers

令牌剪枝用于扩散变换器中的上下文生成

Junqing Lin, Xingyu Zheng, Pei Cheng, Bin Fu, Jingwei Sun, Guangzhong Sun

机构 * University of Science and Technology of China, Anhui, China（中国科学技术大学） ； Beihang University, Beijing, China（北京航空航天大学） ； Tencent PCG, China（腾讯PCG） 纠错

AI总结 ToPi通过无训练的令牌剪枝框架提升扩散变换器的上下文生成效率，实现30%以上的推理加速同时保持生成质量。

Comments 20 pages

UV-M3TL: A Unified and Versatile Multimodal Multi-Task Learning Framework for Assistive Driving Perception

UV-M3TL: 一种统一且多功能的多模态多任务学习框架用于辅助驾驶感知

Wenzhuo Liu, Qiannan Guo, Zhen Wang, Wenshuo Wang, Lei Yang, Yicheng Qiao, Lening Wang, Zhiwei Li, Chen Lv, Shanghang Zhang, Junqiang Xi, Huaping Liu

机构 * Energy and Transportation Domain, Beijing Institute of Technology（能源与交通领域，北京理工大学） ； State Key Laboratory of Intelligent Technology and Systems and Department of Computer Science and Technology, Tsinghua University（智能技术与系统国家重点实验室和清华大学计算机科学与技术系） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学） ； School of Transportation Science and Engineering and the State Key Lab of Intelligent Transportation System, Beihang University（交通运输科学与工程学院和智能交通系统国家重点实验室，北京航空航天大学） ； Beijing University of Chemical Technology（北京化工大学） 纠错

AI总结 UV-M3TL通过双分支结构和自适应损失机制，实现多模态多任务学习，提升辅助驾驶感知的性能与多样性。

Environment-Conditioned Tail Reweighting for Total Variation Invariant Risk Minimization

环境条件下的尾部重加权用于总变分不变风险最小化

Yuanchao Wang, Zhao-Rong Lai, Tianqi Zhong, Fengnan Li

机构 * Duke University, NC, USA（杜克大学） ； Jinan University, Guangzhou, China（广州大学） ； Beihang University, Beijing, China（北航大学） 纠错

AI总结 本文提出ECTR框架，通过环境条件尾部重加权增强总变分不变学习，解决跨环境相关性偏移和样本异质性问题，提升混合分布偏移下的OOD性能。

Comments 8 pages

Probe and Skip: Self-Predictive Token Skipping for Efficient Long-Context LLM Inference

探测与跳过：用于高效长上下文LLM推理的自预测token跳过

Zimeng Wu, Donghao Wang, Chaozhe Jin, Jiaxin Chen, Yunhong Wang

机构 * School of Computer Science and Engineering, Beihang University, Beijing, China（计算机科学与工程学院，北航，北京，中国） ； State Key Laboratory of Virtual Reality Technology and Systems, Beihang University, Beijing, China（虚拟现实技术与系统国家重点实验室，北航，北京，中国） 纠错

AI总结 本文提出自预测token跳过框架，通过两种选择性跳过策略和多阶段延迟剪枝策略，提升长上下文LLM推理效率，实现显著加速与高精度

ASIL: Augmented Structural Information Learning for Deep Graph Clustering in Hyperbolic Space

ASIL: 增强结构信息学习用于超球面深度图聚类

Li Sun, Zhenhao Huang, Yujie Wang, Hongbo Lv, Chunyang Liu, Hao Peng, Philip S. Yu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； North China Electric Power University（华北电力大学） ； DiDi Chuxing（滴滴出行） ； Beihang University（北航） ； University of Illinois at Chicago（伊利诺伊大学香槟分校） 纠错

AI总结 ASIL通过增强结构信息学习，在超球面中实现高效的图聚类，有效解决不平衡问题，提升聚类性能。

Comments Accepted by IEEE TPAMI, 36 pages

CFT-RAG: An Entity Tree Based Retrieval Augmented Generation Algorithm With Cuckoo Filter

CFT-RAG：基于实体树的检索增强生成算法与 cuckoo 过滤器

Zihang Li, Yangdong Ruan, Wenjun Liu, Zhengyang Wang, Tong Yang

机构 * Peking University（北京大学） ； Beihang University（北航） 纠错

AI总结 CFT-RAG通过改进的 cuckoo 过滤器优化树状RAG的实体定位，显著提升检索效率和生成质量。

MOMA: Masked Orthogonal Matrix Alignment for Zero-Additional-Parameter Model Merging

MOMA: 面向零额外参数模型融合的掩码正交矩阵对齐

Fanshuang Kong, Richong Zhang, Zhijie Nie, Hang Zhou, Ziqiao Wang, Qiang Sun, Chunming Hu

机构 * Beihang University, Beijing, China（北航大学） ； Tongji University, Shanghai, China（同济大学） ； University of Toronto, Toronto, Canada（多伦多大学） 纠错

AI总结 MOMA通过正交矩阵对齐技术，在无需额外参数的情况下实现模型融合性能提升。

A-MapReduce: Executing Wide Search via Agentic MapReduce

A-MapReduce：通过代理MapReduce执行广泛搜索

Mingju Chen, Guibin Zhang, Heng Chang, Yuchen Guo, Shiji Zhou

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创新中心，人工智能学院，北京航空航天大学） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； BNRist, Tsinghua University（BNRist，清华大学） 纠错

AI总结 A-MapReduce通过引入MapReduce范式，提出一种多代理框架，将广泛搜索转化为水平结构的检索问题，实现高效且低成本的广泛搜索执行。

Comments 33 pages

Meanshift Shape Formation Control Using Discrete Mass Distribution

基于离散质量分布的均值移形形状形成控制

Yichen Cai, Yuan Gao, Pengpeng Li, Wei Wang, Guibin Sun, Jinhu Lü

机构 * School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； 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） 纠错

AI总结 本文提出了一种基于离散质量分布的去中心化控制策略，用于实现复杂形状形成和适应群体大小变化。

EAQuant: Enhancing Post-Training Quantization for MoE Models via Expert-Aware Optimization

EAQuant: 通过专家意识优化提升MoE模型的后训练量化

Zhongqian Fu, Tianyi Zhao, Ning Ding, Xianzhi Yu, Xiaosong Li, Yehui Tang, Yunhe Wang

机构 * Huawei Noah's Ark Lab（华为诺亚实验室） ； Beihang University（北航大学） 纠错

AI总结 EAQuant通过专家意识优化创新，提升MoE模型在超低比特下的高精度量化性能，显著优于现有方法。

UniSymNet: A Unified Symbolic Network Guided by Transformer

UniSymNet: 一种由Transformer引导的统一符号网络

Xinxin Li, Juan Zhang, Da Li, Xingyu Liu, Jin Xu, Junping Yin

机构 * School of Mathematical Sciences, East China Normal University（东华大学数学科学学院） ； Institute of Artificial Intelligence, Beihang University（北航人工智能研究院） ； Shanghai Zhangjiang Institute of Mathematics（上海张江数学研究所） ； Institute of Applied Physics and Computational Mathematics（应用物理与计算数学研究所） ； Academy for Advanced Interdisciplinary Studies, Northeast Normal University（东北师范大学先进跨学科研究学院） 纠错

AI总结 UniSymNet通过引入Transformer引导的结构选择和目标特定优化策略，实现了统一符号网络在低维和高维符号回归任务中的高效性能。

Journal ref Neural Networks 199C (2026) 108615

AR-BENCH: Benchmarking Legal Reasoning with Judgment Error Detection, Classification and Correction

AR-BENCH：通过判决错误检测、分类和纠正进行法律推理基准测试

Yifei Li, Richong Zhang, Wanyu Tu, Zhijie Nie, Haokun Luo, Chuantao Yin, Pengchong Li

机构 * SKLCCSE Beihang University（北京航空航天大学软件学院） ； SCCE University of Science and Technology Beijing（北京科技大学计算机学院） ； Sino-French Engineer School Beihang University（北京航空航天大学中法工程师学院） ； People’s Procuratorate of Beijing Municipality（北京市人民检察院） 纠错

AI总结 AR-BENCH通过构建基准数据集和评估14个大语言模型，揭示现有模型在法律判决错误识别上的局限性，旨在提升法律推理的诊断能力和可靠性。

TaF-VLA: Tactile-Force Alignment in Vision-Language-Action Models for Force-aware Manipulation

TaF-VLA：面向力感知操控的视觉-语言-动作模型中的触觉-力对齐

Yuzhe Huang, Pei Lin, Wanlin Li, Daohan Li, Jiajun Li, Jiaming Jiang, Chenxi Xiao, Ziyuan Jiao

机构 * Beihang University（北航大学） ； ShanghaiTech University（上海科技大学） ； Beijing Institute for General Artificial Intelligence（北京一般人工智能研究院） ； The University of Hong Kong（香港大学） 纠错

AI总结 TaF-VLA通过触觉-力对齐提升视觉-语言-动作模型在力感知操控中的性能。

Comments 17pages,9fig

TwinBrainVLA: Unleashing the Potential of Generalist VLMs for Embodied Tasks via Asymmetric Mixture-of-Transformers

TwinBrainVLA: 通过非对称Transformer混合释放通用视觉语言模型在具身任务中的潜力

Bin Yu, Shijie Lian, Xiaopeng Lin, Yuliang Wei, Zhaolong Shen, Changti Wu, Yuzhuo Miao, Xinming Wang, Bailing Wang, Cong Huang, Kai Chen

机构 * HIT（哈尔滨工业大学） ； ZGCA（中钢集团人工智能研究院） ； ZGCI（中钢集团智能计算研究院） ； HUST（华中科技大学） ； HKUST(GZ)（香港科技大学（广州）） ； BUAA（北京航空航天大学） ； ECNU（华东师范大学） ； CASIA（中国科学院自动化研究所） ； DeepCybo 纠错

AI总结 TwinBrainVLA通过非对称Transformer混合机制，利用冻结的通用视觉语言模型和可训练的专家路径，实现机器人任务中的具身智能提升。

Comments GitHub: https://github.com/ZGC-EmbodyAI/TwinBrainVLA

IRPM: Intergroup Relative Preference Modeling for Pointwise Generative Reward Models

IRPM：基于组间相对偏好的点wise生成奖励模型

Haonan Song, Qingchen Xie, Huan Zhu, Feng Xiao, Luxi Xing, Liu Kang, Fuzhen Li, Zhiyong Zheng, Feng Jiang, Ziheng Li, Kun Yan, Qingyi Si, Yanghua Xiao, Hongcheng Guo, Fan Yang

机构 * HUJING Digital Media \& Entertainment Group (XingYun Lab), Beijing, China ； Department of Automation, Tsinghua University, Beijing, China ； Fudan University, Shanghai, China ； Beihang University, Beijing, China ； Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China 纠错

AI总结 IRPM通过组间比较扩展Bradley-Terry模型，从成对偏好数据中训练点wise GRMs，实现高效可扩展的奖励建模。

Comments Comments: Updated title for clarity; improved theoretical derivations; added experiments at additional parameter scales and more ablations; added experimental details in the appendix; updated author list (added five co-authors) to reflect contributions to experiments and writing

Online Navigation Refinement: Achieving Lane-Level Guidance by Associating Standard-Definition and Online Perception Maps

在线导航优化：通过关联标准定义和在线感知地图实现车道级引导

Jiaxu Wan, Xu Wang, Mengwei Xie, Xinyuan Chang, Xinran Liu, Zheng Pan, Mu Xu, Hong Zhang, Ding Yuan, Yifan Yang

机构 * Amap, Alibaba Group（阿里的Amap部门） ； School of Aerospace, BUAA（北京航空航天大学航空学院） ； Key Laboratory of Spacecraft Design Optimization and Dynamic Simulation Technology, Ministry of Education（教育部航天器设计优化与动态仿真技术重点实验室） ； State Key Laboratory of High-Efficiency Reusable Aerospace Transportation Technology（高效可重复使用航天运输技术国家重点实验室） 纠错

AI总结 本文提出在线导航优化方法，通过关联标准定义地图与在线感知地图，实现车道级导航，提升导航精度与实时性。

Comments Author Affiliation Standardization

Rethinking Self-Training Based Cross-Subject Domain Adaptation for SSVEP Classification

重新思考基于自训练的跨受体域适应用于SSVEP分类

Weiguang Wang, Yong Liu, Yingjie Gao, Guangyuan Xu

机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（人工智能学院，北京邮电大学） ； School of Computer Science and Technology, Beihang University（计算机科学与技术学院，北航） 纠错

AI总结 本文提出了一种基于自训练的跨受体域适应方法，通过FBEA策略和CSST框架提升SSVEP分类性能。

Comments Accepted to ICASSP 2026

GPO: Growing Policy Optimization for Legged Robot Locomotion and Whole-Body Control

GPO：用于四足机器人运动和全身控制的生长策略优化

Shuhao Liao, Peizhuo Li, Xinrong Yang, Linnan Chang, Zhaoxin Fan, Qing Wang, Lei Shi, Yuhong Cao, Wenjun Wu, Guillaume Sartoretti

机构 * Beihang University, China（北京航空航天大学） ； Department of Mechanical Engineering, National University of Singapore, Singapore（新加坡国立大学机械工程系） ； Henan Univeristy, China（河南大学） 纠错

AI总结 GPO通过动态动作转换优化腿部机器人运动和全身控制，提供稳定训练和高效探索的通用框架。

QVGen: Pushing the Limit of Quantized Video Generative Models

QVGen：推动量化视频生成模型的极限

Yushi Huang, Ruihao Gong, Jing Liu, Yifu Ding, Chengtao Lv, Haotong Qin, Jun Zhang

机构 * Hong Kong University of Science and Technology（香港理工大学） ； Beihang University（北京航空航天大学） ； SenseTime Research（商汤科技研究院） ； Monash University（墨尔本大学） ； Nanyang Technological University（南洋理工大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 QVGen通过量化感知训练框架在极低比特下实现高性能视频生成模型，首次达到全精度质量并优于现有方法。

Comments Accepted by ICLR 2026

WaterClear-GS: Optical-Aware Gaussian Splatting for Underwater Reconstruction and Restoration

WaterClear-GS: 用于水下重建和修复的光学感知高斯点云

Xinrui Zhang, Yufeng Wang, Shuangkang Fang, Zesheng Wang, Dacheng Qi, Wenrui Ding

机构 * Beihang University（北航大学） 纠错

AI总结 WaterClear-GS通过整合水的光学特性，提出了一种纯3DGS框架，实现高效的水下3D重建和修复，同时保持实时渲染能力。

GraphDLG: Exploring Deep Leakage from Gradients in Federated Graph Learning

GraphDLG: 探索联邦图学习中的深度梯度泄露

Shuyue Wei, Wantong Chen, Tongyu Wei, Chen Gong, Yongxin Tong, Lizhen Cui

机构 * C-FAIR \& School of Software Shandong University Jinan China ； SKLCCSE Lab Beihang University Beijing China ； Automation \& Intelligent Sensing Shanghai Jiao Tong University Shanghai China ； Shandong University ； Beihang University ； Shanghai Jiao Tong University 纠错

AI总结 GraphDLG通过解耦图结构和节点特征，有效从共享梯度中恢复原始图数据，提升了节点特征和图结构重建的性能。

Dynamic Worlds, Dynamic Humans: Generating Virtual Human-Scene Interaction Motion in Dynamic Scenes

动态世界，动态人类：生成动态场景中的虚拟人类-场景交互动作

Yin Wang, Zhiying Leng, Haitian Liu, Frederick W. B. Li, Mu Li, Xiaohui Liang

机构 * Beihang University（北航大学） ； University of Durham（达勒姆大学） ； State Key Laboratory of Virtual Reality Technology and Systems（虚拟现实技术与系统国家重点实验室） ； Zhongguancun Laboratory（中关村实验室） 纠错

AI总结 本文提出Dyn-HSI架构，通过动态视觉导航、分层经验记忆和人-场景交互扩散模型，生成高质量的动态场景中人-场景交互动作。

DSSmoothing: Toward Certified Dataset Ownership Verification for Pre-trained Language Models via Dual-Space Smoothing

DSSmoothing：通过双空间平滑实现预训练语言模型的认证数据集所有权验证

Ting Qiao, Xing Liu, Wenke Huang, Jianbin Li, Zhaoxin Fan, Yiming Li

机构 * North China Electric Power University（华北电力大学） ； Research Institute, China Unicom（中国联合研究院） ； Wuhan University（武汉大学） ； Beihang University（北京航空航天大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 DSSmoothing通过双空间平滑在灰盒设置下实现预训练语言模型的数据集所有权验证，提供可证明的鲁棒性保证。

Comments To appear in WWW 2026. 12 pages

GraphRAG-R1: Graph Retrieval-Augmented Generation with Process-Constrained Reinforcement Learning

GraphRAG-R1: 基于过程约束强化学习的图检索增强生成

Chuanyue Yu, Kuo Zhao, Yuhan Li, Heng Chang, Mingjian Feng, Xiangzhe Jiang, Yufei Sun, Jia Li, Yuzhi Zhang, Jianxin Li, Ziwei Zhang

机构 * Nankai University（南开大学） ； Huawei Technologies Ltd（华为技术有限公司） ； Beihang University（北航） 纠错

AI总结 GraphRAG-R1通过过程约束强化学习提升LLM多跳推理能力，结合改进的GRPO方法和两种新型奖励函数，有效解决复杂问题。

Comments Accepted by the Web Conference 2026

PROPHET: An Inferable Future Forecasting Benchmark with Causal Intervened Likelihood Estimation

PROPHET：一个基于因果干预似然估计的可推断未来预测基准

Zhengwei Tao, Pu Wu, Zhi Jin, Xiaoying Bai, Haiyan Zhao, Chengfeng Dou, Xiancai Chen, Jia Li, Linyu Li, Chongyang Tao, Wentao Zhang

机构 * Peking University（北京大学） ； Wuhan University（武汉大学） ； Beihang University（北京航空航天大学） 纠错

AI总结 PROPHET引入了基于因果干预似然估计的可推断未来预测基准，通过CIL评估预测问题的可推断性，提升未来事件预测的准确性与可靠性。

Less is More: Compact Clue Selection for Efficient Retrieval-Augmented Generation Reasoning

少即是多：为高效检索增强生成推理设计的紧凑线索选择

Qianchi Zhang, Hainan Zhang, Liang Pang, Yongxin Tong, Hongwei Zheng, Zhiming Zheng

机构 * School of Artificial Intelligence, Beihang University（北航人工智能学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Beijing Academy of Blockchain and Edge Computing（北京区块链与边缘计算研究院） 纠错

AI总结 CompSelect通过紧凑线索选择机制提升RAG推理效率，减少LLM推理成本，优化线索提取与排序。

Comments Accepted to the ACM Web Conference 2026 (WWW'26)