MasFACT: Continual Multi-Agent Topology Learning via Geometry-Aware Posterior Transfer
MasFACT：基于几何感知后验转移的连续多智能体拓扑学习
机构 * Beihang University（北京航空航天大学）
AI总结 本文提出MasFACT框架，通过几何感知后验转移方法，解决多智能体系统中因新任务适应导致的拓扑遗忘问题，提升连续学习任务的准确性和拓扑稳定性。
高校专区
Beihang University（北京航空航天大学）
SimRPD: Optimizing Recruitment Proactive Dialogue Agents through Simulator-Based Data Evaluation and Selection
SimRPD：通过基于模拟器的数据评估和选择优化招聘主动对话代理
机构 * Zhaopin Limited（智聘有限公司） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Automation,Beijing Institute of Technology（北京理工大学自动化学院） ； Central University of Finance and Economics（中央财经大学） ； Beihang University（北航） ； Independent Researcher（独立研究者）
AI总结 研究针对招聘主动对话代理训练数据稀缺问题，提出SimRPD框架。通过高保真用户模拟器合成数据，基于意图链的评估框架选数据，在所选数据集上训练代理。实验证明该框架优于现有策略，有工业部署价值和其他场景适用性。
Comments Published in the ACL 2026 Industry Track. Oral presentation
Journal ref Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 6: Industry Track), 2026, pp. 1359-1377
SpaCellAgent: A Self-Evolving LLM-Based Multi-Agent Framework for Trajectory Analysis
SpaCellAgent：一种基于自进化大语言模型的轨迹分析多智能体框架
机构 * University of Shanghai for Science and Technology（上海理工大学） ； National University of Defense Technology（国防科技大学） ； Hong Kong Baptist University（香港浸会大学） ； Shanghai University of Finance and Economics（上海财经大学） ； Tsinghua University（清华大学） ； Beihang University（北京航空航天大学）
AI总结 研究针对轨迹推断现有方法需大量人工干预的问题，提出基于大语言模型的多智能体框架SpaCellAgent，利用多智能体架构、动态工具编排引擎和自进化模块，经实验验证其能大幅提高分析效率，推动先进时空建模民主化。
Comments 27 pages, 19 figures
GeoGS-SLAM: Geometry-Only Gaussian Splatting for Dense Monocular SLAM
GeoGS-SLAM：用于密集单目 SLAM 的仅几何高斯点云法
机构 * School of Instrument Science and Opto-electronics Engineering, Beihang University（仪器科学与光电工程学院，北京航空航天大学）
AI总结 研究针对密集视觉 SLAM 问题，提出仅几何高斯点云法（GeoGS）及基于此的 GeoGS-SLAM 系统。该方法仅保留空间参数减少基元参数，专注几何重建，通过有效训练框架和地图更新策略，提升在线映射效率与几何重建质量。
Two-Stage Multi-Modal Fusion with Adaptive Alignment for Action Quality Assessment
用于动作质量评估的具有自适应对齐的两阶段多模态融合
机构 * Tsinghua University（清华大学） ； Beihang University（北京航空航天大学） ； Children’s Hospital, Capital Institute of Pediatrics（首都儿科研究所附属儿童医院） ； Zhongguancun Laboratory（中关村实验室）
AI总结 研究动作质量评估问题，提出两阶段多模态融合框架DualAlign，通过自适应对齐解决跨模态错位等挑战，引入MM-JDM数据集，实验表明该框架在多模态评估中表现出色，相比现有方法有显著提升且在特定条件下稳健。
Comments Accepted to IJCV
PriGo: Test-Time Primitive Guidance to Diffusion and Flow Policies for Adaptive Robotic Manipulation
PriGo：用于自适应机器人操作的扩散和流策略的测试时原语引导
机构 * École Centrale de Lyon（里昂中央理工学院） ； Beihang University（北京航空航天大学）
AI总结 针对机器人操作中现有策略泛化性不足问题，提出PriGo框架，引入PANet模块及可微原语引导机制，能在测试时无缝集成到预训练策略，实验证明其提升了扩散和流策略的鲁棒性、执行及泛化能力。
Physical activities enable scalable foundation modelling for broad-spectrum health prediction
身体活动助力实现用于广谱健康预测的可扩展基础建模
机构 * Beihang University（北京航空航天大学） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 研究针对多数健康预测传感器模型局限性，提出仅基于步数计数器数据的StepFM基础模型，设计可扩展预训练框架，能跨多任务迁移，实验证明其性能强劲、保持稳健，还揭示了身体活动与健康风险关系，为健康监测奠定了基于步数传感的基础。
Comments 18 pages, 5 figures, 6 tables
Comprehensive Evaluation of Large Language Model Responses: A Multi-Factor Scoring System
大语言模型回答的综合评估：一种多因素评分系统
机构 * School of Computer Science and Engineering, Beihang University, Beijing, China（北京航空航天大学计算机科学与工程学院） ； Data Science and Intelligent Computing Laboratory, Hangzhou International Innovation Institute, Beihang University, Hangzhou, Zhejiang（北京航空航天大学杭州国际创新研究院数据科学与智能计算实验室）
AI总结 针对大语言模型回答质量评估，提出多因素评分范式，融合准确性等多方面因素，通过图形用户界面可视化结果，在TruthfulQA数据集上评估揭示模型优缺点，为知识工程和模型优化提供新途径。
NativeMEM: Native Memory Compression for Long-Horizon Robotic Manipulation
NativeMEM：用于长期机器人操作的原生内存压缩
机构 * 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） ； The Chinese University of Hong Kong（香港中文大学） ； Horizon Robotics（地平线机器人）
AI总结 研究如何让预训练VLA模型高频更新时保留长期视觉历史且高效。提出NativeMEM策略，用原生内存压缩编码，通过开发分词器对齐内存令牌与策略，该方法在模拟和真实机器人实验中效果好，数据效率高。
NEST: Tackling Dataset-Level Distribution Shifts via Regime-Oriented Mixture-of-Experts
NEST：通过面向机制的专家混合方法应对数据集级别的分布变化
机构 * Beihang University（北京航空航天大学）
AI总结 针对复杂系统中数据集级分布变化影响长期预测问题，提出NEST框架，通过两阶段密集MoE架构，经无监督聚类和面向机制的路由器机制建模重组演变结构，在多基准测试中性能达最优。
SIEVE: Structure-Aware Data Selection for Imitation Learning with VLA Models
SIEVE：用于基于VLA模型的模仿学习的结构感知数据选择
机构 * East China Normal University（东华师范大学） ； Zhongguancun Academy（中关村学院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beihang University（北航大学） ； Huazhong University of Science and Technology（华中科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； DeepCybo Training Demonstrations Policy Execution（深科博培训演示政策执行）
AI总结 研究针对VLA模型模仿学习中数据冗余等问题，提出结构感知数据选择方法SIEVE。该方法将演示视为原语和接口组合，通过发现原语、分配预算和选择轨迹来选数据，实验证明其优于基线，能在少数据少步骤下超越全数据训练。
Comments The code is available at \href{https://github.com/ChangtiWu/SIEVE}{SIEVE}
Benchmarking the Robustness of Autonomous Driving to Environmental Illusions: A Lane Perception Perspective
从车道感知角度评估自动驾驶对环境错觉的鲁棒性：基准测试
机构 * SKLCCSE, the 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软件安全技术与工程北京市重点实验室） ； the School of Cyber Science and Technology, Sun Yat-sen University（中山大学网络空间科学与技术学院） ； Henan University of Science and Technology（河南科技大学） ； the School of Computing, National University of Singapore（新加坡国立大学计算学院） ； College of Computing & Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
AI总结 研究自动驾驶对环境错觉的鲁棒性，聚焦传统车道检测和视觉语言模型系统。引入基准LanEvil++并评估，发现错觉严重影响性能，阴影干扰最大。提出多模态错觉防御方法MIDA，有效提升了模型在挑战性条件下的鲁棒性。
Comments Accepted by IEEE TPAMI 2026
Breaking Structural Isolation: Scalable Graph Clustering via Community-Aware Sampling and Structural Entropy
打破结构隔离：通过社区感知采样和结构熵进行可扩展的图聚类
机构 * Beihang University（北京航空航天大学） ； University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
AI总结 针对无监督图聚类中现有方法的“结构隔离”问题，提出SCISE框架，通过社区感知采样、结构熵社区约束算子及结构对比学习模块协同保持结构完整性，实验证明该框架显著优于现有算法。
Comments Accepted to the Proceedings of the VLDB Endowment (VLDB 2026). 18 pages, 15 figures, 15 tables
Modality Relevance is not Modality Utility: Post-hoc Selective Modality Escalation for Cost-Aware Multimodal RAG
模态相关性并非模态效用：用于成本感知多模态RAG的事后选择性模态升级
机构 * Hangzhou International Innovation Institute, Beihang University（杭州国际创新研究院，北京航空航天大学）
AI总结 研究多模态检索增强生成中模态选择决策点问题，提出事后选择性模态升级方法，先低成本从文本和表格回答，再按需支付VLM证据费用，校准路由器决定是否升级，在MultiModalQA上减少视觉调用并缩小与神谕升级率差距，扩展了路由信号层次结构。
Stability Annealing Selects the Implicit Bias of Smoothed Sign Descent: A Rate-Indexed Barrier Path on Separable Data
稳定性退火选择平滑符号下降的隐式偏差：可分数据上的速率索引障碍路径
机构 * The University of Hong Kong（香港大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Beijing University of Aeronautics and Astronautics（北京航空航天大学）
AI总结 研究可分数据上全批量线性分类的速率控制情况，针对无记忆稳定性退火平滑符号下降，证明归一化迭代收敛特性，通过实验验证相关恒等式、展示预测图及缩放，还报告了多种情况的诊断，明确理论范围。
Comments 17 pages, 9 figures
U-TTT: Towards Generalizable PET Image Denoising via Test-Time Training
U-TTT：通过测试时训练实现可泛化的PET图像去噪
机构 * School of Biological Science and Medical Engineering, Beihang University（北京航空航天大学生物科学与医学工程学院） ； Department of Biomedical Engineering, Tsinghua University（清华大学生物医学工程系） ； School of Aerospace Engineering, Tsinghua University（清华大学航天航空学院） ； ByteDance Inc.（字节跳动有限公司）
AI总结 针对PET图像去噪模型在分布偏移下性能退化的问题，提出U-TTT模型，集成测试时训练（TTT）层，通过自监督动态调整参数，并设计双域自适应机制（空间和频率TTT层），在未见剂量水平和扫描仪下实现最优去噪和泛化。
Comments This paper introduces the first TTT-based model for image restoration
Policy Improvement Reinforcement Learning
策略改进强化学习
机构 * Beihang University（北航） ； Peking University（北京大学）
AI总结 提出策略改进强化学习（PIRL）框架，通过最大化跨迭代的累积策略改进来替代替代奖励最大化，并基于此设计策略改进策略优化（PIPO）算法，实现闭环优化，在数学推理基准上提升稳定性和性能。
Tuned Reverse Distillation: Enhancing Multimodal Industrial Anomaly Detection with Crossmodal Tuners
调谐反向蒸馏：使用跨模态调谐器增强多模态工业异常检测
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） ； Key Laboratory of Intelligent Bionic Unmanned Systems, Ministry of Education（教育部智能仿生无人系统重点实验室） ； School of Artificial Intelligence, University of Science and Technology Beijing（北京科技大学人工智能学院） ； School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院）
AI总结 本文针对多模态工业异常检测问题，提出基于多分支设计的调谐反向蒸馏方法，通过为各模态设独立分支及设计跨模态调谐器，增强模态交互，能更精细检测异常，实验验证其在多模态异常检测和定位上达最优性能。
Comments Accepted by TMM
SoftVTBench: A Safety-Aware Visuo-Tactile Benchmark for Physically Constrained Robotic Manipulation of Deformable Objects
SoftVTBench：用于物理约束下可变形物体机器人操作的安全感知视觉触觉基准测试
机构 * Tuojing Intelligence（拓景智能） ； Tsinghua University（清华大学） ； King’s College London（伦敦国王学院） ； Southeast University（东南大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Manchester（曼彻斯特大学） ； Simple AI（简单人工智能公司） ； Imperial College London（伦敦帝国学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； The University of Hong Kong（香港大学）
AI总结 研究物理约束下可变形物体操作，提出SoftVTBench基准测试，通过有限元模拟可变形物体，定义任务套件，分别报告目标成功和安全成功，实现基线并实验，表明仅成功评估高估策略性能，触觉传感可提升安全性。
ACE: Agentic Control for Embodied Manipulation via Zero-shot Workflow Reasoning
ACE：通过零样本工作流推理实现具身操纵的智能体控制
机构 * Department of Computer Science, Tsinghua University（清华大学计算机科学系） ； National College for Excellent Engineers, Beihang University（北京航空航天大学卓越工程师学院） ； Wuxi Dexteroushands Robotic Technology Co.（无锡灵犀机器人技术有限公司）
AI总结 研究开放式桌面操作，提出ACE零样本工作流推理框架，结合智能体工作流推理与视觉基础接口、可重复使用的拾取和放置原语等技能，经掩码介导视觉动作接口连接语义推理与物理控制，能在线适应多种情况，在复杂任务中表现出色。
Comments Preprint
Beyond Static Rules: Automated Discovery of Latent Vulnerabilities in Text-to-SQL
超越静态规则：文本到SQL中潜在漏洞的自动发现
机构 * Shanghai University of Finance and Economics（上海财经大学） ； Beihang University（北京航空航天大学） ； Deepexi Technology Co. Ltd.（深圳市智元机器有限公司） ； Southern University of Science and Technology（南方科技大学）
AI总结 研究LLMs在文本到SQL任务中潜在可靠性问题，提出SAGE框架，通过生成漏洞假设、参考漏洞法典设计扰动来发现潜在故障模式，实验证明其能发现大量故障案例及法典的跨模型转移性。
Comments Accepted by Findings of ACL 2026
InfraNet: Quality-Aware RGB Guidance for Efficient Infrared Object Detection
InfraNet：用于高效红外目标检测的质量感知RGB引导
机构 * Beihang University（北京航空航天大学） ； Zhongguancun Academy（中关村科学城） ； Communication University of China（中国传媒大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
AI总结 针对多模态感知系统在不利视觉条件下目标检测的挑战，提出InfraNet框架，采用非对称架构及质量感知融合模块，设计两种变体，实验表明其在低光等条件下准确且高效。
G$^2$TAM: Geometry Grounded Track Anything Model
G$^2$TAM：几何基础的轨迹任意模型
机构 * HKU（香港大学） ； Shanghai AI Lab（上海人工智能实验室） ； BUAA（北京航空航天大学） ； SJTU（上海交通大学） ； UCLA（加州大学洛杉矶分校） ； ZJU（浙江大学）
AI总结 研究利用现代前馈3D重建模型的空间一致性，提出G$^2$TAM框架，用无序RGB图像或视频进行3D实例跟踪。核心是跨模态空间编码器，还构建数据集，实验表明该模型有多种优势，为交互式空间推理奠定基础。
Comments Accepted by ICML 2026. Project Page:https://zcmax.github.io/projects/G2TAM/
Embodied Operators and Benchmarking: Toward Reusable and Deployable Embodied Intelligence Systems
具身算子与基准测试：迈向可复用和可部署的具身智能系统
机构 * JDT ； Tsinghua University（清华大学） ； Tianjin University（天津大学） ； Beihang University（北京航空航天大学）
AI总结 研究具身智能系统中可复用功能模块即具身算子，明确其定义边界、构建分类法，提出多维度基准框架，探讨加速及挑战，为具身智能系统提供基础。
Overloading Large Vision-Language Models for Jailbreaking
通过信息过载对大型视觉语言模型进行越狱攻击
机构 * National University of Singapore（新加坡国立大学） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院）
AI总结 研究大型视觉语言模型易受越狱攻击问题，提出基于递归图像排版布局的信息过载方法，含大量文本和多维图像攻击，大幅提升攻击成功率，凸显此为现实部署安全风险。
CoFEND: A Cross-Modal Fusion End-to-End Network for Cold-Start Drug-Drug Interaction Prediction
CoFEND：用于冷启动药物-药物相互作用预测的跨模态融合端到端网络
机构 * College of Computer and Information Science, Southwest University（西南大学计算机与信息科学学院） ； Beihang University（北京航空航天大学） ； School of Computing, Southern Illinois University Carbondale（南伊利诺伊大学卡本代尔分校计算机学院） ； School of Physics and Electronic Science, Zunyi Normal University（遵义师范学院物理与电子科学学院）
AI总结 针对新药冷启动药物-药物相互作用预测难题，提出CMF-ELN。利用多模态信息构建知识图谱，设计图自动编码器融合跨模态相似性，采用两阶段可解释性方案，提升预测准确性与机制解释性。
Comments 11 pages, 2 figures, accepted by KDD 2026
TACO: TActile World Model as a Self-COrrector forScalable VLA Post-Training
TACO：作为可扩展VLA训练后自校正器的触觉世界模型
机构 * 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技术国家重点实验室） ； AI 2 Robotics（人工智能与机器人研究所） ； Sun Yat-sen University（中山大学） ； Beihang University（北京航空航天大学）
AI总结 研究VLA模型在接触丰富任务中的问题，提出TACO框架，通过触觉感知世界模型驱动可扩展VLA训练后校正，结合多种方法提升策略，实验表明其能显著提高成功率。
EVA-Client: A Unified Data Collection, Inference, and Deployment Framework for Embodied Policies on Real Robots
EVA-Client：用于真实机器人上具身策略的统一数据收集、推理和部署框架
机构 * CoLab, Beihang University（协同实验室，北京航空航天大学）
AI总结 介绍EVA-Client框架，它位于策略服务器和物理硬件之间，统一策略迭代循环的真实机器人阶段。贡献包括组件解耦架构、可检查执行及每次评估兼具数据收集功能，还整合多种实时推理策略。
AutoResearch: An Execution-Grounded Multi-Agent Framework for Reliable Research Workflow Automation
AutoResearch：用于可靠研究工作流程自动化的基于执行的多智能体框架
机构 * International Research Center for Complexity Sciences（国际复杂性科学研究中心） ； Hangzhou International Innovation Institute, Beihang University（杭州国际创新研究院，北京航空航天大学） ； Department of Computer Science, College of Science, Mathematics and Technology（科学、数学与技术学院计算机科学系） ； Wenzhou-Kean University（温州-凯恩大学） ； Computer Systems Engineering Department, Sukkur IBA University（苏库尔IBA大学计算机系统工程系） ； Yangtze Delta Region Institute (Huzhou), University of Electronic Science and Technology of China（长江三角洲地区研究所（湖州），中国电子科学科技大学）
AI总结 研究针对自动化研究智能体常无法验证实验执行及引用等问题，提出AutoResearch框架，结合多种技术，经实验验证其在多方面提升了研究工件的质量。
Multi-Objective Exploration and Preference Optimization via Mutual Information
基于互信息的多目标探索与偏好优化
机构 * School of Computer, Beihang University（北京航空航天大学计算机学院） ； Xingchen AGI Lab, China Telecom Artificial Intelligence Technology (Beijing) Co., Ltd（星辰AGI实验室，中国电信人工智能技术（北京）有限公司）
AI总结 提出MI-EPO框架，通过最大化生成响应、偏好反馈和偏好向量的联合条件互信息，统一多目标探索与对齐，实现可控且稳定的多目标权衡。
Comments Accepted at ECML/PKDD 2026
