高校专区
UltraDexGrasp: 为双臂机器人学习通用灵巧抓取
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学）
AI总结 UltraDexGrasp通过合成数据训练出高效抓取策略，实现双臂机器人在多种物体上的高成功率抓取。
Comments Published at International Conference on Robotics and Automation (ICRA) 2026
Dr. Seg: 通过感知导向设计重新审视GRPO训练用于视觉大语言模型
机构 * College of Computer Science, Sichuan University（四川大学计算机科学学院） ； School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院）
AI总结 Dr.Seg通过感知导向设计重新审视GRPO训练，提出简单框架提升视觉任务性能
基于图的多模态轻量网络用于自适应脑肿瘤分割
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Peking University（北京大学）
AI总结 本文提出了一种基于图的多模态轻量网络GMLN-BTS，通过多尺度语义提取、图结构建模和体素细化上采样模块，实现高精度且资源高效的脑肿瘤分割。
恢复丢失的文本层以实现无源跨域少样本学习
机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； National Key Laboratory for Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室）
AI总结 本文提出了一种方法，通过重新利用文本编码器中被忽视的层信息，提升源无关跨域少样本学习的性能。
Comments CVPR 2026
SlideSparse: 快速且灵活的(2N-2):2N结构稀疏
机构 * Peking University（北京大学） ； South China University of Technology（南方科技大学） ； Microsoft Research（微软研究院） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 SlideSparse通过滑动窗口分解和激活提升技术，在通用GPU上实现(2N-2):2N结构稀疏的高效加速，提升LLM推理效率的同时保持准确性。
Sparse-BitNet: 1.58位LLM在半结构化稀疏性中自然友好
机构 * Microsoft Research（微软研究院） ； Peking University（北京大学） ； South China University of Technology（华南理工大学）
AI总结 Sparse-BitNet通过结合1.58位量化与半结构化N:M稀疏性，提升LLM效率，实现训练和推理加速。
一种几何自适应深度变分框架用于Landau-Brazovskii模型中的相发现
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； School of Mathematical Sciences, Laboratory of Mathematics and Complex Systems, Ministry of Education, Beijing Normal University（北京师范大学数学科学学院） ； School of Mathematical Sciences, Beijing International Center for Mathematical Research, Center for Quantitative Biology, Center for Machine Learning Research, Peking University（北京大学国际数学研究所以及定量生物学中心、机器学习研究中心）
AI总结 本文提出GeoDVF框架，通过自适应几何参数和神经网络优化，解决LB模型中有序相发现的计算难题，实现稳健且几何一致的变分求解。
双向课程生成：一种用于数据高效数学推理的多智能体框架
机构 * Zhejiang University（浙江大学） ； University of Macau（澳门大学） ； Peking University（北京大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Wuhan University（武汉大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 本文提出双向课程生成框架，通过多智能体系统动态生成数据以提升数学推理效率，优化学习轨迹并减少训练样本需求。
一种通过 vanilla next-token 预测统一理解、生成和编辑的简单基线
机构 * Key Lab of High Confidence Software Technologies (Peking University), Ministry of Education, China（高可信软件技术重点实验室（北京大学），教育部，中国） ； School of Computer Science, Peking University, Beijing, China（北京大学计算机学院，北京，中国） ； School of Computer Science and Technology, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学计算机科学与技术学院，北京，中国）
AI总结 本文提出 Wallaroo，一种通过 vanilla next-token 预测统一多模态理解、生成和编辑的简单基线模型，展示了其在多任务中的竞争力。
Comments Technical report. This work serves as a straightforward autoregressive baseline for unifying understanding, generation, and editing
VISA: 通过屏蔽适应进行价值注入以实现个性化大语言模型对齐
机构 * Peking University（北京大学）
AI总结 VISA通过屏蔽适应机制，有效缓解大语言模型对齐税，实现精细化价值观对齐与语义完整性保持。
展望人机协同AI：连续性、张力与未来研究
机构 * University of Southern California（南加州大学） ； Arizona State University（亚利桑那州立大学） ； Peking University（北京大学）
AI总结 本文提出Team SA理论作为人机协同AI转型的整合锚点，探讨在适应性自主下持续对齐的挑战与未来研究方向。
不变因果路由：用于在线市场经济中规范治理
机构 * Tianjin University（天津大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Peking University（北京大学） ； University of Bristol（布里斯托大学）
AI总结 本文提出不变因果路由（ICR）框架，通过因果推理和不变因果发现，实现在线市场经济中稳定社会规范的治理，提升政策的可解释性和有效性。
为燃烧科学中的大语言模型知识注入和评估构建统一的基础框架
机构 * School of Mechanics and Engineering Science, Peking University（力学与工程科学学院，北京大学） ； AI for Science Institute（人工智能科学研究院）
AI总结 本研究提出一个统一框架，用于开发燃烧科学专用的大语言模型，通过三阶段知识注入路径提升模型性能。
Comments 5 figures, 1 table
MorphAny3D: 解锁结构潜在力量在3D变形中的应用
机构 * Nanjing University（南京大学） ； Peking University（北京大学）
AI总结 MorphAny3D通过结构潜在表示实现高质量3D变形，利用注意力机制生成合理变形序列，并支持解耦变形和3D风格迁移。
Comments Accepted by CVPR 2026; Project page: https://xiaokunsun.github.io/MorphAny3D.github.io
通过复杂度提升强化学习实现奥lympia级几何大语言模型代理
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； ICMAT Spanish National Research Council（西班牙国家研究委员会ICMAT） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 InternGeometry通过复杂度提升强化学习实现几何问题求解，仅用13K训练示例解决44个IMO问题，超越平均金牌得主得分。
抓取任意区域：迈向多模态大语言模型的精确、上下文像素理解
机构 * New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences (CASIA)（模式识别新实验室、多模态人工智能系统国家重点实验室、自动化研究所、中国科学院（CASIA）） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） ； Wuhan University（武汉大学） ； ByteDance（字节跳动）
AI总结 GAR通过RoI对齐特征重放技术实现多区域精准理解与复杂推理，提升多模态大语言模型的上下文感知能力。
Comments ICLR 2026 Camera Ready Version
SceneCOT: 在3D场景中引导链式推理
机构 * State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出SCENECOT框架，通过分解复杂任务并构建视觉线索，首次在3D场景中实现 grounded 链式推理，提升场景理解的推理能力。
Comments Accepted by ICLR 2026. Project page: https://scenecot.github.io/
超越前缀：基于图记忆的交叉注意力用于大型语言模型的知识图谱补全
机构 * Peking University（北京大学） ； Dalian University of Technology（大连理工大学） ； King’s College London（伦敦国王学院） ； Peng Cheng Laboratory（鹏城实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出图记忆调优方法，通过深度交叉注意力机制提升大型语言模型在知识图谱补全任务中的表现。
具有线性时序逻辑规范的风险感知自主驾驶
机构 * Department of Electrical Engineering, Eindhoven University of Technology（电子工程系，埃因霍温理工大学） ； College of Engineering, Peking University（工程学院，北京大学）
AI总结 本文提出一种基于线性时序逻辑规范的风险感知自动驾驶方法，通过扩展风险度量方法以涵盖更复杂的驾驶场景，结合线性规划解决控制合成问题，从而平衡碰撞风险和交通违规风险。
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