高校专区
迈向无监督图对齐的有效和高效方法
机构 * Beijing Jiaotong University（北京交通大学） ； Peking University（北京大学）
AI总结 本文提出GlobAlign和其变体GlobAlign-E，通过全局表示和最优传输方法实现高效且准确的无监督图对齐，显著提升精度和效率。
Comments World Wide Web Journal
从EEG信号进行自回归视觉解码
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artifcial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology（脑认知与脑启智技术国家重点实验室） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； 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 AVDE通过自回归生成框架和对比学习提升EEG信号的视觉解码效率，实现高效且可解释的脑机接口应用。
Journal ref ICLR 2026
Mem-T: 长时间 horizon 记忆代理的奖励密集化
机构 * Peking University（北京大学） ； Nanyang Technological University（南洋理工大学）
AI总结 Mem-T通过引入树引导的强化学习框架，实现长时间 horizon 记忆管理的高效训练，显著提升性能并优化效率。
OCN：有效利用高阶共同邻居以实现更好的链接预测
机构 * Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； School of Intelligence Science and Technology, Peking University（智能科学与技术学院，北京大学）
AI总结 OCN通过正交化和归一化技术有效利用高阶共同邻居，显著提升链接预测性能。
Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
Journal ref 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
重新思考SNN在线训练与部署：通过混合驱动LIF模型实现梯度一致学习
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； State 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） ； Beijing Key Laboratory of Brain-inspired Spiking Large Models, Peking University（北京脑启发式脉冲大规模模型重点实验室） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院）
AI总结 本文提出混合驱动LIF模型，通过分离时间梯度和优化资源，突破传统SNN在线训练与部署的局限，实现性能和效率的提升。
Comments Accepted to CVPR 2026
缓解图异常检测中的同质性差异：一种可扩展和自适应的方法
机构 * State Key Laboratory for Novel Software Technology（新型软件技术国家重点实验室） ； Nanjing University（南京大学） ； National Engineering Laboratory for Big Data Analysis and Applications（大数据分析与应用国家工程实验室） ； Peking University（北京大学）
AI总结 SAGAD通过自适应融合和频率偏好指导损失，有效缓解图异常检测中的同质性差异，实现高效且可扩展的异常检测
Comments Accepted by WWW 2026
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。
MWM: 移动世界模型用于动作条件一致预测
机构 * School of Computer Science, Peking University（北京大学计算机科学系）
AI总结 MWM提出了一种移动世界模型，通过两阶段训练框架和推理一致状态蒸馏提升动作条件一致性的图像目标导航性能。
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/
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。
FATE：面向多难度层级的前沿代数形式化基准系列
机构 * Westlake Institute for Advanced Study, Westlake University（西拉丘学院先进研究院，西拉丘大学） ； Peking University（北京大学） ； New Cornerstone Science Laboratory, School of Mathematical Sciences, Peking University（新基石科学实验室，北京大学数学科学学院） ； Center for Machine Learning Research, Peking University（机器学习研究中心，北京大学） ； Center for Intelligent Computing, Great Bay Institute for Advanced Study, Great Bay University（智能计算中心，大湾先进研究院，大湾大学）
AI总结 FATE是一个面向多难度层级的前沿代数形式化基准系列，旨在评估和推动高级数学推理能力。
LagMemo: 语言3D高斯点云记忆用于多模态开放词汇多目标视觉导航
机构 * Key Laboratory of Machine Perceptions (MOE), School of Intelligence Science and Technology, Peking University（机器感知重点实验室（教委）、智能科学与技术学院、北京大学）
AI总结 LagMemo通过语言3D高斯点云记忆实现多模态开放词汇多目标视觉导航，有效提升多目标定位性能
AnyPcc: 用单一通用模型压缩任意点云
机构 * SECE, Peking University（北京大学SECE学院） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 AnyPcc通过通用上下文模型和实例自适应微调策略，实现高效且鲁棒的点云压缩，适用于各种密度数据。
Comments CVPR 2026
LangSurf: 语言嵌入的表面高斯用于3D场景理解
机构 * Brain and Artificial Intelligence Lab, Northwestern Polytechnical University（脑科学与人工智能实验室，西北工业大学） ； Tsinghua University（清华大学） ； Shanghai Jiaotong University（上海交通大学） ； Peking University（北京大学） ； School of Artifical Intelligence, Chongqing University of Posts and Telecommunications（人工智能学院，重庆邮电大学）
AI总结 LangSurf通过语言嵌入的表面高斯实现3D场景理解，提升2D和3D分割精度，扩展了下游任务如去除和编辑。
Comments \url{https://langsurf.github.io}
TacDexGrasp: 基于触觉反馈的灵活且稳健的灵巧抓取
机构 * Peking University（北京大学） ； Galbot ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 TacDexGrasp通过触觉反馈和SOCP控制器实现灵活且稳健的灵巧抓取，有效解决多指抓取中的力分配和滑动问题。
Comments 8pages, 7 figures
重新思考在词级别上的大语言模型个性化
机构 * Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； State Key Lab of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（通用人工智能国家重点实验室，北京大学智能科学与技术学院） ； School of Mathematical Sciences, Peking University（数学科学学院，北京大学）
AI总结 PerContrast通过自对比方法和PerCE损失提升大语言模型在词级别上的个性化性能，实现平均收益超10%并具有良好的迁移能力。
CGL: 通过强化微调推进连续GUI学习
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； University College Dublin（都柏林大学） ； Peking University（北京大学）
AI总结 CGL通过强化微调与监督微调的协同优化，解决GUI连续学习中遗忘旧任务的问题，提出AndroidControl-CL基准验证方法有效性。
通过代理引导加速机器人强化学习
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； PKU-PsiBot Joint Lab（北京大学- PsiBot 联合实验室）
AI总结 AGPS通过多模态代理替代人类监督，提升机器人强化学习的样本效率和可扩展性。
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
重新思考驾驶世界模型作为感知任务的合成数据生成器
机构 * Peking University（北京大学） ； Xiaomi EV（小米电动车） ； Huazhong University of Science and Technology（华中科技大学） ； Beijing Key Laboratory of Data Intelligence and Security (Peking University)（北京数据智能与安全重点实验室（北京大学）） ； Zhongguancun Academy（中关村学院）
AI总结 Dream4Drive通过生成高质量的合成数据提升自动驾驶感知任务性能
Journal ref ICLR 2026
StablePCA：从多源数据中鲁棒学习共享表示
机构 * Rutgers University（罗杰斯大学） ； Peking University Health Science Center（北京大学医学部） ； Beijing International Center for Mathematical Research（北京国际数学研究中心） ； Inria École Normale Supérieure PSL Research University（Inria 常规大学） ； Zhejiang University（浙江大学）
AI总结 StablePCA通过分布鲁棒方法从多源数据中学习稳定的共享表示，解决非凸秩约束问题并提供收敛保证。
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