Peking University（北京大学）

ChordEdit: One-Step Low-Energy Transport for Image Editing

ChordEdit: 图像编辑中的一步低能耗传输

Liangsi Lu, Xuhang Chen, Minzhe Guo, Shichu Li, Jingchao Wang, Yang Shi

机构 * Guangdong University of Technology（广东工业大学） ； Huizhou University（惠州大学） ； Shenzhen University（深圳大学） ； Peking University（北京大学） 纠错

AI总结 本文提出ChordEdit，一种无需训练和反向传播的图像编辑方法，通过动态最优传输理论实现低能耗、高精度的一步编辑，解决传统方法在图像编辑中出现的失真和不一致性问题。

Comments Accepted by CVPR 2026

How Many Code and Test Cases Are Enough? Evaluating Test Cases Generation from a Binary-Matrix Perspective

生成多少代码和测试用例足够？从二进制矩阵视角评估测试用例生成

Xianzhen Luo, Jinyang Huang, Wenzhen Zheng, Qingfu Zhu, Mingzheng Xu, Yiheng Xu, Yuantao Fan, Wanxiang Che

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Central South University（中南大学） ； Chinese Academy of Sciences（中国科学院） ； Peking University（北京大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 本文从二进制矩阵视角评估测试用例生成，提出TC-Bench基准，通过寻找最优诊断基来确定最小错误代码和测试用例集，揭示现有方法在诊断能力上的不足。

Comments Accepted by ICLR2026

ELITE: Experiential Learning and Intent-Aware Transfer for Self-improving Embodied Agents

ELITE：经验学习与意图感知迁移用于自我改进的具身智能体

Bingqing Wei, Zhongyu Xia, Dingai Liu, Xiaoyu Zhou, Zhiwei Lin, Yongtao Wang

机构 * Wangxuan Institute of Computer Technology, Peking University, Beijing, China（清华大学王轩计算机技术研究所，北京，中国） 纠错

AI总结 ELITE通过经验学习与意图感知迁移机制，使具身智能体能持续学习环境交互经验并迁移至相似任务，实现在EB-ALFRED和EB-Habitat基准上的性能提升。

A Theory of LLM Information Susceptibility

大语言模型信息易感性理论

Zhuo-Yang Song, Hua Xing Zhu

机构 * School of Physics, Peking University（北京大学物理学院） ； Center for High Energy Physics, Peking University（北京大学高能物理中心） 纠错

AI总结 本文提出大语言模型信息易感性理论，探讨计算资源充足时固定LLM对策略集预算敏感性的影响，通过多变量效用函数框架分析多预算通道架构，并验证了共缩放架构在提升性能方面的有效性。

Comments 16 pages, 9 figures

S-Path-RAG: Semantic-Aware Shortest-Path Retrieval Augmented Generation for Multi-Hop Knowledge Graph Question Answering

S-Path-RAG：基于语义的最短路径检索增强生成用于多跳知识图谱问答

Rong Fu, Yemin Wang, Tianxiang Xu, Yongtai Liu, Weizhi Tang, Wangyu Wu, Xiaowen Ma, Simon Fong

机构 * University of Macau（澳门大学） ； Xiamen University（厦门大学） ； Peking University（北京大学） ； Hanyang University（翰阳大学） ； University of Liverpool（利物浦大学） ； Zhejiang University（浙江大学） 纠错

AI总结 S-Path-RAG通过混合加权k最短路径、束搜索和约束随机游走策略，实现语义感知的多跳知识图谱问答，提升检索效率与生成准确性。

Journal ref WWW 2026

Leveraging Computerized Adaptive Testing for Cost-effective Evaluation of Large Language Models in Medical Benchmarking

利用计算自适应测试对大型语言模型进行成本效益的医学基准评估

Tianpeng Zheng, Zhehan Jiang, Jiayi Liu, Shicong Feng

机构 * Institute of Medical Education, Health Science Center, Peking University（北京大学医学教育研究院、健康科学中心） ； School of Public Health, Peking University（北京大学公共卫生学院） ； Peking University Health Science Center-Chaoxing Joint Laboratory for Digital and Smart Medical（北京大学健康科学中心-超星数字与智能医疗联合实验室） ； Graduate School of Education, Peking University（北京大学教育学院） 纠错

AI总结 本文提出基于项目反应理论的计算自适应测试框架，用于高效评估大型语言模型在标准化医学知识中的表现，通过模拟和实证研究验证了其在成本效益和评估效率上的优势。

Comments 37 pages, 6 figures

FedSRD: Sparsify-Reconstruct-Decompose for Communication-Efficient Federated Large Language Models Fine-Tuning

FedSRD：用于通信高效联邦大语言模型微调的稀疏化-重建-分解

Guochen Yan, Luyuan Xie, Qingni Shen, Yuejian Fang, Zhonghai Wu

机构 * Beijing Key Laboratory of Data Intelligence and Security, National Engineering Research Center for Software Engineering, School of Computer Science, Peking University（北京数据智能与安全重点实验室、软件工程国家工程研究中心、计算机科学学院、北京大学） ； Beijing Key Laboratory of Data Intelligence and Security, School of Software and Microelectronics, Peking University（北京数据智能与安全重点实验室、软件与微电子学院、北京大学） ； Beijing Key Laboratory of Data Intelligence and Security, National Engineering Research Center for Software Engineering, Peking University（北京数据智能与安全重点实验室、软件工程国家工程研究中心、北京大学） 纠错

AI总结 FedSRD通过稀疏化重建分解框架降低联邦学习中大语言模型微调的通信开销，提升异构客户端数据性能，实验显示通信成本降低达90%。

Comments Accepted by WWW 2026

From Text to Talk: Audio-Language Model Needs Non-Autoregressive Joint Training

从文本到谈话：音频-语言模型需要非自回归联合训练

Tianqiao Liu, Xueyi Li, Hao Wang, Haoxuan Li, Zhichao Chen, Weiqi Luo, Zitao Liu

机构 * Guangdong Institute of Smart Education（广东智能教育研究院） ； TAL Education Group（TAL教育集团） ； Peking University（北京大学） 纠错

AI总结 本文提出Text-to-Talk模型，通过整合自回归文本生成与非自回归音频扩散，统一训练目标，提升多模态语音交互系统性能。

Proximity Matters: Local Proximity Enhanced Balancing for Treatment Effect Estimation

近邻重要性：局部近邻增强的平衡方法用于处理效应估计

Hao Wang, Zhichao Chen, Zhaoran Liu, Xu Chen, Haoxuan Li, Zhouchen Lin

机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） 纠错

AI总结 本文提出CFR-Pro方法，通过引入基于最优传输的成对近邻正则化来增强HTE估计中的表示平衡，有效缓解处理选择偏差，并在实验中优于其他方法。

Comments Accepted as a poster in SIGKDD 2025

Entire Space Counterfactual Learning for Reliable Content Recommendations

全空间反事实学习用于可靠的内容推荐

Hao Wang, Zhichao Chen, Zhaoran Liu, Haozhe Li, Degui Yang, Xinggao Liu, Haoxuan Li

机构 * State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University（工业控制技术国家重点实验室，控制科学与工程学院，浙江大学） ； School of Automation, Central South University（自动化学院，中南大学） ； Center for Data Science, Peking University（数据科学中心，北京大学） 纠错

AI总结 本文提出全空间反事实多任务模型ESCM²，通过引入反事实风险最小化模块，解决推荐系统中点击转化率估计的内在偏差和虚假独立性问题，提升推荐性能。

Comments This submission is an extension of arXiv:2204.05125