高校专区
GeoAlign：用于MLLM空间推理的几何特征重定位
机构 * National Engineering Research Center of Visual Technology, National Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University（视觉技术国家工程研究中心、多媒体信息处理国家重点实验室、计算机学院、北京大学） ； Meituan Inc.（美团公司） ； National Biomedical Imaging Center, Peking University（生物医学成像国家中心、北京大学）
AI总结 本文提出GeoAlign框架，通过动态聚合多层几何特征以解决MLLM在空间推理中的任务对齐偏差问题，实验表明其紧凑模型在多个基准测试中达到SOTA性能。
Habitat-GS：一种高保真导航仿真器与动态高斯点云
机构 * Zhejiang University（浙江大学） ； Peking University（北京大学） ； XGRIDS ； UDeer AI ； Shenzhen University（深圳大学）
AI总结 本文提出Habitat-GS，通过整合3D高斯点云渲染和可驾驶高斯化身，提升导航仿真的视觉真实性和动态人类建模能力，实验表明其在跨领域泛化和人类感知导航中表现优异。
Comments Project page: https://zju3dv.github.io/habitat-gs/
可扩展的全身体态移动操作轨迹生成
机构 * Institute for AI, Peking University（人工智能研究院，北京大学） ； Institute of Unmanned System, Beihang University（无人系统研究院，北航） ； School of Psychological and Cognitive Sciences, Peking University（心理学与认知科学学院，北京大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室，北京大学） ； Yuanpei College, Peking University（元培学院，北京大学） ； Embodied Intelligence Lab, PKU-Wuhan Institute for Artificial Intelligence（具身智能实验室，PKU-武汉人工智能研究所）
AI总结 本文提出AutoMoMa框架，通过GPU加速整合运动学模型与并行轨迹优化，生成大规模物理有效轨迹数据，解决全身体态移动操作中规模、多样性和运动学精度的瓶颈问题。
Mema：增强视觉-语言理解的内存增强适配器
机构 * Beijing Institute of Technology（北京理工大学） ； Peking University（北京大学） ； Yangtze Delta Region Academy of Beijing Institude of Technology（北京理工大学长江三角洲地区研究院）
AI总结 本文提出Mema适配器，通过维护状态记忆积累层次视觉表示，提升多模态理解性能，实验验证其在复杂任务中的有效性。
不再有陈旧的反馈：为开放世界智能体学习的共进化批评者
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学 赛洛岭人工智能学院） ； Amap, Alibaba Group（阿里巴巴集团 阿里地图） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Southern University of Science and Technology（南方科技大学）
AI总结 本文提出ECHO框架，通过同步共进化循环联合优化策略和批评者，解决开放世界环境中策略演变导致的反馈过时问题，提升长周期任务成功率。
合成POMDPs挑战记忆增强型RL：内存需求结构建模
机构 * School of Computer Science, Peking University, Beijing 100871, China（北京大学计算机学院，北京100871，中国）
AI总结 本文提出定制化的POMDP环境设计，通过理论框架、线性动力学和奖励再分配方法，构建具有预定义内存需求结构的环境，以评估记忆增强型RL的挑战与性能。
Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-52148-y}
移动GUI代理在现实威胁下的表现：我们已经到达了吗？
机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； University of Electronic Science and Technology of China（电子科学与技术大学） ； Peking University（北京大学） ； MiLM Plus, Xiaomi Inc.（MiLM Plus，小米公司）
AI总结 研究探讨了移动GUI代理在现实威胁下的性能问题，提出了一种可扩展的应用内容仪器化框架，通过动态任务环境和静态数据集验证代理在第三方内容干扰下的表现，发现代理性能显著下降。
变分自编码离散扩散与增强的维度相关性建模
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Center for Statistical Science, Peking University（北京大学统计科学中心） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； Huawei Foundation Model Dept（华为基金会模型部门） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文提出VADD框架，通过潜在变量建模增强离散扩散，提升样本质量，尤其在少量去噪步骤时表现优异。
Comments ICLR 2026 Poster; 24 pages, 13 figures
MODIX：一种无需训练的多模态信息驱动的位置索引缩放
机构 * Peking University（北京大学）
AI总结 MODIX通过动态调整位置步长，基于模态特定贡献优化多模态模型的位置编码，提升多模态推理能力。
Comments Accepted by CVPR 2026 (Highlight). 10 pages, 2 figures, 5 tables
超越转录：面向感知意识的统一音频架构
机构 * Basic Model Technology Center, WeChat AI, Tencent Inc.（腾讯基本模型技术中心、微信AI、腾讯公司） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室、计算机学院、北京大学）
AI总结 本文提出统一音频架构（UAS），通过将音频信息划分为转录、语调和非语言事件三个组件，提升音频细粒度感知性能，同时保持推理能力。
Comments Accepted to ACL 2026 Findings
通过条件位移实现自对抗一步生成
机构 * Westlake University（西拉丘学院） ； Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Peking University（北京大学）
AI总结 本文提出APEX框架，通过条件位移内生提取对抗信号，实现无需外部判别器的一步生成，提升生成质量与推理效率。
GTCN-G：一种用于不平衡入侵检测的残差图-时间融合网络
机构 * Peking University（北京大学） ； RWTH Aachen University（亚琛工业大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Northeastern University（东北大学） ； Thales Group（泰雷兹集团） ； Chinese Medical Information and Big Data Association（中国医学信息与大数据协会）
AI总结 本文提出GTCN-G模型，结合图卷积网络和门控时间卷积网络，通过残差学习机制解决数据不平衡问题，实验表明在二分类和多分类任务中性能优越。
Comments This preprint was submitted to IEEE TrustCom 2025. The accepted version will be published under copyright 2025 IEEE
StableToken：一种抗噪声的语义语音分词器用于鲁棒的语音大语言模型
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机学院，北京大学） ； Basic Model Technology Center, WeChat AI, Tencent Inc.（微信AI基础模型技术中心，腾讯公司）
AI总结 本文提出StableToken，通过共识机制提升语音分词器的稳定性，减少噪声下的单位编辑距离，提升语音大语言模型的鲁棒性。
Comments Accepted to ICLR 2026
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