高校专区
参数重要性并非静态：为监督微调设计的演进参数隔离
机构 * Tencent Hunyuan（腾讯文言） ； Tencent Yuanbao（腾讯元宝） ； Peking University（北京大学） ； UESTC ； University of New South Wales（新南威尔士大学）
AI总结 本文提出EPI框架，通过动态调整参数隔离策略，减少训练中的任务干扰和遗忘，提升模型泛化能力。
超越状态一致性：文本基础世界模型中的行为一致性
机构 * Dalian University of Technology（大连理工大学） ； MBZUAI ； Peking University（北京大学） ； Microsoft（微软）
AI总结 本文提出行为一致性训练方法，通过改进世界模型与真实环境的功能一致性，提升长期对齐效果，实验显示在WebShop和TextWorld中表现优异，同时保持单步预测质量。
Comments 20 pages, 2 figures
PBE-UNet：一种轻量级的渐进边界增强U-Net，具有尺度感知聚合，用于超声图像分割
机构 * Department of Computer Science, Shaoxing University（绍兴大学计算机科学系） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Northeastern University（工业智能化与系统优化国家级前沿科学中心，东北大学） ； College of Computer Science, Chongqing University（重庆大学计算机学院） ； School of Computer and Computing Science, Hangzhou City University（杭州市大学计算机与计算科学学院） ； ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC研究院） ； Information Technology R&D Innovation Center of Peking University（北京大学信息技术研发创新中心）
AI总结 本文提出PBE-UNet，通过引入尺度感知聚合模块和边界引导特征增强模块，解决超声图像分割中边界模糊和尺度变化的问题，实验表明其在四个数据集上优于现有方法。
Comments 14 pages, 14 figures
三维指令歧义检测
机构 * School of Electronic and Computer Engineering, Peking University（电子与计算机工程学院，北京大学）
AI总结 本文提出三维指令歧义检测任务，构建了大规模基准Ambi3D，发现现有3D大语言模型难以判断指令歧义，提出AmbiVer框架解决该问题，提升具身AI的安全性。
QuantileMark：一种消息对称的多比特水印用于大语言模型
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学计算机科学技术研究院）
AI总结 QuantileMark通过在连续累积概率区间[0,1)内嵌入信息，实现消息对称的多比特水印，提升水印检测的鲁棒性和生成质量的稳定性。
ClipGStream: 用于任意长度和任意运动多视角动态场景重建的Clip-Stream高斯点云法
机构 * Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology（广东超高清沉浸式媒体技术省重点实验室） ； Shenzhen Graduate School, Peking University（北京大学深圳研究生院） ； Pengcheng Laboratory（鹏城实验室） ； Peking University（北京大学） ； MIGU Video Co., Ltd.（MIGU视频有限公司）
AI总结 本文提出ClipGStream框架，通过clip级流优化实现长动态视频的高斯点云重建，兼顾可扩展性和时间一致性。
Comments CVPR 2026, Project pages: https://liangjie1999.github.io/ClipGStreamWeb/
超越体素3D编辑：从3D掩码和自构造数据中学习
机构 * The Peking University（北京大学） ； HKUST(GZ)（香港科技大学（广州）） ； Microsoft AI（微软人工智能） ； Microsoft Research（微软研究院）
AI总结 本文提出BVE框架，通过自构造的大规模3D编辑数据集，结合轻量可训练模块，实现高效的文本语义注入，保留局部不变性，生成高质量的文本对齐3D资产。
面向无人机的视觉与语言导航：进展、挑战与研究路线图
机构 * Autel Robotics, Shenzhen, China（大疆创新，深圳，中国） ； School of Intelligent Software and Engineering, Nanjing University, Nanjing, China（南京大学智能软件与工程学院，南京，中国） ； School of Computer, Data & Information Sciences, University of Wisconsin-Madison, Madison, WI, USA（威斯康星大学麦迪逊分校计算机、数据与信息科学学院，麦迪逊，WI，美国） ； Southern University of Science and Technology, Shenzhen, China（南方科技大学，深圳，中国） ； The University of Hong Kong, Hong Kong SAR, China（香港大学，香港特别行政区，中国） ； School of Software and Microelectronics, Peking University, Beijing, China（北京大学软件与微电子学院，北京，中国）
AI总结 本文综述了无人机视觉与语言导航领域，分析了从早期模块化方法到基于大模型的智能系统的发展，探讨了现实部署中的挑战，并提出了未来研究方向。
VibeFlow：通过自监督学习实现多功能视频色光编辑
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所）
AI总结 本文提出VibeFlow框架，通过自监督学习实现视频色光编辑，解决光照和颜色修改的同时保持结构和时间保真的问题，无需昂贵训练资源，支持零样本应用。
通过乔姆斯基层级评估大语言模型的正式推理能力
机构 * Peking University（北京大学） ； Wuhan University（武汉大学）
AI总结 本文提出ChomskyBench基准，通过乔姆斯基层级系统评估大语言模型的正式推理能力，揭示其在结构化语言处理中的性能分层及效率瓶颈。
Comments Work in progress
跨断开模式的领域适应性模型合并
机构 * Tongji University（同济大学） ； Peking University（北京大学） ； Southeast University（东南大学） ； Nanchang University（南昌大学）
AI总结 本文提出DMM框架，通过独立训练领域模型、合并相似模型及生成伪数据精炼知识，实现无需数据的模型合并，提升性能。
Comments 5 pages, 1 figure, 3 tables; Accepted by ICASSP 2026
通往真实性的两条路径：关于LLM幻觉内在编码的研究
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息处理国家重点实验室，计算机科学学院，北京大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文探讨LLM幻觉的内在编码机制，通过两种信息路径揭示真实性信号的来源，发现其与知识边界和内部表示密切相关，并提出改进幻觉检测的应用。
Comments Accepted to the ACL 2026 Main Conference
LaoBench：一种大规模多维老挝语基准测试用于大语言模型
机构 * China-ASEAN Information Harbor Co., Ltd.（中国-东盟信息港有限公司） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； School of Software & Microelectronics, Peking University（北京大学软件与微电子学院）
AI总结 本文提出LaoBench，首个大规模多维老挝语基准测试，包含17000+样本，涵盖文化知识应用、K12教育和双语翻译，评估LLM在老挝语的理解与推理能力，发现多语言模型在文化推理和翻译准确性上仍落后于人类专家。
Comments ACL 2026 Main
MAS-Bench：一种统一的快捷键增强混合移动GUI代理基准测试
机构 * Zhejiang University（浙江大学） ； vivo AI Lab（vivo AI实验室） ； Peking University（北京大学）
AI总结 本文提出MAS-Bench，用于评估结合GUI和快捷键的混合移动自动化代理，包含139个任务和9个评估指标，实验显示混合代理在效率上优于纯GUI代理。
RL-PLUS: 通过混合策略优化对抗LLMs在强化学习中的能力边界崩溃
机构 * School of Computer Science, Peking University（北京大学计算机科学系） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室） ； Department of Computing Science, University of Alberta（阿尔伯塔大学计算机科学系） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
AI总结 RL-PLUS通过混合策略优化解决LLMs在强化学习中的能力边界崩溃问题，结合内部利用与外部数据提升推理能力，实验表明其在数学推理和分布外任务中表现优异。
Comments Accepted to ACL 2026 (main)
CodeFlowBench: 一个用于复杂代码生成的多轮迭代基准
机构 * Peking University（北京大学） ； Institute for Advanced Algorithms Research, Shanghai（上海先进算法研究所） ； Shanghai University of Finance and Economics（上海财经大学） ； McGill University（麦吉尔大学） ； Zhongguancun Academy（中关村学院） ； 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））
AI总结 CodeFlowBench通过多轮迭代重用现有代码评估LLM在复杂代码生成中的能力，包含5000+编程问题和真实GitHub仓库，揭示多轮代码流程中模型性能下降与依赖复杂度负相关的现象。
AutoPV：自动设计你的光伏功率预测模型
机构 * Department of Building Environment and Energy Engineering, The Hong Kong Polytechnic University（香港理工大学建筑环境与能源工程系） ； International Centre of Urban Energy Nexus, The Hong Kong Polytechnic University（香港理工大学城市能源 nexus 中心） ； Research Institute for Smart Energy, The Hong Kong Polytechnic University（香港理工大学智能能源研究院） ； Eastern Institute for Advanced Study, Eastern Institute of Technology（东院高级研究机构） ； School of Business, Society and Technology, Mälardalens University（马尔默大学商学院、社会与技术学院） ； Center for Spatial Information Science, the University of Tokyo（东京大学空间信息科学中心） ； PV Industry Innovation Center, State Power Investment Corporation（国家电力投资集团光伏产业创新中心） ； School of Urban Planning and Design, Peking University, Shenzhen（北京大学深圳校区城市规划与设计学院） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究所）
AI总结 本文提出AutoPV框架，利用神经架构搜索技术自动设计光伏功率预测模型，通过新颖的搜索空间提升预测性能，实验表明其在短时间內构建出优于现有模型的架构。
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