Peking University（北京大学）

CHRep: Cross-modal Histology Representation and Post-hoc Calibration for Spatial Gene Expression Prediction

CHRep: 跨模态组织切片表示与事后校准用于空间基因表达预测

Changfan Wang, Xinran Wang, Donghai Liu, Fei Su, Lulu Sun, Zhicheng Zhao, Zhu Meng

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Beijing Key Laboratory of Network System and Network Culture（北京网络系统与网络文化重点实验室） ； Peking University Third Hospital（北京大学第三医院） 纠错

AI总结 CHRep通过两阶段框架提升组织切片到基因表达的预测鲁棒性，结合结构感知表示学习与事后校准，提升滑片级变化下的稳定性与准确性。

Absorber LLM: Harnessing Causal Synchronization for Test-Time Training

吸收式大语言模型：利用因果同步进行测试时训练

Zhixin Zhang, Shabo Zhang, Chengcan Wu, Zeming Wei, Meng Sun

机构 * Peking University（北京大学） 纠错

AI总结 本文提出Absorber LLM，通过自监督因果同步解决长上下文保留问题，优化模型在测试时的内存和准确率。

FairyFuse: Multiplication-Free LLM Inference on CPUs via Fused Ternary Kernels

FairyFuse：通过融合三进制内核实现CPU上的无乘法LLM推理

Fei Zuo, Xiaoyan Xi, Quanyi Zeng, Feiyu Wang, Ho Fai Leung

机构 * Peking University（北京大学） 纠错

AI总结 本文提出FairyFuse，通过融合三进制权重的八次实值子GEMV，实现CPU上的无乘法LLM推理，显著提升性能，单CPU达到32.4 tokens/s，质量接近FP16。

Comments 16 pages, 10 figures, 4 tables

Reason Only When Needed: Efficient Generative Reward Modeling via Model-Internal Uncertainty

仅在必要时推理：通过模型内部不确定性实现高效的生成奖励建模

Chao Xue, Yao Wang, Mengqiao Liu, Di Liang, Xingsheng Han, Peiyang Liu, Xianjie Wu, Chenyao Lu, Lei Jiang, Yu Lu, Haibo Shi, Shuang Liang, Minlong Peng, Flora D. Salim

机构 * University of New South Wales（新南威尔士大学） ； Tencent Hunyuan（腾讯文言） ； Tencent Yuanbao（腾讯元宝） ； UESTC（电子科技大学） ； Peking University（北京大学） 纠错

AI总结 本文提出E-GRM框架，利用模型内部不确定性选择性触发推理，减少计算成本并提升答案准确性。

Comments accepted by ACL 2026 Findings

SGG-R$^{\rm 3}$: From Next-Token Prediction to End-to-End Unbiased Scene Graph Generation

SGG-R$^{\rm 3}$: 从单token预测到端到端无偏场景图生成

Jiaye Feng, Qixiang Yin, Yuankun Liu, Tong Mo, Weiping Li

机构 * School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 本文提出SGG-R$^{\rm 3}$框架，通过结合任务特定的推理过程和强化学习优化，解决场景图生成中的关系稀疏和长尾问题，提升生成效果和泛化能力。

Demystifying Action Space Design for Robotic Manipulation Policies

解开机器人操作策略中动作空间设计的谜团

Yuchun Feng, Jinliang Zheng, Zhihao Wang, Dongxiu Liu, Jianxiong Li, Jiangmiao Pang, Tai Wang, Xianyuan Zhan

机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； Shanghai AI Lab（上海人工智能实验室） ； Peking University（北京大学） 纠错

AI总结 本文通过大规模实验研究，揭示动作空间设计对机器人策略学习的显著影响，分析了时间与空间轴上的动作设计对策略可学习性和控制稳定性的影响。

Secure LLM Fine-Tuning via Safety-Aware Probing

通过安全感知探测实现安全的大语言模型微调

Chengcan Wu, Zhixin Zhang, Zeming Wei, Yihao Zhang, Xiaokun Luan, Meng Sun

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） 纠错

AI总结 本文探讨了非有害数据微调为何可能降低安全性，提出安全感知探测框架，通过对比安全信号定位安全相关方向，优化轻量级探针以引导参数更新远离有害轨迹，提升安全与性能的平衡。

Principled Evaluation with Human Labels: One Rater at a Time and Rater Equivalence

基于人类标签的原理性评估：逐个评估者与评估者等价性

Paul Resnick, Yuqing Kong, Grant Schoenebeck, Tim Weninger

机构 * School of Information, University of Michigan（信息学院，密歇根大学） ； Center on Frontiers of Computing Studies, Peking University（前沿计算研究中心，北京大学） ； Department of Computer Science and Engineering, University of Notre Dame（计算机科学与工程系，诺特丹大学） 纠错

AI总结 本文提出通过逐个评估者评分和评估者等价性概念，改进分类器评分方法，并提供最优算法进行基准测试。