Training with Harnesses: On-Policy Harness Self-Distillation for Complex Reasoning
通过Harness训练：面向复杂推理的在线策略Harness自蒸馏
机构 * Peking University（北京大学）
AI总结 本文提出OPHSD方法，通过将增强的模型作为教师进行自蒸馏，提升模型在复杂推理任务中的泛化能力和独立表现。
高校专区
Peking University（北京大学）
HULK: Large-scale Hierarchical Coordination under Continual and Uncertain Temporal Tasks
HULK：大规模层次协调在连续和不确定的时间任务中
机构 * Department of Mechanics and Engineering Science, College of Engineering, Peking University（力学与工程科学系，工程学院，北京大学） ； National University of Defense Technology（国防科学技术大学）
AI总结 本文提出HULK框架，解决连续和不确定时间任务下的大规模协调问题，通过分层结构提升计算效率和鲁棒性。
Comments Accepted to the IEEE International Conference on Robotics and Automation. 7 pages, 4 figures
ReLibra: Routing-Replay-Guided Load Balancing for MoE Training in Reinforcement Learning
ReLibra：基于路由回放的MoE训练负载均衡
机构 * School of Computer Science, Peking University（北京大学计算机学院）
AI总结 ReLibra通过利用强化学习的回放训练流程中的路由回放机制，在微批次粒度上实现细粒度负载均衡，提升MoE训练效率。
Paraphrase-Induced Output-Mode Collapse: When LLMs Break Character Under Semantically Equivalent Inputs
句式转换导致的输出模式崩溃：当LLMs在语义等价输入下失衡
机构 * Peking University（北京大学） ； University of Chicago（芝加哥大学）
AI总结 研究发现，当请求内容被重写时，大语言模型往往无法保持原任务格式，提出了提示变体输出模式崩溃现象，并通过PARACONSIST基准测试评估模型鲁棒性。
Comments Added a footnote; author order is alphabetical by last name
VL-SAM-v3: Memory-Guided Visual Priors for Open-World Object Detection
VL-SAM-v3：基于记忆的开放世界目标检测视觉先验
机构 * Wangxuan Institute of Computer Technology, Peking University, China（北京大学计算机科学技术研究院）
AI总结 VL-SAM-v3通过引入检索驱动的外部视觉记忆，提升开放世界目标检测的性能，尤其在稀有类别和复杂场景中表现优异。
SayNext-Bench: Why Do LLMs Struggle with Next-Utterance Anticipation?
SayNext-Bench：为什么LLMs在下一句预测中挣扎？
机构 * University of Oulu（奥卢大学） ； College of William and Mary（威廉与玛丽学院） ； Tongji University（同济大学） ； Peking University（北京大学）
AI总结 研究探讨LLM在人类对话中的下一句预测能力，指出人类可通过多模态线索预测，而LLM表现不足。提出SayNext-Bench基准，结合多模态数据集和评估框架，开发SayNext-Chat模型，证明其在多层面优于现有模型。
Generative Giants, Retrieval Weaklings: Why do Multimodal Large Language Models Fail at Multimodal Retrieval?
生成巨人，检索弱者：为何多模态大语言模型在多模态检索中表现不佳？
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Peking University（北京大学） ； Tencent Inc（腾讯公司） ； Zhongguancun Academy（中关村学院）
AI总结 研究揭示多模态大语言模型在多模态检索中表现不佳的原因，通过稀疏自编码器分析发现其表示空间主要由文本语义构成，视觉语义不足，导致检索性能下降，提出ReAlign方法提升检索效果。
PLD: A Choice-Theoretic List-Wise Knowledge Distillation
PLD: 一种基于选择理论的列表级知识蒸馏
机构 * School of Computer Science, Peking University（北京大学计算机科学学院）
AI总结 本文提出PLD，一种基于Plackett-Luce模型的列表级知识蒸馏方法，通过将教师logits视为'价值'评分，直接优化教师最优排名，实现凸且平移不变的替代目标，涵盖加权交叉熵。
Journal ref Advances in Neural Information Processing Systems 38 (NeurIPS 2025), 136090--136112 (2026)
TAH-QUANT: Effective Activation Quantization in Pipeline Parallelism over Slow Network
TAH-QUANT: 在慢速网络下的流水线并行中有效的激活量化
机构 * HKUST（香港科技大学） ； Peking University（北京大学）
AI总结 本文提出TAH-Quant框架，通过细粒度切片量化、熵引导的自适应位分配和Hadamard变换，减少量化误差并提升训练效率，实验证明其在保持收敛性的同时提升了吞吐量和速度。
MapNav: A Novel Memory Representation via Annotated Semantic Maps for Vision-and-Language Navigation
MapNav: 一种通过标注语义地图的新型记忆表示方法用于视觉-语言导航
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Tsinghua University（清华大学） ； Beijing Innovation Center of Humanoid Robotics Co., Ltd.（北京人形机器人创新中心有限公司） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学多媒体信息处理国家重点实验室，计算机学院）
AI总结 本文提出MapNav，通过标注语义地图替代传统历史帧，提升视觉-语言导航任务的性能，实验表明其在模拟和现实环境中均达到SOTA水平。
BenchHAR: Benchmarking Self-Supervised Learning for Generalizable Sensor-based Activity Recognition
BenchHAR: 用于通用传感器活动识别的自监督学习基准测试
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Peking University（北京大学） ； Singapore-MIT Alliance for Research and Technology（新加坡-麻省理工联合研究技术联盟）
AI总结 BenchHAR针对传感器活动识别中数据异质性和标注数据稀缺问题，系统比较了自监督学习方法的泛化性能，发现混合范式和CNN编码器在性能上表现最佳，且增加预训练数据量能提升泛化能力。
Comments 25 pages
Why Do DiT Editors Drift? Plug-and-Play Low Frequency Alignment in VAE Latent Space
为何DiT编辑器会漂移？VAE潜在空间中的插件式低频对齐
机构 * Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Peking University（北京大学） ； CASIA ； University of Electronic Science and Technology of China（电子科技大学） ； Guangming Laboratory（光明实验室）
AI总结 本文从潜在空间频率角度研究DiT编辑器漂移问题，提出无需训练的VAE-LFA方法，通过低频对齐抑制语义漂移并保持高频细节，适用于白盒和黑盒DiT编辑器。
Comments 9 pages main paper, 12 figures, 25 pages in total
Towards Customized Multimodal Role-Play
迈向定制化的多模态角色扮演
机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学）
AI总结 本文提出定制化多模态角色扮演任务，通过统一模型和两阶段训练框架实现角色个性化，实验表明方法在角色扮演任务中优于现有方法。
Comments Code available at https://github.com/Tangc03/UniCharacter Project page available at https://tangc03.github.io/UniCharacter.github.io/
