Peking University（北京大学）

VER: Vision Expert Transformer for Robot Learning via Foundation Distillation and Dynamic Routing

VER：基于基础蒸馏和动态路由的机器人学习视觉专家变换器

Yixiao Wang, Mingxiao Huo, Zhixuan Liang, Yushi Du, Lingfeng Sun, Haotian Lin, Jinghuan Shang, Chensheng Peng, Mohit Bansal, Mingyu Ding, Masayoshi Tomizuka

机构 * UC Berkeley（加州大学伯克利分校） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Hong Kong（香港大学） ； Peking University（北京大学） ； Stony Brook University（石溪大学） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

AI总结 VER通过基础蒸馏和动态路由实现机器人学习，采用轻量路由网络动态选择专家，提升任务灵活性和精度，实现多任务高性能。

SceneParser: Hierarchical Scene Parsing for Visual Semantics Understanding

SceneParser: 用于视觉语义理解的分层场景解析

Pengxin Xu, Xincheng Lin, Luping Xiao, Qing Jiang, Meishan Zhang, Hao Fei, Shanghang Zhang, Xingyu Chen

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Zhongguancun Academy（中关村学院） ； Huazhong University of Science and Technology（华中科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； South China University of Technology（华南理工大学） ； University of Oxford（牛津大学） ； Peking University（北京大学） 纠错

AI总结 本文提出SceneParser，通过分层解析任务构建场景-对象-部件-功能的层次结构，利用结构完成伪标签和课程学习提升结构感知能力，实验表明其在复杂场景理解中表现更优。

Comments Preprint. Code, models, and dataset are provided in the manuscript

Towards In-Depth Root Cause Localization for Microservices with Multi-Agent Recursion-of-Thought

面向微服务的深入根本原因定位：多智能体递归思考

Lingzhe Zhang, Tong Jia, Kangjin Wang, Chiming Duan, Minghua He, Rongqian Wang, Xi Peng, Meiling Wang, Gong Zhang, Renhai Chen, Ying Li

机构 * Peking University（北京大学） ； Huawei Theory Lab（华为理论实验室） 纠错

AI总结 本文提出RCLAgent框架，通过多智能体递归思考实现微服务系统根本原因定位，提升定位准确性和推理效率。

Video2GUI: Synthesizing Large-Scale Interaction Trajectories for Generalized GUI Agent Pretraining

Video2GUI：合成大规模交互轨迹用于通用GUI代理预训练

Weimin Xiong, Shuhao Gu, Bowen Ye, Zihao Yue, Lei Li, Feifan Song, Sujian Li, Hao Tian

机构 * National Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University（国家多媒体信息处理重点实验室，计算机科学学院，北京大学） ； The University of Hong Kong（香港大学） ； Renmin University of China（中国人民大学） 纠错

AI总结 本文提出Video2GUI框架，通过自动提取互联网视频中的GUI交互轨迹，生成大规模数据集WildGUI，提升了GUI代理的泛化能力。

Comments Accepted at ICML 2026

Video-Zero: Self-Evolution Video Understanding

Video-Zero: 自主进化视频理解

Ruixu Zhang, Deyi Ji, Lanyun Zhu, Xuanyi Liu, Yuxin Meng, Ruihang Chu, Yujiu Yang

机构 * Tsinghua University（清华大学） ； Tencent（腾讯） ； Tongji University（同济大学） ； Peking University（北京大学） 纠错

AI总结 本文提出Video-Zero框架，通过无标注的Questioner-Solver共进化机制，聚焦时间局部证据，提升视频理解的自进化能力，验证了证据中心自进化方法的有效性与迁移性。

BEAM: Binary Expert Activation Masking for Dynamic Routing in MoE

BEAM：二进制专家激活遮蔽用于MoE中的动态路由

Juntong Wu, Jialiang Cheng, Qishen Yin, Yue Dai, Yuliang Yan, Fuyu Lv, Ou Dan, Li Yuan

机构 * Shenzhen Graduate School, Peking University（北京大学深圳研究生院） 纠错

AI总结 BEAM通过可训练二进制掩码实现token自适应专家选择，提升MoE推理效率，减少计算量并提高吞吐量。

Comments 22 pages, 12 figures

Dual-Latent Collaborative Decoding for Fidelity-Perception Balanced Image Compression

双潜变量协作解码用于保真度-感知平衡的图像压缩

Qi Mao, Zijian Wang, Zhengxue Cheng, Lingyu Zhu, Siwei Ma

机构 * School of Information and Communication Engineering and the State Key Laboratory of Media Convergence and Communication, Communication University of China（信息与通信工程学院和媒体融合与通信国家重点实验室，中国通信大学） ； School of Information Science and Electronic Engineering, Shanghai Jiao Tong University（信息科学与电子工程学院，上海交通大学） ； Department of Computer Science, City University of Hong Kong（计算机科学系，香港城市大学） ； 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，计算机科学学院，北京大学） 纠错

AI总结 本文提出MoDE框架，通过双潜变量协作解码平衡保真度与感知质量，实验表明在宽比特率范围内优于现有基线方法。

Reinforcement Learning with Semantic Rewards Enables Low-Resource Language Expansion without Alignment Tax

基于语义奖励的强化学习实现低资源语言扩展而不产生对齐税

Zeli Su, Ziyin Zhang, Zhou Liu, Xuexian Song, Zhankai Xu, Longfei Zheng, Xiaolu Zhang, Rong Fu, Guixian Xu, Wentao Zhang

机构 * Minzu University of China（中国民族大学） ； Ant Group（蚂蚁集团） ； Shanghai Jiao Tong University（上海交通大学） ； University of Macau（澳门大学） ； Peking University（北京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Hainan International College, Minzu University of China（中国民族大学海南国际学院） 纠错

AI总结 本文提出基于语义空间对齐的GRPO方法，通过嵌入层语义奖励优化，减少对预训练知识的破坏性干扰，提升低资源语言扩展效果。

Comments ACL 2026 Findings

D-VLA: A High-Concurrency Distributed Asynchronous Reinforcement Learning Framework for Vision-Language-Action Models

D-VLA：一种面向视觉-语言-动作模型的高并发分布式异步强化学习框架

Yucheng Guo, Yongjian Guo, Zhong Guan, Wen Huang, Haoran Sun, Haodong Yue, Xiaolong Xiang, Shuai Di, Zhen Sun, Luqiao Wang, Junwu Xiong, Yicheng Gong

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Tianjin University（天津大学） ； Beihang University（北航） ； JDT AI Infra（京东AI基础设施） 纠错

AI总结 本文提出D-VLA框架，通过平面解耦和四线异步流水线提升大规模视觉-语言-动作模型的并发性和效率，实验显示其在吞吐量和采样效率上优于主流框架。

LeanSearch v2: Global Premise Retrieval for Lean 4 Theorem Proving

LeanSearch v2：用于Lean 4定理证明的全局前提检索

Guoxiong Gao, Zeming Sun, Jiedong Jiang, Yutong Wang, Jingda Xu, Peihao Wu, Bryan Dai, Bin Dong

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； IQuest Research（IQuest研究院） ； Research Institute for Mathematical Sciences, Kyoto University（京都大学数学研究所） ； Westlake Institute for Advanced Study, Westlake University（西湖研究所在线高级研究院） ； Beijing International Center for Mathematical Research and the New Cornerstone Science Laboratory, Peking University（北京国际数学研究中心和新基石科学实验室，北京大学） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； Center for Intelligent Computing, Great Bay Institute for Advanced Study, Great Bay University（智能计算中心，Great Bay高级研究院，Great Bay大学） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 LeanSearch v2通过两级检索系统实现全局前提检索，其标准模式在无需领域微调的情况下达到SOTA单查询检索效果，推理模式通过迭代草图-检索-反思循环提高前提检索准确率，实验表明其在证明成功率上优于现有方法。

Breaking the Reward Barrier: Accelerating Tree-of-Thought Reasoning via Speculative Exploration

突破奖励障碍：通过投机探索加速树状思维推理

Shuzhang Zhong, Haochen Huang, Shengxuan Qiu, Pengfei Zuo, Runsheng Wang, Meng Li

机构 * Institute for Artificial Intelligence, Peking University School of Integrated Circuits, Peking University（人工智能研究院，北京大学集成电路学院，北京大学） ； School of Integrated Circuits, Peking University（集成电路学院，北京大学） ； ByteDance Seed（字节跳动种子） 纠错

AI总结 本文提出SPEX方法，通过投机路径选择、预算分配和自适应终止技术，提升树状思维推理效率，实现1.2至3倍的加速，并与token级投机解码协同提升性能。

Comments OSDI 2026

Quotient-Space Diffusion Models

商空间扩散模型

Yixian Xu, Yusong Wang, Shengjie Luo, Kaiyuan Gao, Tianyu He, Di He, Chang Liu

机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Beijing, China（一般人工智能国家重点实验室，北京大学，北京，中国） ； Huazhong University of Science and Technology, Wuhan, China（华中科技大学，武汉，中国） ； Microsoft Research Asia, Beijing, China（微软亚洲研究院，北京，中国） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） 纠错

AI总结 本文提出商空间扩散模型，通过处理对称性来提升生成模型性能，优于等变模型和对齐方法，在分子结构生成中表现更佳。

Comments ICLR 2026 Oral Presentation; 43 pages, 5 figures, 6 tables; ICLR 2026 Camera Ready version

RoboWM-Bench: A Benchmark for Evaluating World Models in Robotic Manipulation

RoboWM-Bench：用于评估机器人操作中世界模型的基准

Feng Jiang, Yang Chen, Kyle Xu, Yuchen Liu, Haifeng Wang, Zhenhao Shen, Jasper Lu, Shengze Huang, Yuanfei Wang, Chen Xie, Ruihai Wu

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； Lightwheel 纠错

AI总结 本文提出RoboWM-Bench，用于评估视频世界模型在机器人操作中的执行能力，发现视觉合理性与实际执行性不一致，并分析了影响执行性能的因素。

HECTOR: Human-centric Hierarchical Coordination and Supervision of Robotic Fleets under Continual Temporal Tasks

HECTOR：面向人本的机器人舰队层级协调与监督方案

Shen Wang, Yinhang Luo, Jie Li, Meng Guo

机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； National University of Defense Technology（国防科技大学） 纠错

AI总结 HECTOR提出一种面向人本的机器人舰队协调与监督方案，通过三级层级结构实现动态任务分配与协调，提升计算效率并减少人工干预。

Any3D-VLA: Enhancing VLA Robustness via Diverse Point Clouds

Any3D-VLA：通过多样化点云增强VLA鲁棒性

Xianzhe Fan, Shengliang Deng, Xiaoyang Wu, Yuxiang Lu, Zhuoling Li, Mi Yan, Yujia Zhang, Zhizheng Zhang, He Wang, Hengshuang Zhao

机构 * School of Computing and Data Science, The University of Hong Kong, Hong Kong SAR, China（计算与数据科学学院，香港大学，香港特别行政区，中国） ； School of Computing（计算学院） ； Peking University, Beijing, China（北京大学，北京，中国） 纠错

AI总结 本文提出Any3D-VLA，通过整合点云与2D表示，提升VLA在复杂场景中的鲁棒性，解决3D数据稀缺和领域差距问题。

Comments ICML 2026

PacTure: Efficient PBR Texture Generation on Packed Views with Visual Autoregressive Models

PacTure：基于打包视角的高效PBR纹理生成方法

Fan Fei, Jiajun Tang, Fei-Peng Tian, Boxin Shi, Ping Tan

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，计算机学院，北京大学） ； National Engineering Research Center of Visual Technology, School of Computer Science, Peking University（视觉技术国家工程研究中心，计算机学院，北京大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Light Illusions ； PKU-AI 2 Robotics Joint Lab of Embodied AI（北京大学人工智能2机器人联合实验室） 纠错

AI总结 PacTure通过引入视角打包技术，提升多视角生成的效率与一致性，结合自回归模型实现高效PBR纹理生成。

Comments Accepted by Computational Visual Media Journal (CVMJ) in Feb. 2026. 19 pages, 7 figures

From Street View to Visual Network: Mapping the Visibility of Urban Landmarks with Vision-Language Models

从街景到视觉网络：利用视觉语言模型映射城市地标可见性

Zicheng Fan, Kunihiko Fujiwara, Pengyuan Liu, Fan Zhang, Filip Biljecki

机构 * organization= Department of Architecture, National University of Singapore , country= Singapore ； organization= Research \& Development Institute, Takenaka Corporation , country= Japan ； organization= Urban Analytics Subject Group, Urban Studies \& Social Policy Division, University of Glasgow , country= United Kingdom ； organization= Institute of Remote Sensing ； GIS, Peking University , country= China ； organization= Department of Real Estate, National University of Singapore , country= Singapore 纠错

AI总结 本文提出利用视觉语言模型将地标可见性分析转化为图像空间中的视觉搜索问题，通过街景图像实现高效可见性评估，构建异构可见性图以表示地标、街景位置及城市空间之间的视觉连接，实验表明方法在数据受限情况下具有较高准确性。

BiSpikCLM: A Spiking Language Model integrating Softmax-Free Spiking Attention and Spike-Aware Alignment Distillation

BiSpikCLM: 一种整合无Softmax脉冲注意力和脉冲感知对齐蒸馏的脉冲语言模型

Sihang Guo, Chenlin Zhou, Jiaqi Wang, Kehai Chen, Qingyan Meng, Zhengyu Ma

机构 * School of Electronic and Computer Engineering, Shenzhen Graduate School, Peking University, Shenzhen, China（电子工程学院，深圳研究生院，北京大学，深圳，中国） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室，深圳，中国） ； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学，深圳，中国） 纠错

AI总结 BiSpikCLM是首个完全二进制脉冲MatMul-free因果语言模型，通过无Softmax脉冲注意力和脉冲感知对齐蒸馏实现高效训练，显著降低计算成本。