高校专区
Dexora: 开源的高自由度双臂灵巧性VLA系统
机构 * Tsinghua University（清华大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； ShanghaiTech University（上海科技大学） ； Peking University（北京大学）
AI总结 本文提出Dexora，首个开源的VLA系统，旨在双臂双手高自由度操作，通过混合遥控管道分离粗臂运动和精细手指运动，结合物理平台和数字孪生，构建大规模训练数据集，并提出数据质量感知训练方法，实验证明其在基础和灵巧任务上的优越性能。
Comments Accpeted by ICRA 2026
InstructAV2AV：基于指令的音频视频联合编辑
机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Peking University（北京大学）
AI总结 本文提出InstructAV2AV，首个端到端的指令引导音频视频联合编辑框架，通过构建大规模音频视频编辑数据集InsAVE-80K和改进的生成模型，实现了更高质量的音频视频联合编辑。
StableVLA: 向无额外数据的鲁棒视觉-语言-动作模型迈进
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学） ； Nankai University（南开大学）
AI总结 本文研究了在未见真实世界视觉扰动下视觉-语言-动作（VLA）模型的鲁棒性问题，提出了一种基于信息理论的轻量级适配模块IB-Adapter，有效提升模型性能，同时保持高效和效果。
Comments Accepted by ICML 2026. Code: https://github.com/DAGroup-PKU/HumanNet. Project website: https://dagroup-pku.github.io/StableVLA/
成对偏好奖励与基于群体的多样性增强以实现更优的开放生成
机构 * Xingchen AGI Lab, China Telecom Artificial Intelligence Technology (Beijing) Co., Ltd（星辰AGI实验室，中国电信人工智能技术（北京）有限公司） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； Tsinghua University（清华大学）
AI总结 本文提出了一种适用于开放生成任务的强化学习方法PPR-GDE，通过成对偏好奖励和基于群体的多样性增强，解决了传统方法在开放生成任务中存在验证困难、计算成本高以及多样性下降的问题。
Comments Work in progress
代理 harness 工程：基于可观测性的自动进化编码代理 harness
机构 * Fudan University（复旦大学） ； Peking University（北京大学） ； Shanghai Qiji Zhifeng Co., Ltd（上海启智锋科技有限公司）
AI总结 本文提出了一种基于可观测性的代理 harness 工程方法，通过三个支柱解决 harness 工程中的挑战，使 harness 进化过程自动且可控，实验表明其在多个基准测试中表现优异。
从手工到内核：一种以治理为导向的执行架构和语义ISA用于代理计算机
机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出了一种以治理为导向的执行架构和语义指令集架构（ISA），旨在解决代理计算机中AI从脆弱原型到生产系统的过渡问题，通过引入概率处理单元和确定性神经符号内核，提升系统的安全性和可靠性。
YOLO-NAS-Bench: 一种具有自进化预测器的代理基准，用于YOLO架构搜索
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 本文提出YOLO-NAS-Bench，一种针对YOLO检测器的代理基准，通过自进化机制提升预测器的准确性，从而在YOLO架构搜索中实现高效评估。
Comments Accepted as Oral at CVPR 2026 Workshop on Neural Architecture Search (NAS)
微调一种心电图基础模型以预测冠状动脉CT血管造影结果
机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学人民医院医学技术研究所） ； National Institute of Health Data Science, Peking University（北京大学国家健康数据科学研究院） ； Department of Cardiology, Peking University People’s Hospital（北京大学人民医院心内科） ； Tianjin Key Laboratory of Ionic-Molecular Function of Cardiovascular Disease, Department of Cardiology, Tianjin Institute of Cardiology, The Second Hospital of Tianjin Medical University（天津医科大学心血管离子-分子功能重点实验室，天津心脏病学研究院，天津医科大学第二医院心内科） ； Heart Voice Medical Technology（心声医疗科技） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院）
AI总结 本文研究了通过微调心电图基础模型来预测冠状动脉CT血管造影结果的研究问题，采用多中心研究方法，利用CTCA作为解剖参考标准，开发并验证了AI-ECG模型，以预测血管特异性冠状动脉狭窄，并展示了模型在内部和外部验证中的表现，以及其在临床中的应用价值。
大语言模型中的早期停止思维链
机构 * University of Delaware（德克萨斯大学） ； Peking University（北京大学）
AI总结 本文提出了一种在推理阶段减少思维链生成长度的方法ES-CoT，通过检测答案收敛并提前停止来降低推理成本，同时保持与标准思维链相当的准确性。
AdaSwitch: 一种在小型和大型代理之间自适应切换以实现有效的云-本地协作学习方法
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） ； School of Intelligence Science and Technology, Peking University（智能科学与技术学院，北京大学） ； East China Normal University（东华大学） ； Chinese Academy of Sciences（中国科学院） ； Baidu Inc（百度公司） ； Beijing Institute of Technology（北京理工大学） ； University of Birmingham（伯明翰大学）
AI总结 本文提出了一种新的LLM使用范式，通过自适应机制在云端和本地部署的LLM之间切换，以提高任务完成性能和效率，通过本地代理处理简单推理步骤，云代理处理复杂推理步骤，实验表明该方法在多个基准测试中有效提升了本地代理的性能。
Comments EMNLP 2024 Main Conference
TaskGround：全场景家庭推理的结构化可执行任务推断
机构 * Tsinghua University（清华大学） ； Microsoft Research Asia（微软亚洲研究院） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学）
AI总结 本文提出TaskGround框架，通过结构化任务推断提升全场景家庭推理能力，其核心贡献是引入FullHome评估套件，验证了在家庭场景中执行任务结构推断的重要性，并展示了紧凑本地模型在实际家庭部署中的有效性。
Comments Project page: https://aaronfengzy.github.io/TaskGround/
DocOS: 向 GUI 代理中的主动文档引导行动迈进
机构 * School of Computer Science and Engineering, Beihang University, Beijing, China（北航计算机科学与工程学院） ； School of Computer Science, Peking University, Beijing, China（北京大学计算机科学学院） ； School of Computer Science and Technology, Beijing Institute of Technology, Beijing（北京理工大学计算机科学与技术学院） ； School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）计算机科学与技术学院） ； Baidu Inc., Beijing, China（百度公司）
AI总结 本文提出 DocOS 基准，通过引导文档解决长尾任务，解决 GUI 代理在动态开放网络环境中处理长尾任务的能力限制，核心方法是主动文档引导行动，主要贡献是设计了一个评估文档引导问题解决能力的基准。
OmniSelect: 动态模态感知的令牌压缩用于高效多模态大语言模型
机构 * Soochow University（苏州大学） ； Peking University（北京大学）
AI总结 本文提出OmniSelect，一种无需训练的模态自适应令牌剪枝框架，通过动态选择压缩策略来提高多模态大语言模型的效率，通过轻量级AudioCLIP模型估计跨模态相关性，并根据相关性得分在不同时间组中进行细粒度令牌剪枝，从而在不增加训练成本的情况下实现高效的多模态令牌压缩。
AdaptiveLoad: 向高效视频扩散变换器训练迈进
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Tianjin University（天津大学）
AI总结 本文提出AdaptiveLoad框架，通过双约束自适应负载平衡系统和融合LayerNorm-Modulate CUDA内核，解决视频生成模型中大规模视频扩散变换器（如DiT和MMDiT）训练中的计算不平衡问题，实验显示其在Wan 2.1世界模型上提升了计算效率和训练吞吐量。
WorldArena 2.0: 扩展模态、功能和平台的具身世界模型基准测试
机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Stanford University（斯坦福大学） ； The University of Hong Kong（香港大学） ； Princeton University（普林斯顿大学） ； Chinese Academy of Sciences（中国科学院） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出WorldArena 2.0，扩展了具身世界模型的评估，涵盖模态、功能和平台三个维度，提供全面的测试平台以评估具身世界模型的进展。
评估交互式AI代理的认知年龄对齐
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Shenzhen Children's Hospital（深圳儿童医院） ； Peking University（北京大学） ； Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出ChildAgentEval，首个基于心理测量的交互式基准，用于评估基于多模态大语言模型的代理的认知年龄对齐，通过与年龄特定的人类发展阶段进行系统比较，揭示当前代理在模拟年龄特定认知行为方面的优劣。
通过路径测度的序列蒙特卡洛实现扩散模型的简单近似与无导数推理时间缩放
机构 * School of Mathematical Sciences, Peking University, Beijing, China ； School of Mathematical Sciences, Fudan University, Shanghai, China ； Department of Industrial Engineering \& Management Sciences, Northwestern University, Evanston, IL, United States ； Institute for Computational \& Mathematical Engineering, Stanford University, Stanford, CA, United States ； Management Science \& Engineering, Stanford University, Stanford, CA, United States
AI总结 本文提出URGE算法，一种无需梯度的推理时间缩放方法，通过路径重要性重加权提升扩散模型样本质量，同时在合成测试和扩散模型基准中表现出色，且实现简单且无梯度依赖。
Comments accepted by ICML 2026
实验中的代理，代理中的实验：一种面向人工智能增强型实验科学的设计语法
机构 * Guanghua School of Management, Peking University（北京大学光华管理学院） ； Xi'an Jiaotong University（西安交通大学） ； Cheung Kong Graduate School of Business（长江商学院）
AI总结 本文提出SEED框架，用于表示实验条件为类型化的代理-流程图，以支持实验设计的自动化生成和评估，通过在医疗分诊任务中的实验证明其有效性，并讨论了新颖性、可重复性等治理问题。
MoASE++: 基于领域自适应在线蒸馏的激活稀疏专家混合模型用于持续测试时间适应
机构 * Nanjing University and The Hong Kong Polytechnic University（南京大学和香港理工大学） ； 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，计算机科学学院） ； University of Arizona（亚利桑那大学） ； Hong Kong University of Science and Technology（香港科技大学） ； School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； Nanjing University（南京大学）
AI总结 本文提出MoASE++，通过结合领域自适应在线蒸馏的激活稀疏专家混合模型，解决持续测试时间适应中领域无关结构与领域特定纹理分离的问题，提升模型在动态视觉环境中的持续适应能力。
UST-Hand: 一种面向3D自监督手姿态估计的不确定性感知时空点云交互网络
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Sun Yat-sen University（中山大学） ； Peking University（北京大学） ； Defense Innovation Institute, Academy of Military Sciences（国防科技创新院，军事科学学院） ； Tianjin Artificial Intelligence Innovation Center（天津人工智能创新中心）
AI总结 本文提出UST-Hand，一种通过估计手姿态不确定性分布并构建概率点云特征空间的自监督学习框架，以更稳定地建模复杂的时空关系，从而在三个具有挑战性的数据集上实现了最先进的性能，比现有自监督方法在均位点误差（MPVPE）上高出37.8%。
Comments Accepted by CVPR 2026
AT-VLA: 用于增强视觉-语言-动作模型反馈反应的自适应触觉注入
机构 * School of Computer Science, Peking University（北京大学计算机科学系） ； PrimeBot ； PKU Lab（北京大学实验室）
AI总结 本文提出AT-VLA，一种自适应触觉注入机制，通过动态决定触觉注入的时间和位置，减少对预训练表示的干扰，同时引入触觉反应双流机制，实现快速准确的触觉响应，以提高视觉-语言-动作模型在接触丰富操作任务中的表现。
LEGO: 一个基于LLM技能的前端设计生成平台
机构 * School of IC, Peking University（北京大学集成电路学院） ； School of EECS, Peking University（北京大学电子信息技术学院） ； School of Microelectronics, Xidian University（西安电子科技大学微电子学院） ； Institute of EDA, Peking University（北京大学EDA研究院） ； Beijing Advanced Innovation Center for IC（北京集成电路先进创新中心）
AI总结 本文提出LEGO平台，通过将数字前端流程分解为六个独立步骤，并将每个代理能力表示为标准化的可组合电路技能，实现了高效的前端设计生成，显著提升了RTL设计自动化的效果。
Comments Accepted to ISEDA 2026. Best Paper Nomination. 7 pages, 3 figures
IdGlow: 多主体生成中的动态身份调节
机构 * Xiaohongshu Inc.（小红书公司） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出IdGlow框架，通过任务自适应的时间步调度和视觉语言模型解决多主体生成中的稳定性与可塑性矛盾，提升面部真实感与商业级美学质量。
超越补丁：面向多模态少样本字体生成的全局感知自回归模型
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王学轩计算机技术研究所） ； School of Electronics Engineering and Computer Science, Peking University（北京大学电子工程与计算机科学学院）
AI总结 本文提出GAR-Font，一种多模态少样本字体生成的自回归框架，通过全局感知分词器、多模态风格编码器和后处理流程，提升了字体生成的全局风格一致性和质量。
Comments 28 pages, Accepted as CVPR 2026 Conference Paper
Merlin's Whisper：通过黑盒说服提示增强大语言模型的高效推理
机构 * Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系） ； Sea AI Lab（Sea AI实验室） ； Peking University（北京大学）
AI总结 本文提出Whisper框架，通过黑盒说服提示减少大语言模型（LRM）的推理过程中的token使用量，同时保持性能，展示了在多个基准测试中显著的token减少效果。
Comments ACL 2026 (Long Paper), camera-ready version
多类预测中的诚实校准误差
机构 * Peking University（北京大学） ； Northwestern University（西北大学） ； Microsoft Research, New England（微软研究院（新英格兰）） ； Northeastern University（东北大学） ； Khoury College of Computer Sciences（计算机科学学院）
AI总结 本文研究了多类预测中诚实校准误差的实用作用，提出了完美诚实校准误差以处理标签分布的多维线性属性，并分析了这些诚实误差在决策理论上的影响，从而解释并缓解了分箱校准误差的排名鲁棒性问题。
通过阶段感知稀疏性提升MLLM训练效率
机构 * Peking University（北京大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出了一种基于稀疏表示的高效训练框架STS，通过阶段感知设计适应不同训练阶段的冗余，采用视觉标记压缩器和层动态跳过器来减少计算开销，验证了其在多种MLLM架构上的有效性。
基于记忆的查询意图理解用于高效的基于聊天的图像检索
机构 * School of Computer Science and Technology, and the School of Statistics and Mathematics, Zhejiang Gongshang University（计算机科学与技术学院，和统计与数学学院，浙江工商大学） ； School of Computer Science and Technology, Zhejiang Gongshang University, and the Zhejiang Key Laboratory of Big Data and Future E-Commerce Technology（计算机科学与技术学院，浙江工商大学，和大数据与未来电子商务技术浙江省重点实验室） ； Wangxuan Institute of Computer Technology, Peking University（王璇计算机技术研究所，北京大学） ； School of Information and Electronic Engineering, Zhejiang Gongshang University（信息与电子工程学院，浙江工商大学） ； School of Computer Science and Technology, East China Normal University（计算机科学与技术学院，华东师范大学） ； Key Laboratory of Intelligent Information Processing of Chinese Academy of Sciences , Institute of Computing Technology, CAS（中国科学院智能信息处理重点实验室，计算技术研究所，中国科学院） ； School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学）
AI总结 本文提出了一种高效的基于聊天的图像检索任务中的记忆增强查询意图理解框架MAQIU，通过动态聚合和演化查询意图的语义表示，防止意图遗忘并增强长期语义完整性，从而在保持高计算效率的同时实现显著的性能提升。
SpecSem-Net: 通过融合频谱和语义特征实现鲁棒的AI生成视频检测
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学计算机技术研究院）
AI总结 本文提出SpecSem-Net框架，通过引入语义引导的频谱去噪机制，有效检测高保真AI生成视频，实验表明其在基准和公开数据集上达到87.25%和95.59%的准确率。
分步评分奖励用于大语言模型推理
机构 * Peking University（北京大学） ； JD Explore Academy（京东探索学院） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出一种分步评分奖励方法，通过引入LLM判官对每个评分项进行归因，规范化每步评分，并结合优势估计器提高推理准确性和减少自我纠正循环。
Comments Code available at https://github.com/akarinmoe/SRaR
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