Peking University（北京大学）

Scalable Bi-causal Optimal Transport via KL Relaxation and Policy Gradients

基于KL松弛和策略梯度的可扩展双因果最优传输

Haoyang Cao, Jesse Hoekstra, Renyuan Xu, Yumin Xu, Ruixun Zhang

机构 * Department of Applied Mathematics and Statistics, Data Science and AI Institute, and Mathematical Institute for Data Science, Johns Hopkins University（应用数学与统计学系、数据科学与人工智能学院以及数据科学数学研究所，约翰霍普金斯大学） ； Department of Statistics, Oxford-Man Institute of Quantitative Finance, and Nuffield College, University of Oxford（统计系、牛津-曼定量金融研究所以及牛津大学努尔菲尔德学院） ； Management Science & Engineering Department, Stanford University（管理科学与工程系，斯坦福大学） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） 纠错

AI总结 本文提出了一种基于KL松弛和策略梯度的可扩展双因果最优传输方法，通过引入KL惩罚项将硬约束转化为可处理的散度惩罚，从而解决连续分布和长时域下双因果耦合约束的计算难题，展示了在稳健子对冲和时间序列统计降缩等应用中的有效性。

EgoIntrospect: An Egocentric Dataset and Benchmark for User-Centric Internal State Reasoning

EgoIntrospect: 一个用于用户中心内部状态推理的注视数据集和基准

Zeyu Wang, Chang Liu, Eduardus Tjitrahardja, Yuntao Wang, Borislav Pavlov, Fangfei Gou, Jose Manuel Davila, Dai Shi, Ran Xu, Yue Pan, Jiayi Tan, Shuting Chang, Qi Wang, Jinzhao Li, Jiacheng Hua, Yifei Huang, Jingwei Sun, Yu Zhang, Liuxin Zhang, Guocai Yao, Jia Jia, Yin Li, Qianying Wang, Yuanchun Shi, Miao Liu

机构 * Tsinghua University（清华大学） ； Tongji University（同济大学） ； Renmin University of China（中国人民大学） ； The University of Tokyo（东京大学） ； Lenovo Group（联想集团） ； Peking University（北京大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Shanghai Qi Zhi Institute（上海启智研究院） 纠错

AI总结 本文提出EgoIntrospect数据集，用于研究用户中心内部状态推理，通过自注释揭示用户与AI助手的交互意图，评估多模态大语言模型在从注视观察中推理用户内部状态的能力。

CAM-Bench: A Benchmark for Computational and Applied Mathematics in Lean

CAM-Bench: 一个用于Lean中的计算与应用数学的基准测试

Wentao Long, Yunfei Zhang, Chenyi Li, Li Zhou, Chumin Sun, Zaiwen Wen

机构 * Fudan University（复旦大学） ； Qingdao University（青岛大学） ； Peking University（北京大学） ； Huawei Technologies Ltd.（华为技术有限公司） 纠错

AI总结 本文提出CAM-Bench，一个包含1000个Lean证明目标的基准测试，涵盖优化、数值线性代数和数值分析等领域，旨在补充现有形式化数学基准测试，通过针对依赖教科书概念和基本定理的应用数学问题进行评估。

Comments Preprint. 44 pages, 7 figures

VoxScene: Anchor-Conditioned Voxel Diffusion for Indoor Scene Arrangement

VoxScene: 基于锚点的体素扩散用于室内场景布置

Haotian Mao, Yuhan Huang, Jiatao Lin, Yang Zhao, Hui Wang, Yiheng Zhang, Yuwang Wang, Chenliang Zhou, Yan Zhang, Fangcheng Zhong, Xubo Yang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学） ； University of Cambridge（剑桥大学） ； Peking University（北京大学） 纠错

AI总结 本文提出VoxScene，一种基于锚点的体素扩散框架，用于3D场景合成。通过引入显式的、以物体为中心的体素表示，解决了现有方法在处理密集环境时的物理碰撞和结构纠缠问题，实现了高保真体素网格的生成，提升了场景布置的物理合理性和形状多样性。

From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction

从静态风险到动态轨迹：迈向世界模型启发的临床预测

Pujun Feng, Xiaoyu Guo, Seyed Ehsan Saffari, Min Hun Lee, Siew-Kei Lam, Erik Cambria, Xibin Sun, Yangtao Zhou, Tong Yang, Xiaoyu Zhang, Tao Tan, Yue Sun, Bin Cui

机构 * Faculty of Applied Sciences, Macao Polytechnic University（澳门理工学院应用科学学院） ； School of Software & Microelectronics, Peking University（北京大学软件与微电子学院） ； School of Computing and Information Systems, Singapore Management University（新加坡管理学院计算机与信息系统学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Public Health, Peking University（北京大学公共卫生学院） ； School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） ； School of Computer, Peking University（北京大学计算机学院） ； School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） ； Centre for Biomedical Data Science, Duke-NUS Medical School, National University of Singapore（新加坡国立大学杜克-国立新加坡医学学院生物医学数据科学中心） ； Duke-NUS AI + Medical Sciences Initiative, Duke-NUS Medical School（杜克-国立新加坡医学学院AI+医学科学计划） 纠错

AI总结 本文探讨了临床AI中干预感知的疾病轨迹建模方法，提出了统一框架，结合了预测、反事实轨迹和政策评估，以解决治疗分配、时间变化混杂和观察偏差问题，推动临床预测向决策级证据发展。

WOW-Seg: A Word-free Open World Segmentation Model

WOW-Seg: 无词开放世界分割模型

Danyang Li, Tianhao Wu, Bin Li, Zhenyuan Chen, Yang Zhang, Yuxuan Li, Ming-Ming Cheng, Xiang Li

机构 * NKIARI, Shenzhen Futian（深圳福田NKIARI） ； VCIP, CS, Nankai University（南开大学VCIP实验室） ； AAIS, Nankai University（南开大学AAIS实验室） ； Sichuan Agricultural University（四川农业大学） ； Peking University Shenzhen Graduate School（北京大学深圳研究生院） 纠错

AI总结 本文提出WOW-Seg模型，旨在解决开放世界图像分割中的目标精确分割与语义理解问题，通过引入Mask2Token模块和Cascade Attention Mask，提升模型性能，并构建了Region Recognition Dataset (RR-7K)数据集，在LVIS数据集上取得优异成果。

Comments Accepted by ICLR 2026. Code and benchmark dataset are available at https://github.com/AAwCAA/WOW-Seg-Meta

Sketch Then Paint: Hierarchical Reinforcement Learning for Diffusion Multi-Modal Large Language Models

草图然后绘画：用于扩散多模态大语言模型的分层强化学习

Siqi Luo, Jianghan Shen, Yi Xin, Huayu Zheng, Haoxing Chen, Yan Tai, Yue Li, Junjun He, Yihao Liu, Guangtao Zhai, Yuewen Cao, Xiaohong Liu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院） ； Peking University（北京大学） 纠错

AI总结 本文提出了一种分层强化学习方法HT-GRPO，通过Sketch-Then-Paint训练方案和分层信用分配机制，解决扩散多模态大语言模型在强化学习优化中的关键问题，提升图像质量和审美效果。

Missing Old Logits in Asynchronous Agentic RL: Semantic Mismatch and Repair Methods for Off-Policy Correction

异步代理强化学习中缺失旧日志：语义不匹配及用于离线策略修正的修复方法

Zhong Guan, Yongjian Guo, Haoran Sun, Wen Huang, Shuai Di, Likang Wu, Xiong Jun Wu, Hongke Zhao

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

AI总结 本文研究了异步代理强化学习中因缺失旧日志导致的语义不匹配问题，提出三种精确获取旧日志的策略及近似修正方法，改进了PPO-EWMA方法，提升了训练速度和优化性能。

ExpThink: Experience-Guided Reinforcement Learning for Adaptive Chain-of-Thought Compression

ExpThink：基于经验的强化学习用于自适应思路链压缩

Tingcheng Bian, Yuzhe Zhang, Jing Jin, Jinchang Luo, MingQuan Cheng, Haiwei Wang, Wenyuan Jiang, Miaohui Wang

机构 * Baidu Inc.（百度公司） ； Shenzhen University（深圳大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； D-INFK, ETH Zürich（ETH Zürich 计算机科学与技术研究所） 纠错

AI总结 本文提出ExpThink框架，通过经验引导奖励塑造和难度自适应优势机制，实现思路链压缩的准确优先、压缩次之的训练目标，实验表明其在多个数学推理基准上显著提升压缩效率和准确性。

Comments 39 pages, 18 figures. Code and model checkpoints will be released upon publication

MolClaw: An Autonomous Agent with Hierarchical Skills for Drug Molecule Evaluation, Screening, and Optimization

MolClaw：一种具有分层技能的自主代理，用于药物分子评估、筛选和优化

Lisheng Zhang, Lilong Wang, Xiangyu Sun, Wei Tang, Haoyang Su, Yuehui Qian, Qikui Yang, Qingsong Li, Zhenyu Tang, Haoran Sun, Yingnan Han, Yankai Jiang, Wenjie Lou, Bowen Zhou, Xiaosong Wang, Lei Bai, Zhengwei Xie

机构 * Peking University Health Science Center, Peking University, Beijing, China（北京大学北京医院科学中心，北京大学，北京，中国） ； Shanghai AI Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） ； Academy for Advanced Interdisciplinary Studies, Peking University, Beijing, China（北京大学先进跨学科研究学院，北京大学，北京，中国） 纠错

AI总结 MolClaw通过分层技能架构整合30余种领域资源，实现药物分子评估、筛选和优化的自动化，其在复杂工作流中的表现优于现有AI代理。

Comments 28 pages, 8 figures. Code and data will be released

BioProAgent: Neuro-Symbolic Grounding for Constrained Scientific Planning

BioProAgent：用于受限科学规划的神经符号接地

Yuyang Liu, Jingya Wang, Liuzhenghao Lv, Yonghong Tian

机构 * School of AI for Science, Peking University（科学人工智能学院，北京大学） ； School of Electronic and Computer Engineering, Peking University（电子与计算机工程学院，北京大学） ； School of Computer Science, Peking University（计算机科学学院，北京大学） 纠错

AI总结 BioProAgent通过神经符号框架将概率规划锚定在确定性有限状态机中，解决复杂设备模式中的上下文瓶颈，提升物理执行的可靠性。

SSL4RL: Revisiting Self-supervised Learning as Intrinsic Reward for Visual-Language Reasoning

SSL4RL：重新审视自监督学习作为视觉语言推理的内在奖励

Xiaojun Guo, Runyu Zhou, Yifei Wang, Qi Zhang, Chenheng Zhang, Stefanie Jegelka, Xiaohan Wang, Jiajun Chai, Guojun Yin, Wei Lin, Yisen Wang

机构 * Peking University（北京大学） ； MIT（麻省理工学院） ； TUM（技术大学（TUM）） ； Meituan（美团） ； Peking University School of CIT, MCML, MDSIEECS and CSAIL（北京大学计算机学院、MCML、MDSIEECS以及CSAIL） 纠错

AI总结 本文提出SSL4RL框架，利用自监督学习任务作为强化学习的可验证奖励，提升视觉语言推理性能，并通过实验验证其在多模态模型对齐中的有效性。

CoLLM-NAS: Collaborative Large Language Models for Efficient Knowledge-Guided Neural Architecture Search

CoLLM-NAS：协作大型语言模型用于高效知识引导的神经架构搜索

Zhe Li, Zhiwei Lin, Yongtao Wang

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学计算机科学技术研究院） 纠错

AI总结 本文提出CoLLM-NAS，一种基于协作大型语言模型的两阶段神经架构搜索框架，通过导航和生成两个LLM及协调模块，有效指导搜索过程，提升效率并取得新状态最优结果。

Comments Accepted as Oral at CVPR 2026 Workshop on Neural Architecture Search (NAS)

Multiscale Supervised Unbalanced Optimal Transport Flow Matching

多尺度监督不平衡最优传输流匹配

Qiangwei Peng, Lezhi Chen, Peijie Zhou

机构 * Center for Quantitative Biology, Peking University（北京大学定量生物学中心） ； National Engineering Laboratory for Big Data Analysis and Applications, Beijing, China（大数据分析与应用国家工程实验室） ； AI for Science Institute, Beijing, China（人工智能科学研究院） 纠错

AI总结 本文提出MUST-FM框架，通过利用多尺度数据结构和已知的转移先验知识，有效降低计算成本并实现鲁棒的轨迹推断，适用于大规模单细胞数据集的动态建模。

MoleCode unlocks structural intelligence in large language models

MoleCode 解锁大型语言模型中的结构智能

Zhiyuan Yan, Chen Liu, Boxuan Zhao, Kaiqing Lin, Jixiang Zhao, Yimi Wang, Liuzhenghao Lv, Hao Li, Shanzhuo Zhang, Li Yuan, Fanyang Mo

机构 * Peking University Shenzhen Graduage School 纠错

AI总结 MoleCode 通过引入图显分子语言，使大型语言模型能直接操作分子结构，提升分子推理、编辑、生成和分析任务的性能，尤其在结构受限场景下表现突出。

LERA: LLM-Enhanced RAG for Ad Auction in Generative Chatbots

LERA：基于大语言模型的生成聊天机器人广告拍卖

Haoran Sun, Xinrui Song, Xinyu Zhang, Zhaohua Chen, Xu Chu, Zhilin Zhang, Chuan Yu, Jian Xu, Bo Zheng, Xiaotie Deng

机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） ； Shandong University（山东大学） 纠错

AI总结 LERA提出一种两阶段检索生成拍卖框架，通过嵌入粗过滤和LLM提示生成优化广告相关性评分，提升广告选择准确性和多样性。

Comments Work in Progress

CAVE: A Structured Credit Assignment Approach for Fragmented Visual Evidence Reasoning

CAVE：一种用于碎片化视觉证据推理的结构化信用分配方法

Tengda Guo, Jie Leng, Hanlei Li, Yaoyuan Liang, Qingyue Zhang, Dian Yang, Mingyu Zhang, Yuhua Fu, Shao-Lun Huang

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Zhejiang University of Technology（浙江工业大学） 纠错

AI总结 CAVE通过结构化过程-奖励机制提升碎片化视觉推理能力，引入三个互补信号优化推理步骤，提升模型可靠性与鲁棒性。

Comments 24 pages, 6 figures. Preprint

An Information-Theoretic Criterion for Efficient Data Synthesis

一种信息论准则用于高效数据合成

Hanyu Li, Zhengqi Sun, Xiaotie Deng

机构 * CFCS, School of Computer Science, Peking University, Beijing, China（计算机科学系，北京大学，北京，中国） ； Department of Information Management, Peking University, Beijing, China（信息管理系，北京大学，北京，中国） 纠错

AI总结 本文提出信息开放循环的准则，指出合成数据的有效性取决于外部信号注入任务相关信息，从而提升模型效率与泛化能力。

Comments 12 pages. Camera-ready version for ICML 2026