高校专区
通过双区间运动线索解耦自身运动与目标动态以实现无人机检测
机构 * Department of Robotics, School of Advanced Manufacturing and Robotics（机器人学院，先进制造与机器人学院） ； State Key Laboratory of Turbulence and Complex Systems（湍流与复杂系统国家重点实验室） ； Peking University（北京大学） ； Great Bay University（大湾大学）
AI总结 本文提出了一种基于视觉的运动引导检测框架，通过双区间运动提取策略和轻量级运动引导注意力模块，解耦目标运动与相机干扰，提升无人机检测在剧烈自身运动下的性能。
三思而后言：基于双重知识增强的理论思维推理用于说服代理
机构 * Northwestern Polytechnical University（西北工业大学） ； Peking University（北京大学） ； Harbin Engineering University（哈尔滨工程大学）
AI总结 本文提出了一种基于双重知识增强的理论思维推理方法，用于提升说服代理的对话能力，通过构建大规模标注数据集和提出TTBYS框架，提高了LLM在推理欲望、信念和说服策略方面的性能。
Comments 19 pages, 6 figures
Pre-VLA: 预防性运行时验证用于可靠视觉-语言-动作和世界模型展开
机构 * Beihang University（北京航空航天大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； JDT AI Infra ； Zhejiang University（浙江大学）
AI总结 本文提出Pre-VLA，一种统一的运行时验证架构，用于在物理执行或世界模型想象之前评估动作的有效性，以提高视觉-语言-动作和世界模型展开的可靠性。
SciCore-Mol: 通过可插拔分子认知模块增强大语言模型
机构 * School of Electronic and Computer Engineering, Peking University, Shenzhen, China（电子与计算机工程学院，北京大学深圳校区） ； Tsinghua University, Beijing, China（清华大学，北京） ； School of Intelligence Science and Technology, Nanjing University, Suzhou, China（智能科学与技术学院，南京大学苏州校区）
AI总结 本文提出SciCore-Mol框架，通过三个深度集成的可插拔认知模块解决大语言模型处理异构科学数据（如分子）时的语义鸿沟问题，实现分子理解、生成、反应预测和化学知识的综合性能提升。
Comments 15 pages, 4 figures, 9 tables. Preprint
SGR-Bench: 对状态门控检索的搜索代理基准测试
机构 * Peking University（北京大学） ； Beijing University of Technology（北京理工大学）
AI总结 本文提出SGR-Bench，一个用于评估状态门控检索能力的基准数据集，包含100个专家 curated 任务，通过对比显式和隐式指导方法，揭示了搜索代理在处理状态门控检索任务时的主要挑战。
Comments Work in Progress. 23 pages, 7 figures, preprint
SWE-Mutation：LLMs能否在软件工程中生成可靠的测试套件？
机构 * State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Beihang University（北航） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； NeoShell AI ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
AI总结 本文提出SWE-Mutation基准，用于评估LLM生成的测试套件质量，通过系统性地变异解决方案来测试测试套件的可靠性，并发现当前LLM在生成可靠且具有判别力的测试套件方面存在不足。
Comments 24 pages, 8 figures
Journal ref ACL 2026 Findings
单向策略优化用于自演化大语言模型
机构 * Shenzhen Graduate School, Peking University（北京大学深圳研究生院） ； Dartmouth College（达特茅斯学院） ； Alibaba（阿里巴巴）
AI总结 本文提出单向策略优化方法，通过解耦优化方向与更新幅度，解决传统方法中验证器奖励稀疏导致的训练不稳定问题，实现大语言模型的持续自演化。
AesFormer: 将日常照片转化为美丽的记忆
机构 * Wangxuan Institute of Computer Technology, Peking University, Beijing, China（王轩计算机技术研究所，北京大学，北京，中国）
AI总结 本文提出AesFormer框架，通过将审美规划与图像编辑解耦，改进照片的审美质量，同时保持主体身份和场景语义，构建了包含9071对严格对齐图像对的AesRecon基准数据集。
Comments Accepted by ICML 2026
超越像素：从少量示范中学习不变的奖励以实现实世界机器人学
机构 * School of Computing and Data Science, The University of Hong Kong（计算科学与数据科学学院，香港大学） ； LimX Dynamics Technology Co., Ltd（LimX动力技术有限公司） ； Southern University of Science and Technology（南方科技大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 本文提出了一种从少量示范中学习不变奖励的方法，以实现实世界机器人学中的泛化能力，通过发现行为不变量来改进奖励函数的设计，从而在多个任务中提升策略学习效果。
通过基准构建教学AI：QuestBench作为一门课程实践以实现问责知识工作
机构 * Peking University（北京大学） ； Advanced Institute of Big Data（大数据高级研究院）
AI总结 本文提出通过构建基准来教学AI，介绍QuestBench作为一门课程实践，帮助学生理解在AI时代知识工作的责任。
Comments 24 pages, 5 figures, 4 tables
Lens Privacy Sealing: 一种新的基准和方法用于物理隐私保护的动作识别
机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School（北京大学深圳研究生院通用人工智能国家重点实验室） ； Department of Computer Science and Engineering, State University of New York at Buffalo（纽约州立大学布法罗分校计算机科学与工程系）
AI总结 本文提出了一种名为Lens Privacy Sealing (LPS)的硬件解决方案，通过可调节的贴膜物理遮挡摄像头镜头，实现低成本的预传感器隐私保护，并引入P$^3$AR数据集用于隐私保护的动作识别，同时提出MSPNet框架以应对LPS带来的视频退化问题，实验表明MSPNet在动作识别准确率和隐私保护方面具有优势。
Comments Accepted by IEEE Transactions on Image Processing (TIP), 2026
通过可微渲染和大语言模型实现通用骨架理解
机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School, China（人工智能通用基础理论国家重点实验室，北京大学深圳研究生院，中国） ； Tencent（腾讯） ； Nanjing University of Aeronautics（南京航空航天大学）
AI总结 本文提出SkeletonLLM，通过可微渲染将任意骨架序列转换为大语言模型的视觉模态，实现通用骨架理解，同时引入协同训练策略提升推理能力，展示了在开放词汇动作识别中的强泛化能力，并扩展到异构骨架格式的运动描述和问答任务。
Comments Accepted by ICML 2026
CoFEH: 由协作贝叶斯超参数优化赋能的LLM驱动特征工程
机构 * School of CS \& Key Lab of High Confidence Software Technologies (MOE), Peking University Beijing China ； School of CS \& Beijing Key Laboratory of Software ； Hardware Cooperative Artificial Intelligence Systems, Peking University Beijing China ； School of CS \& Key Lab of High Confidence Software Technologies (MOE), Peking University ； Hardware Cooperative Artificial Intelligence Systems, Peking University
AI总结 本文提出CoFEH框架，通过结合LLM驱动的特征工程和贝叶斯超参数优化，实现鲁棒的端到端AutoML，解决了传统方法在搜索空间刚性和缺乏领域意识的问题，并引入互条件机制提升FE与HPO的协同效果。
Comments Accepted at KDD 2026. Extended version with full appendices
视觉工具使用强化学习究竟在学习什么？解构工具诱导效应与内在效应以实现作物和缩放
机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Peking University（北京大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文研究了视觉工具使用强化学习在作物和缩放任务中的学习机制，通过引入MED框架解耦内在能力变化与工具诱导效应，发现改进主要由内在学习驱动，而工具使用强化学习主要减少工具诱导的负面影响，而非掌握工具。
Comments ICML 2026 camera ready. Code: https://github.com/GAIR-NLP/Med
Video-o3：长视频多跳推理的原生交错线索搜索
机构 * Nanjing University（南京大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； SIAT, Chinese Academy of Sciences（中国科学院软件研究所）
AI总结 本研究提出Video-o3框架，通过迭代发现显著视觉线索、细粒度检查关键片段以及适应性终止，提升长视频多跳推理能力，实验表明其在MLVU和Video-Holmes上分别达到72.1%和46.5%的准确率。
Comments 27 pages, 15 figures, 15 tables
Circle-RoPE: 用于大视觉-语言模型的锥形解耦旋转位置嵌入
机构 * Huawei Noah's Ark Lab.（华为诺亚实验室） ； City University of Hong Kong.（香港城市大学） ； University of Sydney.（悉尼大学） ； State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（北京大学人工智能国家重点实验室，智能科学与技术学院）
AI总结 本文提出Circle-RoPE，通过将图像标记坐标映射到与文本位置轴正交的圆环上，实现跨模态位置解耦，同时保留图像内部空间结构，并通过交替几何编码增强跨模态位置解耦和细粒度图像空间结构保留。
Comments Accepted at ICML 2026
LatentOmni: 通过统一的音频-视觉潜在推理重新思考多模态理解
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Peking University（北京大学） ； HKUST（香港科技大学） ； CASIA（中国科学院自动化研究所） ； Nanjing University（南京大学） ； Renmin University of China（中国人民大学） ； Tsinghua University（清华大学）
AI总结 本文提出LatentOmni框架，通过统一的音频-视觉潜在空间进行多模态推理，利用特征级监督和Omni-Sync Position Embedding保持时间一致性，从而在多个音频-视觉推理基准测试中取得最佳性能。
Comments 21 pages, 15 figures
学习进化：多模态交互场用于动态环境中的稳健双足机器人导航
机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School（一般人工智能国家重点实验室，北京大学深圳研究生院） ； Oxford Robotics Institute, University of Oxford（牛津大学机器人研究所） ； Institute for Machine Learning, Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系机器学习研究所）
AI总结 本文提出多模态交互场（MIF）系统，通过结合置信度感知的语义3D高斯溅射、差异触发的空间记忆更新和任务驱动的几何重建，在闭环感知-适应管道中实现稳健的双足机器人导航，显著提高了非静态环境中的重定位成功率并减少了语义内存足迹。
Comments Accepted by Robotics: Science and Systems 2026
MindLoom: 通过组合思维模式进行前沿级推理数据合成
机构 * Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 本文提出MindLoom框架，通过组合思维模式工程合成前沿级推理数据，解决了现有方法在问题难度控制和多样性方面的不足，实验表明其在多个基准测试中表现优异。
Comments Work in Progress. Comments: 27 pages, 4 figures, preprint
异质智能体协作强化学习
机构 * Beihang University（北航） ； Bytedance China（字节跳动中国） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Apple（苹果公司）
AI总结 本文提出了一种新的强化学习从可验证奖励（RLVR）问题HACRL，通过异质智能体共享验证的轨迹实现协同优化，解决了孤立多智能体在线优化的效率问题，并提出HACPO算法以最大化样本利用率和跨智能体知识转移。
模型能多好地遵循视觉指令？VIBE：一个系统性的视觉指令驱动图像编辑基准
机构 * School of Artificial Intelligence, University of Chinese Academy of Science（中国科学院大学人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Language Technology Lab, University of Cambridge（剑桥大学语言技术实验室） ； Peking University（北京大学） ； South China University of Technology（华南理工大学） ； Nanjing University（南京大学）
AI总结 本文提出VIBE基准，用于评估视觉指令驱动的图像编辑模型，通过三级交互层次评估指涉 grounding、形态操作和因果推理，并发现专有模型在早期阶段表现优异但随着任务难度增加性能下降。
Comments https://vibe-benchmark.github.io/
通过大语言模型解决吉尔伯特-波拉克猜想
机构 * School of EECS, Peking University（北京大学电子工程学院） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； State Key Laboratory of General Artificial Intelligence, Peking University, Beijing, China（北京大学通用人工智能国家重点实验室） ； Carnegie Mellon University, Machine Learning Department（卡内基梅隆大学机器学习系）
AI总结 本文提出一种新的AI系统，通过生成受规则约束的几何引理并构建专用函数，以获得更紧的Steiner比下界，展示了大语言模型在高级数学研究中的强大潜力。
Comments 44 pages, 11 figures
基于AI的癌症疼痛发作预测：一种混合决策支持方法
机构 * The University of Hong Kong（香港大学） ； Peking University Cancer Hospital Yunnan Hospital, The Third Affiliated Hospital of Kunming Medical University（北京大学肿瘤医院云南医院，昆明医科大学第三附属医院）
AI总结 本研究提出了一种混合机器学习和大语言模型的方法，利用结构化和非结构化电子健康记录数据预测癌症患者在住院48和72小时内疼痛发作，通过整合时间序列药物趋势和模糊剂量记录，提高了敏感性和可解释性，实现了87.6%和91.7%的准确率。
WarmServe: 为多LLM服务实现一种多GPU预热
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 本文提出WarmServe系统，通过基于工作负载预测的多GPU预热技术，减少LLM服务中的尾部时间到第一个令牌（TTFT）并提高请求吞吐量。
Comments Accepted at ICML 2026
为扩散模型带来稳定性：分解和减少训练掩码扩散模型的方差
机构 * University of Cambridge（剑桥大学） ； Peking University（北京大学） ； Qwen Large Model Application Team, Alibaba（阿里巴巴通义大模型应用团队）
AI总结 本文研究了掩码扩散模型（MDMs）训练方差高导致不稳定的问题，通过分解方差来源并提出六种方差减少方法，显著提升了模型在复杂推理任务中的准确率，并将运行间变异性降低至自回归模型（ARMs）水平。
QKFormer: 基于Q-K注意力的分层脉冲变换器
机构 * Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学）
AI总结 本文提出QKFormer，一种基于Q-K注意力的分层脉冲变换器，通过引入新的脉冲形式Q-K注意力机制、分层结构和灵活的补丁嵌入模块，提升了脉冲神经网络在图像分类任务中的性能，实现了在ImageNet-1K数据集上85.65%的top-1准确率。
Comments Accepted by NeurIPS 2024 (Spotlight). Code and Model: https://github.com/zhouchenlin2096/QKFormer
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