高校专区
MoonSplat: 基于Sim(3)全局优化的单目在线高斯泼溅
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机技术研究所） ； Beijing Hydrogen Intelligent Tech. Co., Ltd.（北京氢元智能科技有限公司）
AI总结 提出一种结合Sim(3)全局优化的在线体素化3DGS框架，通过颜色残差学习策略加速收敛，实现鲁棒的相机跟踪和全局闭环，在室内外数据集上达到SOTA性能。
Comments SIGGRAPH 2026
WAM-RL：基于重建奖励和在线视频SFT的世界-动作模型强化学习
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室） ； Northeastern University（东北大学） ； Tsinghua University（清华大学）
AI总结 提出WAM-RL框架，通过强化学习联合优化世界模型和动作模型，解决长时域任务中仅优化动作模型的不足，首次将强化学习引入世界-动作范式。
MathVis-Fine：通过渐进式依赖引导训练将视觉监督与必要性对齐的多模态数学推理
机构 * School of ECE, Peking University（北京大学电子与计算机工程学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与技术学院） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； Tencent Youtu Lab（腾讯优图实验室）
AI总结 提出MathVis-Fine框架，通过构建细粒度视觉标注数据集和两阶段渐进式训练，根据样本的视觉依赖程度平衡答案正确性和视觉基础奖励，提升多模态数学推理的监督精度。
高保真盆腔器官MRI三维几何重建：一种混合深度学习与迭代优化方法
机构 * Institute of Medical Technology, Peking University Health Science Center, Peking University（北京大学医学部医学技术研究院，北京大学） ； Biomedical Engineering Department, Institute of Advanced Clinical Medicine, Peking University（北京大学先进临床医学研究院生物医学工程系） ； Department of Obstetrics and Gynecology, Peking University People’s Hospital（北京大学人民医院妇产科部）
AI总结 提出混合可变形形状建模框架，结合深度学习预测与迭代优化，实现膀胱、子宫和直肠的高保真三维几何重建，在几何保真度和网格质量上优于现有方法。
OmniDrive: 一种由LLM编排的多智能体世界模型，用于多视角驾驶视频生成的统一潜在协同压缩
机构 * Peking University（北京大学） ； Xiamen University（厦门大学） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； National Taiwan University（国立台湾大学） ； Wuhan University（武汉大学） ； Wuhan University of Technology（武汉理工大学） ； Tsinghua University（清华大学） ； Jimei University（集美大学）
AI总结 提出DRIVE-CHOREO，一种由LLM编排的多智能体世界模型，通过三个Qwen2.5-VL智能体协同生成位置感知的潜在序列，并利用视图-时间置换与3D VAE协同压缩，实现可控多视角视频生成，在nuScenes上达到SOTA多视角一致性和BEV mAP 21.6。
Comments 24 pages, 10 figures
MagicSim: 可执行具身交互的统一基础设施
机构 * Northwestern University（西北大学） ； Peking University（北京大学） ； University of California, Berkeley（加州大学伯克利分校） ； ShanghaiTech University（上海科技大学）
AI总结 提出MagicSim，一个基于确定性批处理运行时和共享MDP的具身交互基础设施，通过YAML规范解耦内容、放置、行为和智能体暴露，统一世界构建、执行、评估和自动生成轨迹。
GeneralVLA-2: 几何感知重建与受控记忆用于机器人规划
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； CASIA（中国科学院自动化研究所） ； AI 2 Robotics
AI总结 针对机器人规划中3D物体重建幻觉和记忆质量不可控的问题，提出GeoFuse-MV3D几何先验引导重建分支和受控长期记忆系统，在GSO-30和Terminal-Bench等基准上显著提升性能。
AnnotateAnything：面向机器人操作的3D资产自动标注
机构 * Northwestern University（西北大学） ； Peking University（北京大学）
AI总结 提出AnnotateAnything框架，通过视觉-语言标注和物理标注双流水线，自动为3D资产生成可执行操作标签，提升仿真数据收集效率和任务成功率。
纽约市拥堵收费后公共交通增益与空间不均的出行需求变化
机构 * Department of Civil and Environmental Engineering, Massachusetts Institute of Technology（麻省理工学院土木与环境工程系） ； Department of Urban Studies and Planning, Massachusetts Institute of Technology（麻省理工学院城市研究与规划系） ； Mathematical Institute, University of Oxford（牛津大学数学院） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系） ； College of Urban and Environmental Sciences, Peking University（北京大学城市与环境科学学院） ； Department of Urban and Regional Planning, University of Florida（佛罗里达大学城市与区域规划系） ； Center for Computational Science and Engineering, Massachusetts Institute of Technology（麻省理工学院计算科学与工程中心）
AI总结 利用时间序列基础模型生成概率反事实预测，评估纽约市2025年实施的拥堵收费政策，发现公交和地铁客流量显著增加，但总体出行需求略有下降，且影响存在空间异质性。
从智能体痕迹到信任：LLM智能体中的证据追踪与执行溯源
机构 * Griffith University（格里菲斯大学） ； Jiangsu University（江苏大学） ； University of Southern Queensland（南方昆士兰大学） ； Peking University（北京大学） ； Great Bay University（大湾大学） ； Nanjing University（南京大学） ； Macquarie University（麦觉瑞大学） ； Southern University of Science and Technology（南方科学与技术大学）
AI总结 本文系统综述了LLM智能体中的证据追踪与执行溯源方法，通过统一溯源视角连接检索、工具使用、记忆等环节，提出分类体系并讨论开放挑战。
CASR：一种鲁棒的循环框架，用于任意大尺度超分辨率，具有分布对齐和自相似性意识
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学）
AI总结 CASR通过分布对齐和自相似性意识，解决大尺度超分辨率中的分布漂移和扩散不一致问题，实现稳定推理和高效单模型处理。
乐观主义稳定自适应推断的汤普森采样
机构 * Peking University（北京大学）
AI总结 本文通过引入乐观机制（如方差膨胀或均值奖励）稳定汤普森采样，使得各臂拉取次数收敛于确定性尺度，从而在K臂随机bandit中实现渐近有效的Wald推断，并解决了多最优臂的扩展问题。
Comments Accepted in part to COLT 2026
噪声驱动的探索与瞬态冻结在随机梯度下降中选择平坦极小值
机构 * Peking University Chengdu Academy for Advanced Interdisciplinary Biotechnologies, Chengdu 610213, China ； School of Physics, Peking University, Beijing 100871, China ； Institute for Advanced Study in Physics, Zhejiang University, Hangzhou 310058, China ； Center for Quantitative Biology, Peking University, Beijing 100871, China ； Center for Computational Biology \& Center for Computational Neuroscience, Flatiron Institute, New York, NY 10010, USA
AI总结 通过分析SGD学习动力学，发现非平衡机制驱动解选择：瞬态探索阶段逃离尖锐谷，噪声重塑势能稳定平坦解，冻结延迟增强泛化。
Comments 12 pages, 4 figures
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