高校专区
HERMES：一种用于预训练数据混合的多粒度标注基底
机构 * Wizard Quant ； Peking University（北京大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出HERMES层次化标注基底，通过语义变换和三级残差向量量化实现从粗到细的数据编码，支持多粒度混合策略，在1B参数、25B token预训练中揭示固定粒度无法检测的交互效应，提升16任务宏平均+0.0253。
Comments 19 pages, 5 figures
多模态知识编辑范围泛化用于在线递归MLLM编辑
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Peking University（北京大学） ； Fudan University（复旦大学）
AI总结 针对在线多模态知识编辑中编辑范围难以控制的问题，提出ScopeEdit方法，通过模态局部吸收分支和证据门控共享泛化分支实现范围分离的在线编辑，在保持可靠性的同时提升跨模态泛化与无关输入隔离。
解耦代码复杂度与新参与者参与度：AI编码代理在开源软件中采纳的因果研究
机构 * School of Computer Science, Peking University（北京大学计算机学院） ； Key Laboratory of High Confidence Software Technologies, Ministry of Education, China（教育部高可信软件技术重点实验室）
AI总结 通过因果推断方法，研究AI编码代理（如Cursor和Claude Code）在开源项目中的采纳是否会导致新参与者减少，发现采纳后新参与者流入未显著下降，代码复杂度虽有增加但未影响新人参与。
DRL-CLBA：基于DDPG强化学习的语音分类干净标签后门攻击
机构 * Xiangtan University（湘潭大学） ； Peking University（北京大学）
AI总结 提出DRL-CLBA，一种利用深度确定性策略梯度（DDPG）强化学习和深度音频隐写术的干净标签后门攻击方法，无需标签迁移即可污染目标样本，在多个数据集和模型上实现高攻击成功率并绕过多种防御。
Pmeta-TLA：通过元学习与音色泄露攻击的语音分类模型后门攻击
机构 * Xiangtan University（湘潭大学） ； Peking University（北京大学）
AI总结 提出音色泄露攻击（TLA）和Pmeta-TLA训练机制，利用元学习和投影冲突梯度实现多后门注入，在关键词识别任务中达到高攻击成功率、隐蔽性和鲁棒性。
一个演示足以实现真实世界机器人强化学习
机构 * National Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institution of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统认知与决策智能国家重点实验室） ； Beijing Academy of Artificial Intelligence（北京智源人工智能研究院） ； PKU-PsiBot Joint Lab（北大-鹏城实验室联合实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院）
AI总结 提出AutoSERL框架，仅需一个演示即可自动化真实世界机器人强化学习，通过滑动窗口干预、安全恢复和自动终止机制，在六个接触密集型任务上超越基线方法。
通过发射虚拟无人机在线分割3D高斯体
机构 * Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（广东省超高清沉浸式媒体技术重点实验室，北京大学深圳研究生院） ； Pengcheng Laboratory（鹏城实验室） ； Peking University（北京大学）
AI总结 提出SAGO框架，通过虚拟无人机将3D分割转化为在线最佳视角规划任务，无需预设置即可在亚秒内从3D高斯体中提取干净3D资产。
反事实决策的预测集：覆盖性、最优性与共形预测
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Department of Statistics and Data Science, University of Pennsylvania（宾夕法尼亚大学统计与数据科学系）
AI总结 提出决策理论框架，通过策略耦合覆盖性将不确定性量化与反事实决策最优结合，并开发两阶段共形预测方法PC-RACP，在保证覆盖的同时提升效用。
一层就够了吗？训练单个Transformer层可以匹配全参数RL训练
机构 * University of Minnesota（明尼苏达大学） ； Peking University（北京大学） ； Amazon（亚马逊）
AI总结 发现RL训练收益高度集中在少数Transformer层，仅训练单层即可恢复大部分全参数RL收益，且高贡献层集中在模型中部。
从推理中寻找真理：一种用于引导LLM轨迹的动态表示编辑框架
机构 * ByteDance Inc.（字节跳动公司） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Peking University Information Technology Institute (Tianjin Binhai)（北京大学信息技术研究院（天津滨海））
AI总结 提出DynaSteer动态表示编辑框架，通过模式聚类和Fisher-LDA提取纯净真理，并基于前瞻熵选择性引导轨迹，提升LLM推理真实性。
Comments Accepted by ICML'26
TempAct: 通过规划器-执行器强化学习推进自回归视频生成中的时间合理性
机构 * Shenzhen Campus of Sun Yat-Sen University（中山大学深圳校区） ； Tencent Hunyuan（腾讯混元） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； USTB（北京科技大学）
AI总结 提出TempAct框架，利用规划器-执行器强化学习联合优化时间分解与步骤条件执行，解决自回归视频生成中时间指令模糊、延迟反应和错误传播问题，提升时间一致性。
SPADER: 面向多答案问答的逐步同伴优势与多样性感知探索奖励
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD与CG国家重点实验室） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； School of Software Technology, Zhejiang University（浙江大学软件技术学院）
AI总结 提出SPADER强化学习框架，通过逐步同伴优势（SPA）机制和多样性感知探索奖励，解决多答案问答中长程工具使用的细粒度信用分配与持续探索问题，实验表明在多个数据集上提升了召回率和F1分数。
DAP：面向异构毫米波的点网络用于人类动作识别
机构 * Peking University（北京大学） ； Huazhong University of Science and Technology（华中科技大学） ； DJI Technology Company Ltd.（大疆技术创新有限公司） ； Christian-Albrechts-Universität zu Kiel（基尔大学）
AI总结 本文提出DAP-Net，通过异构雷达源的跨模态对齐和D2R模块实现点云增强，提升动作识别的鲁棒性与准确性。
OmniGAIA：迈向原生全模态AI代理
机构 * Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司） ； Peking University（北京大学） ； Southeast University（东南大学） ； Tsinghua University（清华大学）
AI总结 提出OmniGAIA基准和OmniAtlas代理，通过全模态事件图和后见引导树探索策略，实现跨视频、音频和图像的深度推理与工具使用。
AgenticRAGTracer：用于诊断Agentic RAG中多步检索推理的跳数感知基准
机构 * University of Science and Technology Beijing（北京科技大学） ； Peking University（北京大学） ； Zhongguancun Academy（中关村学院） ； Beijing Key Laboratory of Data Intelligence and Security (Peking University)（北京市数据智能与安全重点实验室（北京大学））
AI总结 提出首个由大语言模型自动构建的Agentic RAG基准AgenticRAGTracer，包含1305个跨领域数据点，支持逐跳验证，揭示模型在多步推理中推理链扭曲的问题。
Comments Accepted at ACL 2026 Findings
语言引导的Transformer分词器用于人体运动生成
机构 * Transsion Ltd.（Transsion有限公司） ； Chongqing University of Technology（重庆理工大学） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室） ； Shenzhen Graduate School（深圳研究生院）
AI总结 提出语言引导分词器LG-Tok，在分词阶段对齐语言与运动，产生紧凑高层语义表示，结合Transformer注意力机制实现高效运动生成，在HumanML3D和Motion-X上达到SOTA。
Comments Accepted by ECCV 2026
基于策略的强化学习玩20个问题游戏
机构 * Peking University（北京大学） ； Microsoft Corporation（微软公司） ； Microsoft Development Co., Ltd（微软开发有限公司）
AI总结 提出基于策略的强化学习方法，使提问者通过与用户持续交互学习最优问题选择策略，并利用奖励网络估计信息奖励，无需知识库且对噪声答案鲁棒。
Comments Withdrawal from the conference
传输差异作为视觉-语言-动作模型的可靠性信号
机构 * Peking University（北京大学） ； Renmin University of China（中国人民大学） ； BeingBeyond
AI总结 提出DiG模块，通过计算切片Wasserstein传输代价作为可靠性信号，利用指数门控调节特征细化和训练损失，在分布偏移和长时域任务中显著提升VLA模型成功率。
LearNAT: 基于AST引导任务分解的NL2SQL大语言模型学习
机构 * School of Computer Science, Peking University（北京大学计算机科学系） ； Key Laboratory of High Confidence Software Technologies, Ministry of Education（教育部高可信软件技术重点实验室） ； Big Data Technology Research Center, Nanhu Laboratory（纳米实验室大数据技术研究中心） ； National Engineering Research Center For Software Engineering, Peking University（北京大学软件工程国家工程研究中心） ； Peking University Information Technology Institute (Tianjin Binhai)（北京大学信息技术研究院（天津滨海）） ； School of Computer Sciences, Beijing University of Posts and Telecommunications（北京邮电大学计算机科学系） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Seed, ByteDance Inc.（字节跳动公司）
AI总结 提出LearNAT框架，通过AST引导的分解合成过程和边际感知强化学习，增强小规模LLM的NL2SQL任务分解能力，以7B参数模型达到GPT-4可比性能。
Comments Accepted by ICLR'26
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