Dynamic Fisher-weighted Model Merging via Bayesian Optimization
机构 * School of Computer Science, Peking University（北京大学计算机学院） ； Meituan（美团） ； Meta AI
高校专区
Peking University（北京大学）
TileLang: A Composable Tiled Programming Model for AI Systems
机构 * Peking University（北京大学） ； Imperial College London（伦敦帝国学院） ； Microsoft Research（微软研究院）
PixelWeb: The First Web GUI Dataset with Pixel-Wise Labels
机构 * Peking University（北京大学）
CordViP: Correspondence-based Visuomotor Policy for Dexterous Manipulation in Real-World
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机学院，北京大学） ； The University of Hong Kong（香港大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
Comments Robotics: Science and Systems (RSS) 2025. Videos, code: https://aureleopku.github.io/CordViP
Optimizing Multi-Round Enhanced Training in Diffusion Models for Improved Preference Understanding
机构 * Xiamen University（厦门大学） ； University of Electronic Science and Technology of China（电子科技大学） ； University of Minnesota—Twin Cities（明尼苏达大学—双城分校） ； Emory University（埃默里大学） ； Tsinghua University（清华大学） ； University of Warwick（沃里克大学） ； University of the Chinese Academy of Sciences（中国科学院大学） ； George Washington University（乔治华盛顿大学） ； University of Toronto（多伦多大学） ； Peking University（北京大学）
Comments arXiv admin note: substantial text overlap with arXiv:2503.17660
Cabbage: A Differential Growth Framework for Open Surfaces
机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校） ； Peking University（北京大学）
Evolution of Optimization Algorithms for Global Placement via Large Language Models
机构 * The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学）
UFO2: The Desktop AgentOS
机构 * Microsoft（微软公司） ； ZJU-UIUC Institute（浙大-伊利诺伊大学联合研究所） ； Nanjing University（南京大学） ； Peking University（北京大学）
Comments The source code of UFO2 is publicly available at https://github.com/microsoft/UFO/, with comprehensive documentation provided at https://microsoft.github.io/UFO/
EmoDubber: Towards High Quality and Emotion Controllable Movie Dubbing
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Macquarie University（麦觉里大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） ； University of Adelaide（阿德莱德大学）
Comments Accepted to CVPR 2025
GOFA: A Generative One-For-All Model for Joint Graph Language Modeling
机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校） ； Peking University（北京大学）
Gripper Keypose and Object Pointflow as Interfaces for Bimanual Robotic Manipulation
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学）
Comments Published at Robotics: Science and Systems (RSS) 2025
TarDiff: Target-Oriented Diffusion Guidance for Synthetic Electronic Health Record Time Series Generation
机构 * Peking University（北京大学） ； Microsoft Research Asia（微软亚洲研究院） ； University of Manchester（曼彻斯特大学） ； Nanjing University（南京大学） ； Hefei University of Technology（合肥工业大学）
TimeChat-Online: 80% Visual Tokens are Naturally Redundant in Streaming Videos
机构 * Peking University（北京大学） ； South China University of Technology（华南理工大学） ； The University of Hong Kong（香港大学） ； Kuaishou Technology（快手科技）
Efficient Pretraining Length Scaling
机构 * ByteDance Seed（字节跳动种子） ； Peking University（北京大学） ； Hong Kong University（香港大学）
Multifaceted Evaluation of Audio-Visual Capability for MLLMs: Effectiveness, Efficiency, Generalizability and Robustness
机构 * Peking University（北京大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； University of Washington（华盛顿大学）
ManipDreamer: Boosting Robotic Manipulation World Model with Action Tree and Visual Guidance
机构 * State Key Laboratory of Multimedia Information Processing（多媒体信息处理国家重点实验室） ； School of Computer Science, Peking University（北京大学计算机学院） ； Hong Kong University of Science and Technology（香港科技大学） ； Autonomous Driving Development, NIO（蔚来自动驾驶研发）
Comments 9 pages, 3 figures
SILM: A Subjective Intent Based Low-Latency Framework for Multiple Traffic Participants Joint Trajectory Prediction
机构 * National Key Laboratory of General Artificial Intelligence, Key Laboratory of Machine Perception (MoE), School of Intelligence Science and Technology, Peking University（国家关键人工智能实验室、机器感知（MoE）重点实验室、智能科学与技术学院，北京大学） ； PKU-WUHAN Institute for Artificial Intelligence（北京大学-武汉人工智能研究院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； China Automotive Innovation Corporation（中国汽车创新有限公司）
DPGP: A Hybrid 2D-3D Dual Path Potential Ghost Probe Zone Prediction Framework for Safe Autonomous Driving
机构 * National Key Laboratory of General Artificial Intelligence, Key Laboratory of Machine Perception (MoE), School of Intelligence Science and Technology, Peking University（国家关键人工智能实验室、机器感知（MoE）重点实验室、智能科学与技术学院，北京大学） ； PKU-WUHAN Institute for Artificial Intelligence（北京大学-武汉人工智能研究院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； China Automotive Innovation Corporation（中国汽车创新公司）
EAGLE-3: Scaling up Inference Acceleration of Large Language Models via Training-Time Test
机构 * Peking University（北京大学） ； Microsoft Research（微软研究院） ； University of Waterloo（滑铁卢大学） ； Vector Institute（向量研究所）
X-SG$^2$S: Safe and Generalizable Gaussian Splatting with X-dimensional Watermarks
机构 * South China University of Technology（南方科技大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） ； Peking University（北京大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室） ； Harbin Institute of Technology（哈尔滨工业大学）
Effective Lymph Nodes Detection in CT Scans Using Location Debiased Query Selection and Contrastive Query Representation in Transformer
机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Shanghai Jiao Tong University（上海交通大学） ； Hupan Lab（华 parten 实验室） ； Peking University（北京大学） ； Zhongshan Hospital Fudan University（复旦大学中山医院） ； Sichuan Cancer Hospital（四川癌症医院） ； The First Affiliated Hospital Zhejiang University（浙江大学医学院附属第一医院）
Comments Accepted by ECCV24
StreamRL: Scalable, Heterogeneous, and Elastic RL for LLMs with Disaggregated Stream Generation
机构 * School of Computer Science, Peking University（北京大学计算机学院） ； StepFun
PIDSR: Complementary Polarized Image Demosaicing and Super-Resolution
机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； National Institute of Informatics（国家信息研究所） ； State Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理国家重点实验室） ； National Engineering Research Center of Visual Technology, School of Computer Science, Peking University（北京大学计算机科学学院视觉技术国家工程研究中心）
Comments CVPR 2025
Optimizing RLHF Training for Large Language Models with Stage Fusion
机构 * School of Computer Science, Peking University（北京大学计算机学院）
Locating and Mitigating Gradient Conflicts in Point Cloud Domain Adaptation via Saliency Map Skewness
机构 * National Institute of Health Data Science, Peking University（北京大学国家健康数据科学研究院） ； Institute of Medical Technology, Peking University（北京大学医学技术研究院） ； 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） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院）
Multimodal Perception for Goal-oriented Navigation: A Survey
机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； School of Computer Science, Peking University（北京大学计算机学院）
Benign overfitting in Fixed Dimension via Physics-Informed Learning with Smooth Inductive Bias
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； School of Mathematical Sciences（数学科学学院） ； Peking University（北京大学） ； Department of Computer Science（计算机科学系） ； University of Warwick（沃里克大学） ； Industrial Engineering & Management Sciences（工业工程与管理科学） ； Northwestern University（西北大学）
DyFo: A Training-Free Dynamic Focus Visual Search for Enhancing LMMs in Fine-Grained Visual Understanding
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所） ； School of Intelligence Science and Technology, University of Science and Technology Beijing（北京科技大学智能科学与技术学院） ； Tencent Beijing Research（腾讯北京研究院）
Comments Accepted by CVPR 2025 (Hightlight). Project page with code: https://github.com/PKU-ICST-MIPL/DyFo_CVPR2025
SuperCL: Superpixel Guided Contrastive Learning for Medical Image Segmentation Pre-training
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所） ； Department of Biomedical Engineering, Peking University（北京大学生物医学工程系） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心） ； Institute of Biomedical Engineering, Shenzhen Bay Laboratory（深圳湾实验室生物医学工程研究所） ； Institute of Biomedical Engineering, Peking University Shenzhen Graduate School（北京大学深圳研究生院生物医学工程研究所）
Semi-parametric Memory Consolidation: Towards Brain-like Deep Continual Learning
机构 * Centre for Artificial Intelligence and Robotics（人工智能与机器人中心） ； Hong Kong Institute of Science and Innovation（香港科学与创新研究院） ； Chinese Academy of Sciences（中国科学院） ； Department of Computer Science（计算机科学系） ； City University of Hong Kong（香港城市大学） ； The Department of Neurosurgery（神经外科部门） ； Peking University First Hospital（北京大学第一医院） ； State Key Laboratory of Multimodal Artificial Intelligence Systems（多模态人工智能系统国家重点实验室） ； Institute of Automation（自动化研究所） ； Hong Kong SAR, China（香港特别行政区，中国）
