高校专区
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。
TuneJury: 一种改进音乐生成偏好对齐的开放指标
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Sony AI（索尼AI） ； Georgia Tech（佐治亚理工学院） ； KAIST（韩国科学技术院） ； Peking University（北京大学） ； QMUL（伦敦玛丽女王大学）
AI总结 提出TuneJury，一个开放、实例级别的成对奖励模型，用于文本到音乐生成，通过预测偏好分数支持数据筛选、后处理校准，并在推理、优化和训练中提升对齐效果。
Comments 32 pages, 9 figures
Hölder空间上的深度Q学习
机构 * Peking University（北京大学）
AI总结 研究连续时间随机控制中Q学习的算子核心，通过分析扩散设置下Bellman最优性目标的正则性和逼近复杂度，提出适应混合正则性的张量积DeepONet架构，并给出显式逼近和资源界限。
ATOM-Bench：用于操作策略中原子技能与组合泛化的真实世界基准
机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Peking University（北京大学）
AI总结 提出ATOM-Bench基准，通过分解桌面操作为原子任务和组合任务，评估操作策略的原子技能获取与组合泛化能力，发现当前策略在细粒度原子技能和组合重用上存在不足。
Comments Homepage: https://flageval-baai.github.io/AtomBenchPage
GD$^2$PO: 通过组动态奖励解耦策略优化缓解多奖励冲突
机构 * Qwen Large Model Application Team, Alibaba（阿里巴巴通义千问大模型应用团队） ； Renmin University of China（中国人民大学） ； Peking University（北京大学） ； ETH Zürich（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出GD$^2$PO算法，通过冲突感知过滤机制屏蔽奖励不一致的rollout，并结合查询级重加权，解决多奖励优化中的信号抵消问题，提升RL训练效率。
Comments 24 pages, 9 figures
LLM策略优化的第一性原理推导：从期望奖励到GRPO及其结构扩展
机构 * Nanjing University（南京大学） ； Shanghai Artificial Intelligence 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） ； Fudan University（复旦大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文从第一性原理出发，基于轨迹概率和奖励两个轴，统一分析了从REINFORCE、PPO到GRPO及其变体的LLM策略优化方法，揭示了设计选择背后的原理和复合失败模式。
HadBalance: 一种即插即用的统一全局几何先验框架，用于可泛化的生物医学分割
机构 * Department of Eye and Vision Science, University of Liverpool（利物浦大学眼与视觉科学系） ； Department of Primary Care and Mental Health, University of Liverpool（利物浦大学初级保健与精神健康系） ； School of Psychological and Cognitive Sciences, Peking University（北京大学心理与认知科学学院） ； Computer Vision Research Group, University of Amsterdam（阿姆斯特丹大学计算机视觉研究组） ； Institute of Life Course & Medical Sciences, University of Liverpool（利物浦大学生命历程与医学科学研究所） ； Bioengineering Program, Biomedical Sciences Division (BioMed), King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学生物医学科学部生物工程项目） ； Ningbo Cixi Institute of Biomedical Engineering, Chinese Academy of Sciences（中国科学院宁波慈溪生物医学工程研究所） ； Liverpool Centre for Cardiovascular Science, University of Liverpool（利物浦大学利物浦心血管科学中心）
AI总结 针对生物医学图像分割中几何先验缺乏统一性和泛化性的问题，提出基于Hadwiger定理的全局近凸形状先验，并结合冲突感知目标平衡方法，实现跨器官和模态的即插即用分割。
Comments Provisionally accepted by the 29th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2026). 11 pages, 3 figures, 2 tables
基于速度场分解的去中心化扩散模型中ODE采样器的Wasserstein收敛性
机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Zhejiang University（浙江大学） ； Tencent（腾讯）
AI总结 针对去中心化扩散模型中随机专家切换的ODE采样，通过速度场分解建立Wasserstein-2距离下的收敛保证，证明N步离散化以O(N^{-1/2}+ε)速率收敛。
Comments 50 pages, 9 figures. Preprint under review
LaWAM: 用于高效动力学感知机器人策略的潜在世界行动模型
机构 * Tsinghua University（清华大学） ； Jilin University（吉林大学） ； Nankai University（南开大学） ； Peking University（北京大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Zhongguancun Academy（中关村学院） ； Striding.AI ； Infinigence AI
AI总结 提出LaWAM模型，通过潜在视觉子目标预测场景变化，实现动力学感知的机器人控制，在多个基准上达到最优或竞争性成功率，且推理延迟低。
内存受限的大语言模型服务中的服务引发拥塞
机构 * Institute for Data, Systems, and Society, Massachusetts Institute of Technology（数据、系统与社会研究所，麻省理工学院） ； Columbia Business School, Columbia University（哥伦比亚大学商学院） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院）
AI总结 本文通过离散时间动力学模型研究内存受限的大语言模型服务中，因键值缓存增长导致的服务引发拥塞，发现同质负载下无驱逐均衡不稳定且收敛到最坏情况极限环，异质负载下稳定条件与解码长度互质相关，并提出调度设计原则。
Comments 101 pages
编码错误：多语言语法错误纠正中上下文示例的表征检索
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）
AI总结 提出从LLM内部状态提取语法错误表征（GER）用于检索上下文示例，显著提升多语言语法错误纠正的少样本性能，在低资源语言上F0.5提升达1.20倍。
Comments 15 pages, 6 figures
Journal ref Findings of the Association for Computational Linguistics: ACL 2025, pages 21166-21180, Vienna, Austria. Association for Computational Linguistics, 2025
CAP：面向患者级监督的PPG通用表示学习
机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Peking University（北京大学） ； Independent Researcher（独立研究者） ； Jinling Clinical Medical College College of Artificial Intelligence Nanjing University of Aeronautics and Astronautics（金陵临床医学院人工智能学院南京航空航天大学）
AI总结 提出CAP方法，通过构建大规模PPG-EHR多模态数据集和跨模态对比对齐，学习患者级临床语义的PPG表示，在四项下游任务中平均提升26.7%，呼吸率预测提升87.6%。
Comments Accepted as an Oral presentation at KDD 2026
MotionVLA：面向人形运动的视觉-语言-动作模型
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； AI 2 Robotics
AI总结 针对人形运动生成中低频姿态与高频物理信号量化不匹配的问题，提出双流频率分词器DSFT和基于Qwen3.5的MotionVLA模型，在HumanML3D和MBench上显著提升多样性一致性和运动条件一致性。
DragMesh-2: 与铰接物体的物理合理灵巧手-物体交互
机构 * School of Computer Science, Peking University（北京大学计算机科学学院）
AI总结 提出DragMesh-2框架，通过接触驱动的灵巧手-铰接物体交互，结合物理信息感知训练机制PICA，在无触觉反馈下提升变接触负载的鲁棒性。
Comments Code: https://github.com/AIGeeksGroup/DragMesh-2. Website: https://aigeeksgroup.github.io/DragMesh-2
PANDA：一种LLM增强的性能驱动模拟设计框架，弥合设计意图与版图生成
机构 * School of Integrated Circuits, Peking University（集成电路学院，北京大学） ； Beijing Advanced Innovation Center for Integrated Circuits（北京集成电路先进创新中心） ； Institute of Electronic Design Automation, Peking University（电子设计自动化研究所，北京大学）
AI总结 提出PANDA框架，利用大语言模型将高层设计意图转化为最终版图，通过引导拓扑综合、子结构感知尺寸优化和约束驱动版图生成，实现跨阶段协同设计，将设计周期从数天/周缩短至数小时并提升性能。
SpatialWorld: 在多模态智能体真实世界任务中基准测试交互式空间推理
机构 * Tsinghua University（清华大学） ； Chongqing University（重庆大学） ； Peking University（北京大学） ； ZenoMind AI ； Xi’an Jiaotong University（西安交通大学） ； Beijing Institute of Technology（北京理工大学） ； Southeast University（东南大学） ； Shanghai Jiao Tong University（上海交通大学） ； Joy Future Academy（京东探索研究院） ； The University of Hong Kong（香港大学）
AI总结 提出SpatialWorld基准，集成8种异构模拟后端，通过760个人工标注任务评估多模态智能体在视觉部分可观测环境中的交互式空间理解，发现最强模型GPT-5任务成功率仅17.4%。
HPSv3++：跨扩散模型能力全谱系扩展奖励模型
机构 * Tsinghua University（清华大学） ； JD Explore Academy（京东探索研究院） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 提出HPSv3++奖励模型框架，通过双维度偏好数据集HPDv3++和两阶段训练（正交梯度投影+无监督引导），提升对各类T2I模型及RL迭代的偏好预测能力，在多个基准上达到最优。
一层的垃圾是另一层的宝藏：LVLMs中自适应逐层视觉标记选择
机构 * Hikvision Research Institute（海康威视研究院） ； Peking University（北京大学） ； East China Normal University（华东师范大学）
AI总结 提出自适应逐层视觉标记选择（ALVTS），通过轻量级选择器为不同层路由重要标记，实现高效压缩，在89%压缩率下保留96.7%精度。
Comments Accepted by CVPR 2026 (highlight)
FEMOT: 使用帧和事件摄像机的多目标跟踪
机构 * School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） ； Peng Cheng Laboratory（鹏城实验室） ； National Key Laboratory for 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全国重点实验室） ； School of Electronic and Computer Engineering, Shenzhen Graduate School, Peking University（北京大学深圳研究生院电子与计算机工程学院） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 提出FEMOT大规模RGB-事件多目标跟踪数据集和FEMOTR多模态跟踪框架，通过频域融合解耦特征，有效利用互补信息实现鲁棒跟踪。
自演化视觉提问器
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Peking University（北京大学） ； Arena ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
AI总结 提出自演化框架，让视觉语言模型作为提问器和过滤器，无需外部监督即可生成更难、更信息丰富、更视觉中心的问题，并保持探索多样性以避免训练崩溃，显著提升自主提问质量和难度边界。
Comments 21 pages, including references and appendix. Project Page is available at https://joliang17.github.io/SelfEvolvingVQG/
MiniMax 稀疏注意力
机构 * MiniMax ； Peking University（北京大学） ； NVIDIA（英伟达） ； Zhejiang University（浙江大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 提出 MiniMax 稀疏注意力（MSA），一种基于分组查询注意力的块级稀疏注意力机制，通过轻量索引分支选择 Top-k 键值块，实现高效长上下文处理，在 109B 模型上以 1M 上下文减少 28.4 倍注意力计算，并带来 14.2 倍预填充和 7.6 倍解码加速。
Comments 30 pages, 14 figures
FAWAM: 面向闭环密集接触操作的力感知世界动作模型
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 提出FAWAM，在感知、预测和闭环执行三个层次融入力信息，通过联合预测动作与末端扳手及残差校正模块，提升密集接触操作的成功率。
StainFlow: GUI代理中实体痕迹追踪与证据链接用于过程奖励
机构 * Beihang University（北京航空航天大学） ； Peking University（北京大学） ； Renmin University of China（中国人民大学） ； Northwestern Polytechnical University（西北工业大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； National University of Singapore（新加坡国立大学） ； Zhongguancun Laboratory（中关村实验室）
AI总结 提出StainFlow模型，通过全局实体痕迹追踪和局部证据链接，解决GUI代理过程奖励中的里程碑分解主观性和局部窗口证据遗漏问题，提升在线强化学习成功率3.2%。
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