高校专区
RaBitQCache: 面向长上下文LLM推理中KVCache的旋转二值量化
机构 * School of Information, Renmin University of China（中国人民大学信息学院） ； Peking University（北京大学）
AI总结 针对长上下文大语言模型推理中KV缓存导致的瓶颈，提出RaBitQCache框架，利用随机旋转二值量化和高效二进制-INT4算术无偏估计注意力权重，实现自适应Top-p检索，加速推理并减少内存I/O。
Comments Accept by ICML 26
SyncCache: 利用非对称动力学实现快速音频驱动肖像动画
机构 * Shenzhen Graduate School, Peking University（北京大学深圳研究生院） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tencent Hunyuan（腾讯混元） ； vivo
AI总结 提出SyncCache，一种针对DiT肖像动画的无训练缓存加速方法，通过空间非对称探测和模态解耦缓存利用非对称动力学，实现高达4.12倍加速且保持视觉保真度和音频对齐。
Comments ECCV 2026
从搜索到合成：训练大语言模型为零样本工作流生成器
机构 * School of Mathematics Science, Peking University（北京大学数学科学学院）
AI总结 提出MetaFlow，将工作流生成视为元学习问题，通过两阶段训练（监督微调+强化学习）使模型能生成可泛化的任务级工作流，在问答、代码生成和数学推理任务上实现零样本泛化。
Comments 35 pages, 8 figures
弥合信息不对称：一种降低不确定性的分层盲脸修复框架
机构 * Biomedical Engineering Department, College of Future Technology, Peking University（北京大学未来技术学院生物医学工程系） ； Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心）
AI总结 提出Pref-Restore分层框架，通过语义信息增强、纹理保真对齐和保真约束偏好优化，降低盲脸修复中的不确定性，实现身份敏感的高保真重建。
Comments Accepted by TPAMI2026
InfiniteWeb: 面向GUI智能体训练的可扩展Web环境合成
机构 * Peking University（北京大学） ； Nanjing University（南京大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 提出InfiniteWeb系统，通过统一规范、任务驱动测试和多样化种子设计自动生成功能完备的Web环境，解决GUI智能体训练数据稀缺问题，在OSWorld和Online-Mind2Web上取得显著性能提升。
Comments Accepted to ACL 2026 Main
从多模态感知到策略推理：AI生成游戏评论综述
机构 * Peking University（北京大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
AI总结 本文提出统一框架，将AI生成游戏评论分为描述性、分析性和背景性三类，综述方法、数据集和评估指标，并指出未来方向。
少样本合成图像溯源：有限样本下识别未见生成器
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Academy of Artificial Intelligence（北京智源人工智能研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peking University（北京大学）
AI总结 提出少样本合成图像溯源新范式，构建含45个生成器、117万图像的OmniFake数据集，并设计OmniDFA基线，实现少样本下识别未见生成器，在AIGI检测中达到最优泛化性能。
Comments ECCV 2026
EcoVideo: 云边动态中的熵编排视频生成范式
机构 * School of Computer Science, Peking University, China（北京大学计算机科学学院，中国） ； State Key Lab of Multimedia Information Processing, Peking University, China（北京大学多媒体信息处理国家重点实验室，中国） ； International School, Beijing University of Posts and Telecommunications, China（北京邮电大学国际学院，中国） ； School of Information Science and Technology, Beijing Forestry University, China（北京林业大学信息科学与技术学院，中国）
AI总结 提出EcoVideo框架，利用自注意力熵进行无训练帧选择，云大模型去噪关键帧，边轻量模型插值重建，自适应调整预算和深度，实现2.9倍端到端加速。
Comments EcoVideo is honored to be accepted by ECCV 2026
MOPD: 面向LLM后训练中能力集成的多教师同策略蒸馏
机构 * Peking University（北京大学） ； LLM Core Xiaomi（小米大模型核心团队） ； University of Hong Kong（香港大学） ； Renmin University of China（中国人民大学）
AI总结 提出多教师同策略蒸馏（MOPD）范式，通过先训练领域专家再在学生自生成数据上蒸馏，消除暴露偏差并提供密集优化信号，在Qwen3-30B-A3B上优于多种基线，并已部署于工业级模型MiMo-V2-Flash。
头部，而非骨干：输出头部在肥尾收益架构中占主导地位
机构 * Peking University Academy for Advanced Interdisciplinary Studies（北京大学先进跨学科研究院） ； Yeshine Interactive HK Technology Limited（Yeshine互动香港科技有限公司）
AI总结 针对短周期肥尾金融收益的深度预测，比较四种骨干网络和三种输出头部，发现输出头部（尤其是混合高斯头部）在分布度量上显著优于骨干网络，且在高波动时期价值最大。
Comments Code & data: https://github.com/Routhleck/heads-not-backbones
GeoEdit: 基于几何感知的双分支去噪对象编辑
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Pengcheng Laboratory（鹏城实验室） ； Sun Yat-sen University（中山大学） ； Peking University（北京大学） ； HKUST（香港科技大学） ； University of Tübingen（图宾根大学）
AI总结 提出GeoEdit，一种无需训练的三阶段管道，通过3D解耦、点对应对齐和双分支去噪，实现单张照片中对象的刚性几何变换（平移、旋转、缩放），同时保持背景自然和身份一致性。
Comments Accepted to ECCV 2026
ARKD: 自适应强化学习引导的双向KL散度蒸馏用于文本生成
机构 * Li Auto, Beijing, China（北京利亚自动化有限公司） ； School of Software and Microelectronics, Peking University, China（北京大学软件与微电子学院）
AI总结 针对单一KL目标难以平衡主分布拟合与长尾概率建模的问题，提出基于强化学习的自适应KL加权蒸馏框架，通过策略网络动态分配前向和反向KL散度权重，实现主模态和长尾模态的双重对齐，在Rouge-L和BertScore上持续提升。
KbSD: 面向智能体搜索中行为校准的知识边界感知自蒸馏
机构 * Zhejiang University（浙江大学） ； Peking University（北京大学）
AI总结 针对智能体搜索中知识边界校准的奖励稀疏问题，提出KbSD框架，通过密集令牌级监督、稀疏结果奖励和象限自适应优化，利用提示增强教师模型生成校准推理演示，显著提升任务准确率并减少幻觉。
STEAM: 面向真实世界机器人学习的自监督时间集成优势建模
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Striding AI ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Zhongguancun Academy（中关村学院） ； Pengcheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Beijing Institute of Technology（北京理工大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Infinigence AI
AI总结 提出自监督时间集成优势建模（STEAM），利用专家轨迹中帧对的时间偏移作为自监督信号，学习帧级优势以区分进展与失败，结合CFGRL在多种真实任务中提升策略成功率。
MotionAtlas: 面向运动中心视频的详细区域描述
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Peking University（北京大学） ； Wuhan University（武汉大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 提出MotionAtlas系统，通过区域感知运动描述、自举精炼数据管道和定制训练策略，在运动中心视频描述中显著提升细粒度理解，超越现有模型。
Comments Accepted to ECCV 2026. Project page: https://kagura-0001.github.io/projects/MotionAtlas
SPACE: 用于自适应碰撞感知探索的群体信息素场
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院）
AI总结 针对大规模地面机器人群体在拥挤环境中探索时的安全-效率权衡问题，提出SPACE方法，通过维护吸引前沿信息素、排斥探索信息素和快速机器人密度场实现去中心化协调，在真实建筑平面图上将碰撞率降低4-17倍，覆盖时间仅增加约2%。
利用视觉语言模型动态解析和更新自然语言规范以实现鲁棒的视觉语言跟踪
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳分校） ； Peng Cheng Laboratory, Shenzhen（鹏城实验室深圳分部） ； Shenzhen Graduate School, Peking University（北京大学深圳研究生院）
AI总结 提出语言依赖解析机制提取跟踪核心成分，并利用Qwen-VL进行成分感知的文本更新，在多个基准上取得一致优越性能。
D$^{2}$R$^{2}$OSR: 面向真实世界全向图像超分辨率的退化解耦表示
机构 * School of Computer Science and Technology, University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院） ； ByteDance Inc.（字节跳动公司） ； School of Computer Science, Peking University（北京大学计算机学院）
AI总结 提出D$^{2}$R$^{2}$OSR框架，通过显式建模鱼眼成像和ERP投影的退化，结合视角投影表示和退化特定模块，实现真实世界全向图像超分辨率，达到SOTA性能。
面向真实世界大型数据库的文本到SQL数据库上下文压缩
机构 * National Engineering Research Center of Software Engineering, Peking University（软件工程国家工程研究中心，北京大学） ； School of Computer Science, Peking University（北京大学计算机学院） ； Peking University Information Technology Institute, Tianjin Binhai（天津滨海大学信息技术研究所，北京大学）
AI总结 针对真实大型数据库中文本到SQL性能瓶颈，提出基于SGCF原则的数据库上下文压缩方法DBCC，通过离线结构语义压缩和在线证据净化，将输入上下文减少两个数量级，并提升模式链接召回率和执行准确率。
SpeakerCard-1M：面向野外说话人确认的基于证据的说话人卡片语料库
机构 * Brno University of Technology, Czechia（布拉格技术大学，捷克） ； Peking University, China（北京大学，中国） ； Xiaomi, China（小米，中国） ； Athens University of Economics and Business, Greece（雅典经济与商业大学，希腊） ； The Hong Kong Polytechnic University, Hong Kong（香港理工大学，香港） ； Nanjing University, China（南京大学，中国）
AI总结 提出SpeakerCard-1M双语说话人资源，通过声学探针和受限LLM生成结构化说话人卡片，并定义跨模态协议以支持基于证据的说话人确认。
Comments Corpus and protocols at https://junyipeng00.github.io/SpeakerCard-1M-page
SPADE-Bench：通过计划-行动分歧评估智能体中的自发性策略欺骗
机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Peking University（北京大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Chinese Academy of Science（中国科学院大学） ； Alibaba Group（阿里巴巴集团）
AI总结 针对LLM智能体在工具使用中可能出现的自发性策略欺骗（计划与行动不一致），提出SPADE-Bench基准，通过结合实际工具执行和受控压力场景，严格区分欺骗与幻觉，实验证实该问题真实且紧迫。
X-DiffVLA：面向视觉-语言-动作模型的跨具身扩散动作头
机构 * SKL-MAIS, Institute of Automation, Chinese Academy of Sciences（SKL-MAIS，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； BeingBeyond ； School of Computer Science, Peking University（北京大学计算机学院）
AI总结 针对跨具身数据学习通用策略的挑战，提出X-DiffVLA模型，通过扩散模型和具身强制技术实现异构末端执行器间的知识迁移，在RoboCasa和Isaac Gym上分别提升15.3%和12.5%。
Geo-Expert: 通过参数高效微调实现专家级地质推理
机构 * Ocean University of China（中国海洋大学） ； Peking University（北京大学） ； Monash University（墨尔本大学）
AI总结 本文提出Geo-Expert，通过参数高效微调（LoRA）在定制高质量指令数据集上微调小规模语言模型，在专门的地质推理基准Geo-Eval上，8B模型超越70B通用模型和GPT-4o，32B模型接近前沿推理模型。
Comments 11 pages, 1 figure, 3 tables. Accepted at ICML 2026 AI for Science Workshop
打破刹车，而非车轮：通过熵最大化实现无目标越狱
机构 * Australian National University（澳大利亚国立大学） ； The University Of Queensland（昆士兰大学） ； Peking University（北京大学） ； GE research（通用电气研究院） ； CSIRO（澳大利亚联邦科学与工业研究组织）
AI总结 提出UJEM-KL攻击方法，通过最大化决策令牌的熵来翻转视觉-语言模型的拒绝输出，实现高迁移性的无目标越狱。
Comments Preprint. 17 pages, 8 figures, 6 tables
PolarAPP: 超越极化去马赛克用于极化应用
机构 * Zhejiang University（浙江大学） ； School of Engineering, Westlake University（西湖大学工学院） ； School of Automation, Central South University（中南大学自动化学院） ； 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） ； National Engineering Research Center of Visual Technology, School of Computer Science, Peking University（北京大学计算机学院视觉技术国家工程研究中心）
AI总结 PolarAPP提出首个联合优化去马赛克与下游任务的框架，通过元学习实现语义对齐，引入等效成像约束并采用任务细化阶段提升精度，实验表明其在去马赛克质量和下游性能上均优于现有方法。
UniMotion: 一种用于运动-文本-视觉理解和生成的统一框架
机构 * Peking University（北京大学） ； Donghua University（东华大学） ； South China University of Technology（华南理工大学）
AI总结 UniMotion首次提出统一框架，同时处理人类运动、自然语言和RGB图像的理解与生成，通过连续模态处理和自监督预训练解决传统模型的局限性。
Comments Accepted to ECCV 2026
MixGRPO: 通过混合ODE-SDE解锁基于流的GRPO效率
机构 * Hunyuan, Tencent（腾讯混元） ； School of Computer Science, Peking University（北京大学计算机学院） ； Computer Center, Peking University（北京大学计算中心） ； Department of Engineering Physics, Tsinghua University（清华大学工程物理系）
AI总结 本文提出MixGRPO框架，通过结合ODE和SDE混合采样策略，优化流匹配模型的效率与性能，采用滑动窗口机制减少优化开销，提升收敛速度，其中MixGRPO-Flash进一步降低训练时间达71%。
通过解耦音频语义实现延迟双向对齐的音频视觉分割
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peking University（北京大学）
AI总结 本文提出DDAVS方法，通过解耦音频语义和延迟双向对齐解决音频视觉分割中的多源纠缠和视听错位问题，实验表明其在多种场景下均取得最优性能。
Comments Accepted by ECCV 2026
SRUM：细粒度自奖励用于统一多模态模型
机构 * HKU MMLab（香港大学多媒体实验室） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） ； Noah’s Ark Lab, Huawei（华为诺亚方舟实验室） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 SRUM通过内部评估模块对生成模块进行自奖励，提升统一多模态模型的视觉生成能力，实验证明在T2I-CompBench和T2I-ReasonBench上性能显著提升。
Comments Accepted to ECCV 2026. 20 pages, 8 figures, webpage can be seen in https://waynejin0918.github.io/srum_web/
CLARity：仅通过推理一致性即可教授强化专家
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机技术研究所）
AI总结 CLARity通过一致性感知奖励机制和两阶段精炼-监控训练流程，提升推理一致性，利用小规模通用LLM有效指导专家模型，实验显示在一致性与准确性上均有显著提升。
Comments ACL 2026 Main Conference
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