高校专区
MM-Nav：基于多专家学习的多视角VLA模型用于鲁棒视觉导航
机构 * Peking University（北京大学） ； Galbot ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 本文提出MM-Nav模型，通过多专家学习从合成数据中学习多样化的导航能力，展示模型在合成环境中的强泛化能力，并在现实世界实验中验证其有效性。
Comments Project page: https://pku-epic.github.io/MM-Nav-Web/
可学习模糊核用于野外单图像模糊去模糊
机构 * Shenzhen Graduate School, Peking University（北京大学深圳研究生院） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出一种基于可学习模糊核和DefocusGAN的单图像模糊去模糊方法，通过无监督学习恢复高频率细节，实验表明在PSNR和LPIPS指标上达到最优性能。
Comments 9 pages, 7 figures
Journal ref AAAI2023
解缠连续时间潜在动力学：通过扩散偏移实现潜在SDE的可辨识性
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； The University of Melbourne（墨尔本大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对连续时间潜在随机微分方程模型的可辨识性问题，利用环境引起的扩散协方差偏移，证明在漂移无稀疏性假设下，对角扩散机制可识别潜在坐标至置换和缩放，并估计潜在解缠与因果图。
PhysisForcing：面向机器人操作的物理增强世界模拟器
机构 * Peking University（北京大学） ； NVIDIA（英伟达）
AI总结 针对视频生成模型在机器人操作模拟中物理不稳定的问题，提出PhysisForcing框架，通过像素级轨迹对齐和语义级关系对齐损失联合优化，显著提升物理一致性，在多个基准上改进基础模型，并提高下游策略成功率。
Comments Github: https://github.com/DAGroup-PKU/PhysisForcing Project website: https://dagroup-pku.github.io/PhysisForcing.github.io/#
像素空间自回归图像生成的并行展开近似
机构 * Peking University（北京大学） ； DP Technology
AI总结 提出并行展开近似(PRA)框架，通过生成低维中间状态并映射回像素令牌，解决像素空间连续令牌自回归生成中高维补丁误差大和训练-推理差距问题，在ImageNet-1K上以135M参数实现FID 2.58，511M参数达到1.94，创像素空间AR模型新纪录。
PerturbCellRL：用于单细胞扰动预测的验证器引导强化学习
机构 * Stanford University（斯坦福大学） ； Peking University（北京大学）
AI总结 提出PerturbCellRL框架，通过强化学习后训练预训练的单细胞转录组生成器，利用细胞级验证器奖励确保生物一致性，在多个基准上提升预测性能。
最薄弱的环节说明一切：通过可学习信用分配的结果监督过程奖励建模
机构 * National Engineering Research Center of Software Engineering, Peking University（北京大学软件工程国家工程研究中心） ； 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（教育部高可信软件技术重点实验室） ； GRG Banking Equipment Co., Ltd.（广电运通金融电子股份有限公司） ； Center on Frontiers of Computing Studies, Peking University（北京大学计算前沿研究中心） ； Peking University Information Technology Institute (Tianjin Binhai)（北京大学（天津滨海）信息技术研究院）
AI总结 提出LCA框架，通过可学习信用分配解决结果监督过程奖励模型中的信用分配问题，在多个任务上优于现有方法。
无偏扩散变分反演：基于原则性后验匹配
机构 * Peking University（北京大学）
AI总结 提出原则性后验匹配（PPM）框架，通过精确优化KL散度（利用Fisher散度积分）解决逆问题中模式坍塌和不确定性量化不可靠的问题，统一变分推理和摊销推理，在图像修复、超分辨荧光显微和射电干涉成像中实现高保真重建和校准的不确定性估计。
LiveClawBench: 在复杂真实世界助理任务上评估大语言模型代理的基准测试
机构 * Samsung Research（三星研究院） ； HKUST (Guangzhou)（香港科技大学（广州）） ； Peking University（北京大学） ； City University of Hong Kong（香港城市大学）
AI总结 本文提出LiveClawBench基准，通过三轴复杂性框架评估LLM代理在真实世界助理任务中的表现，涵盖环境复杂性、认知需求和运行时适应性，为未来扩展提供基础。
LIFT：一种通过长输入微调增强大语言模型长上下文理解的新型框架
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，北京通用人工智能研究院）
AI总结 LIFT通过动态调整参数提升短上下文LLM的长上下文性能，避免二次复杂度，同时通过合成任务增强长上下文理解能力。
Comments 22 pages, ICML 2026 Poster, camera-ready
StereoVLA：利用立体视觉增强视觉-语言-动作模型
机构 * Galbot ； CFCS, School of CS, Peking University（北京大学计算机学院CFCS） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； The University of Hong Kong（香港大学） ； Xiamen University Malaysia（厦门大学马来西亚分校） ； Southern University of Science and Technology（南方科技大学）
AI总结 提出StereoVLA，首个利用大规模合成立体数据引入丰富几何线索的VLA模型，通过几何与语义联合编码和协同训练目标，在真实实验中成功率绝对提升33.4%，并展现出对近半球视角的鲁棒性。
让语言约束几何：视觉-语言模型作为3D生成的语义和空间评判者
机构 * Peking University（北京大学） ； hi-lab, Xiaohongshu Inc.（小红书科技公司 hi-lab） ； MMLab, CUHK（香港中文大学 MMLab） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 提出VLM3D框架，利用视觉-语言模型作为可微分的语义和空间评判者，通过双查询评判信号改善文本到3D生成的语义对齐和几何一致性。
Comments arXiv admin note: substantial text overlap with arXiv:2509.15772
一种从损坏观测中训练清洁扩散模型的期望最大化算法
机构 * Academy for Advanced Interdisciplinary Studies, Peking University（北京大学前沿交叉学科研究院） ； College of Future Technology, Peking University（北京大学未来技术学院） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心） ； Yuanpei College, Peking University（北京大学元培学院） ； State Key Laboratory of Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室）
AI总结 提出EMDiffusion，一种期望最大化方法，通过交替重建和模型更新从损坏观测中训练扩散模型，在多种成像逆任务上达到新最优。
TOPS：通过构建令牌最优保留集实现高效多模态大语言模型推理的第一性原理视觉令牌剪枝
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） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanyang Technological University（南洋理工大学） ； Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院）
AI总结 提出TOPS方法，基于信息论分析确立任务相关性、信息覆盖和语义多样性三大原则，无训练且模型无关地剪枝视觉令牌，在LLaVA-NeXT上剪除77.8%令牌仍保持甚至提升性能。
Comments 27 pages, 18 figures
基于JEPA的世界模型的泛化理论
机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院通用人工智能国家重点实验室） ； University of Sydney（悉尼大学）
AI总结 本文首次为JEPA世界模型建立泛化理论，将其预训练表述为条件谱图学习问题，并证明JEPA目标等价于动作条件共现矩阵的低秩分解，进而推导出有限样本泛化界，揭示了潜在维度在近似误差与样本误差之间的权衡。
PhysRAG: 通过检索增强生成提升视频生成中的物理感知
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Institute of AI for Industries, Chinese Academy of Sciences（中国科学院人工智能产业研究院）
AI总结 提出PhysRAG管道，利用检索增强生成（RAG）和可学习查询注入物理知识，在7K高质量视频上训练，在PhyGenBench和VBench上达到最优视觉质量和物理规则遵从性。
Comments Accepted to ECCV 2026
基于扩散Transformer的生成式检索：度量有序序列训练与混合策略偏好优化
机构 * Peking University（北京大学）
AI总结 针对模式保持的属性检索任务，提出MO-DiT+HPPO框架，通过度量有序训练和混合策略偏好优化，在八个领域分割中七个取得显著提升。
DiCoBench: 通过差异性和共性视觉线索进行多图像细粒度感知的基准测试
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 提出DiCoBench，一个包含765个样本的高分辨率多图像基准，通过差异性和共性视觉线索评估多模态大模型的细粒度感知能力，发现顶尖模型与人类准确率（98.3%）差距显著。
Comments Accepted by ECCV 2026. Project page with code: https://github.com/PKU-ICST-MIPL/DICO_Bench_ECCV2026
主动对抗扰动驱动的关联记忆检索用于RGB-事件视觉目标跟踪
机构 * School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） ； School of Electronic and Information Engineering, Anhui University（安徽大学电子信息工程学院） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； School of Computer Science, Peking University（北京大学计算机学院） ； 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）
AI总结 提出APRTrack框架，通过分层对抗扰动模拟模态退化与局部缺失，并设计足迹引导的通道校准Hopfield检索实现鲁棒的历史信息补偿，在多个数据集上验证了有效性。
从结构到协同：多模态大语言模型中视觉-语言感知范式演进综述
机构 * School of Computer Science, Sichuan University（四川大学计算机学院） ； School of Electronic and Computer Engineering, Peking University Shenzhen Graduate School（北京大学深圳研究生院电子与计算机工程学院） ； Institute of Artificial Intelligence (TeleAI), China Telecom and Northwestern Polytechnical University（中国电信与西北工业大学人工智能研究院（TeleAI））
AI总结 本文系统综述多模态大语言模型中统一视觉-语言感知的范式演进，提出五阶段分类法，梳理各阶段代表性方法，并指出开放挑战与未来方向。
LCG: 基于稀疏关系注意力的一致长上下文图像生成
机构 * Huazhong University of Science and Technology（华中科技大学） ； Peking University（北京大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出LCG框架，利用稀疏关系注意力（SRA）和路由一致性约束（RCC），在长序列图像生成中保持语义和外观一致性，并构建了大规模数据集LCCD进行训练和评估。
超越独立操纵：具有同伴模仿的个体公平感知策略分类
机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； School of Mathematical Sciences, Peking University（北京大学数学学院） ； Institute for Theoretical Computer Science, Shanghai University of Finance and Economics（上海财经大学理论计算机科学研究所） ； Information Technology Development, Aetos Capital Group, Sydney（悉尼Aetos资本集团信息技术部） ； Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 提出个体公平感知策略分类（IFSC）框架，通过建模基于个体公平的同伴驱动操纵（模仿邻近被接受同伴），并采用鲁棒学习过程处理同伴可观测性不确定性，以改善个体公平一致性并减轻模仿引起的扭曲。
Comments Accepted by SIGKDD2026
TransXion: 一种高保真的图基准用于现实中的反洗钱
机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Institute of Financial Technology, Fudan University（复旦大学金融技术研究所） ； Peking University（北京大学）
AI总结 TransXion通过整合正常活动的profile-aware模拟与非模板生成的非法子图，解决现有交易图数据集的稀疏性和模板偏差问题，提供更真实的反洗钱检测测试环境。
使用神经网络估计直接成像系外行星的轨道参数
机构 * Center for Gravitational Wave Experiment, National Microgravity Laboratory, Institute of Mechanics, Chinese Academy of Sciences（引力波实验中心、国家微重力实验室、力学研究所、中国科学院） ； Taiji Laboratory for Gravitational Wave Universe (Beijing/Hangzhou), University of Chinese Academy of Sciences (UCAS), Beijing（太极引力波宇宙实验室（北京/杭州）、中国科学院大学（UCAS）） ； National Space Science Center, Chinese Academy of Sciences（国家空间科学中心、中国科学院） ； School of Physics, Peking University（北京大学物理学院） ； Shanghai Institute of Optics and Fine Mechanics, Chinese Academy of Sciences（上海光学精密机械研究所、中国科学院）
AI总结 提出流匹配马尔可夫链蒙特卡洛（FM-MCMC）算法，结合流匹配后验估计与MCMC，高效准确地推断系外行星轨道参数，在β Pictoris b上实现77.8倍加速并达到最高平均对数似然。
Comments accepted by PRR
HauntAttack：当攻击如影随形地跟随推理
机构 * State 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国家重点实验室） ； StepFun ； Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系） ； Institute of Artificial Intelligence, Beihang University（北航人工智能研究院）
AI总结 提出HauntAttack黑盒对抗攻击框架，通过将有害指令嵌入推理问题，引导大型推理模型逐步产生不安全输出，在11个模型上平均攻击成功率超70%。
通过层间一致性聚合缓解大型视觉-语言模型中的幻觉
机构 * Peking University（北京大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Virginia Tech（弗吉尼亚理工大学） ； University of Electronic Science and Technology of China（电子科技大学） ； De Artificial Intelligence Lab（人工智能实验室）
AI总结 提出训练无关的解码方法DCLA，通过聚合前层表示构建动态语义参考并纠正语义偏差层，增强层间一致性，在多个LVLM和基准上显著降低幻觉。
FORCE: 通过值校准预热和自蒸馏实现高效的VLA强化学习微调
机构 * Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University, Beijing, China（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）
AI总结 提出FORCE框架，通过值校准预热和自蒸馏解决VLA模型RL微调中的样本效率低和初始遗忘问题，在仿真和真实任务中成功率提升79%，训练加速32.5%。
Action ControlNet: 一种轻量级延迟感知适配器，用于视觉-语言-动作模型中的平滑异步控制
机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院）
AI总结 提出Action ControlNet，一种轻量级延迟感知适配器，通过将已执行的动作后缀作为残差条件，在不重新训练骨干网络的情况下，减少异步执行中的动作不连续和抖动，提升机器人操控的鲁棒性和平滑性。
智能体系统作为压缩器：用比特数衡量系统智能
机构 * Peking University（北京大学）
AI总结 提出将智能体系统视为压缩器，通过算术编码等方法以比特数衡量系统智能，在五个任务中验证智能体组件能减少编码长度。
OPERA: 通过基于客观困惑度的强化学习对齐开放式推理
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Meituan Longcat Team（美团龙猫团队） ； Peking University（北京大学） ； Nanjing University of Science and Technology（南京理工大学）
AI总结 提出OPERA方法，利用困惑度动态作为内在奖励信号，结合冷启动数据合成和困惑度优先的推理轨迹选择，实现开放式任务中对齐，在Qwen3-8B上达到开源模型最优。
Comments 21 pages, 8 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