高校专区
DynaMOMA：动态物体移动操作的抓取姿态瞬时预测
机构 * National University of Defense Technology（国防科技大学） ； CFCS, Peking University（北京大学前沿计算研究中心） ； Defense Innovation Institute, Academy of Military Sciences（军事科学院国防科技创新研究院） ； Wuhan University（武汉大学） ； Institute of AI for Industries, Chinese Academy of Sciences（中国科学院产业人工智能研究院）
AI总结 提出DynaMOMA框架，结合基于锚点的扩散模型预测瞬时抓取轨迹与全身控制策略，实现动态物体移动操作，在仿真和真实实验中表现优异。
DRM: 基于扩散的奖励模型与逐步引导
机构 * Peking University（北京大学） ； WeChat Vision, Tencent Inc.（腾讯微信视觉实验室）
AI总结 提出基于扩散的奖励模型（DRM），利用预训练扩散模型作为评估骨干，通过逐步评估能力改进强化学习对齐和推理采样，提升图像生成质量。
MSAVBench：面向多镜头音频-视频生成的全面可靠评估
机构 * Fudan University（复旦大学） ； The University of Hong Kong（香港大学） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室） ； Zhejiang University（浙江大学） ； Peking University（北京大学）
AI总结 提出首个多镜头音频-视频生成基准MSAVBench，通过自适应混合评估框架在四个维度上系统评估19个模型，发现当前系统在导演级控制和细粒度音视频同步上仍存在挑战。
面向低资源语言机器翻译的多示例上下文学习的实证研究
机构 * Mila – Quebec AI Institute（魁北克人工智能研究所） ； McGill University（麦吉尔大学） ； Athabasca University（阿特拉斯大学） ； Peking University（北京大学） ； Howard University（霍华德大学）
AI总结 本研究实证分析多示例上下文学习在低资源语言机器翻译中的效果，发现BM25检索可大幅提升数据效率，且ICL能在微调基础上带来额外增益。
Comments 24 pages, 3 figures, 20 tables
探索信息寻求智能体整合
机构 * Peking University（北京大学） ； Tencent（腾讯）
AI总结 通过系统实证研究，比较数据级混合与参数级合并两种范式，发现参数级合并能以更低成本达到数据混合的性能，并保留跨域能力。
立场：感知之后推理意味着无视觉推理
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； National University of Singapore（新加坡国立大学） ； Zhongguancun Academy（中关村学院） ； Nanjing University（南京大学） ； Nankai University（南开大学）
AI总结 本文质疑多模态研究中语言推理能弥补视觉缺陷的假设，提出“感知-推理”范式导致视觉推理退化为文本空间推理，并通过图灵眼测试验证文本推理无法修复感知失败，主张转向感知内的推理。
机器人操作的世界价值模型
机构 * Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 提出世界价值模型（WVM），融合世界模型与价值估计，通过时序建模评估数据质量，在标准基准和次优轨迹基准上达到SOTA，提升策略学习性能。
Comments preprint
基于动态区间编码和先验平衡QUBO重建的量子CT
机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究院） ； Pattern Recognition Lab (LME), Department of Computer Science, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)（埃尔朗根-纽伦堡大学计算机科学系模式识别实验室） ； Key Lab of Optoelectronic Technology and Systems and the Engineering Research Center of Industrial Computed Tomography Nondestructive Testing, Ministry of Education, Chongqing University（重庆大学光电技术及系统教育部重点实验室和工业计算机断层成像无损检测工程研究中心）
AI总结 提出一种基于QUBO的灰度CT重建框架，通过动态区间编码和先验平衡优化，在稀疏视角和有限角度实验中优于多种基线方法，并可在混合量子-经典后端执行。
Comments 10 pages, 10 figures
一种用于加速罕见病诊断的专用推理大语言模型：随机AI辅助医生试验
机构 * Tsinghua Medicine, Tsinghua University（清华大学医学部，清华大学） ； Department of Ophthalmology, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences & Peking Union Medical College（北京大学人民医院眼科，中国医学科学院 & 北京大学医学部） ； Department of Statistics and Data Science, Tsinghua University（清华大学统计与数据科学系） ； Department of Rheumatology and Clinical Immunology, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences & Peking Union Medical College（北京大学人民医院风湿免疫科，中国医学科学院 & 北京大学医学部） ； Department of Rare Diseases, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences & Peking Union Medical College（北京大学人民医院罕见病科，中国医学科学院 & 北京大学医学部） ； Department of Dermatology, Xijing Hospital, Air Force Medical University（西安空军军医大学西京医院皮肤科） ； School of Computer Science and Technology, East China Normal University (ECNU)（东华大学计算机科学与技术学院） ； Department of Neurosurgery, Xuanwu Hospital, Capital Medical University（首都医科大学宣武医院神经外科） ； Department of Ophthalmology, National University of Singapore（新加坡国立大学眼科） ； Singapore Eye Research Institute, Singapore National Eye Centre（新加坡眼科学研究所，新加坡国家眼科中心） ； Ophthalmology and Visual Science Academic Clinical Program, Duke-NUS Medical School（杜克-国立新加坡大学医学学校眼科与视觉科学学术临床项目） ； Department of Pediatrics, The First Hospital of Tsinghua University（清华大学第一医院儿科） ； College of Future Technology, Peking University（北京大学未来技术学院） ； School of Health and Wellbeing, University of Glasgow（格拉斯哥大学健康与福祉学院）
AI总结 提出开源推理大模型RaDaR（32B参数），通过增强推理训练和合成数据，在罕见病诊断中超越DeepSeek-R1等模型，随机试验显示其辅助使医生诊断准确率提升21.44个百分点。
Comments 36 pages, 5 figures
MambaRaw: 基于选择性状态空间建模的高效4K原始图像重建
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； Dalian University of Technology（大连理工大学） ； Microsoft Research Asia（微软亚洲研究院） ； Hong Kong University of Science and Technology（香港科技大学） ； School of Computer Science, Peking University（北京大学计算机科学学院）
AI总结 提出MambaRaw框架，利用状态空间模型高效估计熵参数，通过TileMambaBlock和能量感知精化模块实现4K原始图像的高效重建，在三个相机数据集上达到最优性能。
Comments Accepted by ECCV 2026
HOLMES: 评估大语言模型中的高阶逻辑推理
机构 * 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） ； School of Computer Science, Peking University（北京大学计算机科学学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Beijing Academy of Artificial Intelligence（北京智源人工智能研究院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； YiXin-AILab, YIXIN（YiXin-AILab，YIXIN）
AI总结 提出HOLMES基准，基于高阶逻辑评估LLM在规则、谓词和约束上的推理能力，发现当前模型平均准确率仅50.64%，揭示高阶符号推理是关键瓶颈。
共鸣心智：具备心智理论的闭环社交虚拟人
机构 * University of Washington（华盛顿大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Eastern Institute of Technology, Ningbo（宁波工程技术学院）
AI总结 提出一个闭环双智能体框架，通过整合感知、社会推理（基于心智理论）和多模态生成，实现具备社交智能的虚拟人，并在信息不对称数据集上取得优于全信息脚本模式的对话质量。
Comments Project page: https://resonantminds.github.io/
BioPIE：面向实验理解的生物医学协议信息抽取数据集
机构 * School of Advanced Manufacturing and Robotics, Peking University（北京理工大学先进制造与机器人学院） ； School of Integrated Circuits, Peking University（北京理工大学集成电路学院）
AI总结 提出BioPIE数据集，以程序为中心的知识图谱捕获实体、动作和关系，解决生物医学实验理解中的高信息密度和多步推理难题，并验证了信息抽取方法及问答系统的有效性。
当AI遇见金融（StockAgent）：基于大语言模型的模拟真实环境股票交易
机构 * University of Liverpool（利物浦大学） ； Peking University（北京大学） ； Shanghai University of Finance（上海金融学院） ； Rutgers University（罗格斯大学） ； University of Michigan（密歇根大学） ； Northwestern University（西北大学） ； New York University（纽约大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； New Jersey Institute of Technology（新泽西理工学院）
AI总结 提出基于大语言模型的多智能体系统StockAgent，模拟真实股票交易环境，评估外部因素对交易行为的影响，并避免测试集泄露问题。
Comments 33 pages, 10 figures. Published in ACM Transactions on Intelligent Systems and Technology (TIST)
LaST-HD：从可扩展人类数据中学习潜在物理推理以进行机器人操作
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） ； The Chinese University of Hong Kong（香港中文大学） ； Simplexity Robotics ； Aether Tech
AI总结 提出LaST-HD框架，通过将人手与机器人演示在共享潜在推理空间中对齐，利用未配对轨迹训练世界模型合成统一潜在目标，实现跨形态物理动力学内化，并开发低成本数据手套OOL Glove，结合混合训练策略，仅用少量人类数据即可达到高泛化性能。
DiT-Reward：文本到图像奖励建模的生成式表示
机构 * JD Explore Academy, JD.com（京东探索研究院，京东） ； Tsinghua University（清华大学） ； Beijing Institute of Technology（北京理工大学） ； Peking University（北京大学）
AI总结 提出DiT-Reward，利用预训练文本到图像扩散Transformer的生成表示进行奖励预测，在多个偏好基准上超越HPSv3，并实现1.65倍推理加速。
AOHP：一个用于个性化、高效和安全交互的开源操作系统级Agent框架
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； The University of Hong Kong（香港大学）
AI总结 提出AOHP，一个基于AOSP的操作系统级Agent框架，通过将Agent视为一等OS参与者，实现个性化服务组合、高效Agent接口和安全信息流，在任务完成率、令牌成本和策略合规性上优于现有系统。
Comments 17 pages, 3 figures
IOI: 解耦运动学与物理学的交互式世界模型
机构 * Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Peking University（北京大学）
AI总结 提出IOI混合交互式世界模型，通过显式运动学先验与学习物理动力学解耦，实现精确控制对齐和物理合理视觉反馈，在RoboTwin基准上达到最优仿真性能与零样本泛化。
SteerVTE: 具有风格和字形控制的无缝视频文本编辑
机构 * Peking University（北京大学）
AI总结 提出SteerVTE框架，通过风格编码器和双粒度字形编码器控制冻结视频扩散模型，结合字形感知空间焦点损失和三阶段渐进训练，实现精确、连贯的视频文本编辑。
EvoRubrics：通过对抗性协同进化为LLM强化学习提供动态评分准则作为奖励
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） ； Peking University Information Technology Institute, Tianjin Binhai（北京大学滨海信息技术研究院） ； Research Institute, GRGBanking Equipment Co., Ltd.（广电运通金融电子股份有限公司研究院）
AI总结 提出EvoRubrics框架，通过策略LLM与评分准则生成器的对抗性协同进化，在训练中动态调整奖励标准，解决静态评分准则导致的奖励饱和与策略欺骗问题，实验表明其优于静态和动态基线，且自监督变体也能有效提升性能。
通过尺度驱动的在线光流细化提升神经视频编解码器
机构 * Peking University Shenzhen Graduate School（北京大学深圳研究生院） ； Pengcheng Laboratory（鹏城实验室） ； City University of Hong Kong（香港城市大学） ； School of Computer Science, Peking University（北京大学计算机学院） ； Migu Interactive Entertainment Co., Ltd（咪咕互动娱乐有限公司）
AI总结 提出一种无需训练的尺度驱动在线光流细化方法（SOFR），通过多尺度运动信息动态融合来修正运动估计误差，在多种NVC框架上平均节省2.84%和4.05%码率。
Comments Accepted to ICME 2026 as an oral paper
组图策略优化用于长程智能体强化学习
机构 * Peking University（北京大学） ； Microsoft Corporation（微软公司）
AI总结 提出G2PO算法，通过构建全局状态转移图并引入组聚合状态值估计和边中心优势估计，解决长程智能体强化学习中的奖励稀疏和信用分配粗粒度问题，在WebShop等基准上显著提升成功率。
ENVS：面向长程GUI智能体的环境原生验证搜索
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Peking University（北京大学）
AI总结 提出ENVS方法，利用环境在训练时构建验证监督，通过分支搜索和全局平衡训练提升长程GUI任务性能，并引入OSWorld-Noisy基准测试抗干扰能力。
OrthoMotion：通过几何语义正交注意力解耦相机与主体运动
机构 * Peking University（北京大学）
AI总结 提出OrthoMotion方法，通过将相机运动编码为几何通道（旋转位置嵌入相位旋转）和主体运动编码为语义通道（门控值注入交叉注意力），并利用正交正则化保证解耦，实现可控视频生成中相机与主体运动的独立控制，将串扰降低2.4倍以上。
Comments Accepted by SCA2026(poster)
投影-体积保真度散度：稀疏视角三维高斯层析成像中优化漂移的诊断与控制
机构 * Chongqing University（重庆大学） ； Peking University Health Science Center（北京大学医学部）
AI总结 针对稀疏视角CT重建中投影域优化导致体积退化的问题，提出LADES控制器，通过线性退火丢弃和结构感知早停抑制高斯变形与共适应，提升体积保真度并减少训练时间。
Comments 29 pages, 9 figures
ACEsplat: 仅通过RGB和姿态加速的3D高斯场景回归
机构 * Peking University（北京大学） ； University of Georgia（佐治亚大学） ； ByteDance（字节跳动） ； Tsinghua University（清华大学） ； Chongqing Vocational Institute of Engineering（重庆工程职业技术学院） ； Infinity Robotics
AI总结 提出ACEsplat框架，通过自监督场景坐标回归和轻量级高斯初始化，仅用RGB图像和相机姿态实现快速3D高斯场景重建，无需外部几何先验。
SPOTR: 面向通用生理信号自监督学习的时空池化单令牌重建
机构 * New Cornerstone Science Laboratory, Guangdong Provincial Key Laboratory of In-Memory Computing Chips, Shenzhen Graduate School, Peking University（新基石科学实验室，广东省存算一体芯片重点实验室，北京大学深圳研究生院） ； 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）
AI总结 提出SPOTR框架，通过单令牌全局瓶颈压缩-重建预训练，解决生理信号自监督学习在异构数据集上的性能瓶颈，在线性探测下显著提升AUC并降低计算开销。
Comments The paper has been accepted by IJCAI-ECAI 2026
超越下一步：用于长时程规划的变长潜世界模型
机构 * State Key Lab of General Artificial Intelligence, 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） ； Amazon AGI SF Lab（亚马逊AGI旧金山实验室） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院）
AI总结 提出变长潜世界模型（VLWM），通过学习变长动作序列的条件潜状态预测，解决递归一步预测在长时程规划中的累积误差问题，结合课程训练策略，在长时程控制任务上平均提升13%。
利用人类偏好奖励改进文本到音乐生成
机构 * Georgia Tech（佐治亚理工学院） ； KAIST（韩国科学技术院） ； Peking University（北京大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出结合人类偏好奖励（TuneJury）的文本到音乐生成方法，通过训练时奖励条件化、专家迭代、偏好微调等五项工程决策，在ATTM挑战中提升FAD-CLAP和CLAP分数。
Comments ICME 2026 Grand Challenge on Academic Text-to-Music Generation
CulMind：中国文化遗产中的多模态理解与推理基准
机构 * University of International Relations（国际关系学院） ； Kedge Business School（凯致商学院） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Capital Normal University（首都师范大学）
AI总结 针对现有基准忽视推理过程的问题，提出CulMind和CulMind-R基准，涵盖50个任务和24个推理子任务，并设计ReaScore指标评估推理质量，揭示答案与推理之间的差距。
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