高校专区
SJD-PAC：通过主动草稿和自适应延续加速推测性雅可比解码
机构 * Peking University（北京大学） ； Huawei Technologies（华为技术）
AI总结 提出SJD-PAC框架，通过主动草稿策略和自适应延续机制提升推测性雅可比解码的接受率，实现无损加速文本到图像合成。
Comments CVPR 2026
MIND：面向多模态大模型的多理由集成判别推理框架
机构 * Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） ； MMLab, CUHK（CUHK多模态实验室）
AI总结 针对多模态大语言模型在多理由语义建模、逻辑鲁棒性和抗误导方面的不足，提出MIND推理框架，通过“理解-反思-纠正”机制实现从被动模仿到主动判别推理的范式转变。
Comments Accepted to ICML 2026
AlphaEval：一个全面高效的公式化Alpha挖掘评估框架
机构 * CUNY Baruch College（CUNY 巴纳特学院） ； Peking University（北京大学） ； Harvard University（哈佛大学） ； Zhengren Research（正人研究所） ； Zhengren Quant（正人量化）
AI总结 提出AlphaEval框架，通过五个维度（预测能力、稳定性、鲁棒性、金融逻辑、多样性）对自动Alpha挖掘模型进行统一、可并行化且无需回测的评估，实现与回测相当的评估一致性并提高效率。
Comments Accepted by KDD2026
Align-KD：为移动视觉语言模型增强提取跨模态对齐知识
机构 * State Key Laboratory of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University, China（通用人工智能国家重点实验室，智能科学与技术学院，北京大学，中国） ； Huawei Noah’s Ark Lab, China（华为诺亚方舟实验室，中国）
AI总结 提出Align-KD方法，通过蒸馏教师模型浅层跨模态对齐知识，指导1.7B学生模型学习视觉-文本匹配，在6个基准上平均提升2.0分。
Comments CVPR 2025 Paper
通过 $l_1$ 滤波在线性时间内求解主成分追踪
机构 * School of Mathematical Sciences, Dalian University of Technology（大连理工大学数学科学学院） ； Key Lab. of Machine Perception (MOE), Peking University（北京大学机器感知重点实验室） ； Microsoft Research Asia（微软亚洲研究院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
AI总结 提出一种名为 $l_1$ 滤波的算法，以 $O(r^2(m+n))$ 复杂度精确求解主成分追踪问题，实现线性时间内的核范数最小化，并具有高度可并行性。
ClinEnv：面向智能体的交互式多阶段长时程电子健康记录环境
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Peking University（北京大学） ； University of Texas Southwestern Medical Center（德克萨斯西南医学中心） ； Tsinghua University（清华大学）
AI总结 提出ClinEnv，一个基于真实住院患者数据的交互式基准，通过多阶段决策序列评估大语言模型在不确定性下逐步收集信息并做出不可逆决策的能力，发现模型决策质量与过程质量严重脱节。
Comments 20 pages, 6 figures, 12 tables
SafeSteer: 局部化在策略蒸馏用于高效安全对齐
机构 * Beihang University（北航） ； Beijing Institute of Technology（北京理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 针对大语言模型安全对齐导致通用能力下降的问题，提出SafeSteer方法，通过激活引导构建安全教师并选择安全令牌，仅在安全令牌上施加反向KL惩罚，在仅用100个有害样本且无需通用数据的情况下，实现了安全与通用能力之间的优越平衡。
Comments 19 pages, 8 figures, 14 tables. Submitted to EMNLP 2026
ToolFG：面向良好基础的细粒度图像分类
机构 * Lancaster University（兰卡斯特大学） ； Peking University（北京大学）
AI总结 提出ToolFG框架，通过MCTS引导的工具使用知识蒸馏和模型-工具协同进化机制，使MLLM自主调用外部工具获取可靠视觉线索，实现细粒度图像分类。
Iteris: 计算数学的智能体研究循环
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Beijing International Center for Mathematical Research and the New Cornerstone Science Laboratory, Peking University（北京大学北京国际数学研究中心和新基石科学实验室） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； Center for Intelligent Computing, Great Bay Institute for Advanced Study, Great Bay University（大湾研究院先进研究所智能计算中心） ； Zhongguancun Academy（中关村学院）
AI总结 提出Iteris智能体研究系统，通过数值实验、构造和证明草稿解决计算数学中的两个开放问题，经专家验证后获得可验证结果。
Comments 43 pages
ResMerge：基于残差的谱合并大型语言模型
机构 * Southeast University（东南大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； National University of Singapore（新加坡国立大学） ； Wuhan University of Technology（武汉理工大学） ； Peking University（北京大学） ； Wuhan AI Research（武汉人工智能研究院）
AI总结 提出ResMerge框架，通过将RL任务向量分解为谱头部和残差组件，利用残差组件构建稳定骨干并选择性引入头部信息，实现无需训练的专家模型合并。
Comments 14 pages including appendix
VLBM：面向OOD鲁棒多变量时间序列预测的变分潜在基建模
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； Amap, Alibaba Group（阿里巴巴集团阿地图） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； Environmental Microbiome and Innovative Genomics Laboratory, Peking University（北京大学环境微生物与创新基因组实验室）
AI总结 提出VLBM框架，通过变分潜在基分离稳定动态与OOD偏差，实现混合ID/OOD分布下的鲁棒预测，在12个基准任务上平均MAE和MSE分别提升15.08%和7.74%。
通过基于交互合成扩展智能体能力
机构 * Renmin University of China（中国人民大学） ； Peking University（北京大学） ； Tencent（腾讯）
AI总结 提出GAIS框架，通过两阶段接地机制（协议锚定环境和结构引导规划）自动生成多样化的环境和复杂任务，显著提升智能体在BFCL、τ²-Bench和ACEBench上的性能。
SafeMCP：基于环境接地前瞻推理的LLM智能体防御主动功率调节
机构 * Beijing Institute of Technology（北京理工大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院）
AI总结 针对LLM智能体因动作空间扩大而面临功率寻求风险，提出SafeMCP服务器端防御插件，通过内部世界模型进行前瞻推理，实现主动工具过滤和即时干预两级防御，在保持智能体效用的同时有效降低风险。
Comments Accepted to the 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026), Main Conference
SMH-Bench：用于智能家居中环境基础推理与行动的LLM代理基准测试
机构 * Midea Group（美的集团） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Donghua University（东华大学） ； The University of Sydney（悉尼大学） ； Peking University（北京大学）
AI总结 提出SMH-Bench基准，基于可执行模拟器HomeEnv，通过1100个任务评估LLM在智能家居中的推理与行动能力，发现前沿模型在自动化调度、模糊处理和个性化推理方面存在不足。
分而治之：用于深度伪造检测的可靠多视图证据学习
机构 * School of Computer Science, Wuhan University, Wuhan, China（武汉大学计算机学院） ； School of Integrated Circuits, Peking University, Beijing, China（北京大学集成电路学院） ； School of Information, Huazhong Agricultural University, Wuhan, China（华中农业大学信息学院） ； College of Cyber Security, Tarim University, Alaer, China（塔里木大学网络安全学院） ； School of Cyber Science and Engineering, Wuhan University, Wuhan, China（武汉大学网络安全与工程学院）
AI总结 提出分治多视图证据学习框架（DiCoME），通过几何视图净化解耦语义与伪影特征，并利用不确定性感知证据学习融合视图，提升深度伪造检测的泛化性和可靠性。
Comments Accepted to ICML 2026
RescueBench: 具身智能体能否在野外拯救生命？
机构 * Beihang University（北京航空航天大学） ； Beijing Normal University（北京师范大学） ； Peking University（北京大学） ； City University of Macau（澳门城市大学） ； ATEC2025 Challenge Committee（ATEC2025挑战委员会）
AI总结 本文提出 RescueBench，一个四阶段流水线的逼真诊断基准，用于评估具身智能体在搜索与救援任务中的探索、记忆和交互能力，并揭示探索和记忆失败如何传播。
OctoT2I：一种自我进化的智能文本到图像路由系统
机构 * School of Electronic and Computer Engineering, Peking University（电子与计算机工程学院，北京大学） ； Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（广东省超高清沉浸媒体技术重点实验室，北京大学深圳研究生院）
AI总结 提出OctoT2I框架，通过自进化机制构建知识库并采用状态化多轮路由策略，联合优化生成质量与推理效率，在GenEval上达到0.96性能，同时实现90.3%推理加速和56.6%能效提升。
结构引导的自适应传播用于蛋白质-蛋白质相互作用位点预测
机构 * Institute of Computing Science and Technology, Guangzhou University（广州大学计算机科学与技术学院） ； School of Computer Science, Peking University（北京大学计算机科学学院） ； Information Science & Technology Department, Beijing Capital International Airport Co., Ltd.（北京首都国际机场有限公司信息科学与技术部） ； School of Information Science and Technology, Dalian Maritime University（大连海事大学信息科学与技术学院）
AI总结 提出SGAP-PPIS模型，利用等变图神经网络的多尺度几何状态生成残基级传播系数，实现自适应信息扩散，在Test_60上取得竞争性能。
Comments 9 pages, 3 figures
时空相关性引导的几何划分用于多功能视频编码
机构 * Institute of Digital Media, Department of Electronics Engineering and Computer Science, Peking University（数字媒体研究所，电子工程与计算机科学系，北京大学） ； Information Technology R&D Innovation Center of Peking University（北京大学信息科技研发创新中心） ； Peng Cheng Laboratory（鹏城实验室） ； 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）
AI总结 针对VVC中几何划分开销大的问题，提出时空相关性引导的几何划分（STGEO）方案，通过模式预测和运动候选选择减少边信息比特，提升编码效率。
Journal ref IEEE Transactions on Image Processing, vol. 31, pp. 30-42, 2022
可变形维纳滤波器用于未来视频编码
机构 * National Engineering Research Center of Visual Technology, School of Computer Science, Peking University（视觉技术国家工程研究中心，北京大学计算机科学学院） ； Core Media Technology, Disney Streaming（核心媒体技术，迪士尼流媒体） ； Wangxuan Institute of Computer Technology, Peking University（王萱计算机技术研究所，北京大学） ； Information Technology R&D Innovation Center of Peking University（北京大学信息技术研发创新中心） ； Peng Cheng Laboratory, Shenzhen（鹏城实验室，深圳）
AI总结 提出一种结合局部与非局部特征的可变形维纳滤波器（DWF），通过监督训练和自适应融合实现高效环路滤波，在VVC标准上平均节省1.16%~2.67%的码率。
Comments This paper has been published in IEEE Transactions on Image Processing
Journal ref IEEE Transactions on Image Processing, vol. 31, pp. 7222-7236, 2022
通过新颖性信号实现联合智能体记忆与探索学习
机构 * Tsinghua University（清华大学） ； Sun Yat-sen University（中山大学） ； Baidu Inc.（百度公司） ； Tongji University（同济大学） ； Peking University（北京大学）
AI总结 提出JAMEL框架，利用新颖性信号联合训练智能体记忆与探索策略，在开放环境中实现高效探索并泛化到未见环境。
Agent技能应超越文本：视觉技能的必要性
机构 * Peking University（北京大学） ； University of Wisconsin（威斯康星大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室）
AI总结 针对现有技能学习方法仅存储文本经验导致视觉任务瓶颈的问题，提出多模态技能范式，结合文本逻辑与视觉支持，通过自动系统将经验转化为可复用的视觉技能，在GUI等视觉任务中显著优于纯文本技能。
ActMVS：基于单目多视图立体的主动场景重建
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所）
AI总结 提出ActMVS框架，通过视图因子图构建和全局深度优化，实现单目相机在线生成高质量、全局一致的密集深度图，支持机器人/UAV的主动场景重建与安全轨迹规划。
Comments ICRA 2026
DeblurNVS：基于几何潜在扩散的稀疏运动模糊图像新视角合成
机构 * School of AI for Science, Peking University Shenzhen Graduate School（人工智能科学学院，北京大学深圳研究生院） ； School of Electronic and Computer Engineering, Peking University Shenzhen Graduate School（电子与计算机工程学院，北京大学深圳研究生院）
AI总结 提出DeblurNVS框架，利用几何潜在扩散从稀疏运动模糊图像中直接合成高保真新视角，无需逐场景优化。
ANDES：用于自主指令对齐的智能体原生数据演化合成工具
机构 * Peking University（北京大学） ； Sichuan University, Chengdu（四川大学，成都）
AI总结 提出ANDES框架，通过自进化世界树路由和可操作诊断报告，将数据生成重构为即插即用的智能体技能，使基础较弱的智能体在严格计算约束下实现自动对齐，在PostTrainBench上取得最先进性能。
SIRIUS-SQL: 在执行反馈中锚定多候选文本到SQL
机构 * TEG, Tencent Inc., China（腾讯科技（TEG），腾讯公司，中国） ； Peking University, China（北京大学，中国）
AI总结 提出SIRIUS-SQL系统，通过难度平滑强化学习、执行生命周期分类和置信门控混合选择器，解决多候选SQL生成中的冗余、修复和选择问题，在BIRD dev和SPIDER test上达到75.88%和91.20%的准确率。
HomeFlow: 面向智能家居智能体训练的可验证数据飞轮
机构 * Midea Group（美的集团） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Donghua University（东华大学） ； Peking University（北京大学）
AI总结 提出HomeFlow，一种通过统一仿真环境HomeEnv、程序化家居生成HomeMaker、蓝图编译用户意图、MCTS-Flow合成可验证轨迹，并结合监督微调和逐步RLVE优化智能体的可验证数据飞轮方法，在SmartHome-Bench上达到84.60%和87.03%的任务成功率，其中8B模型超越GPT-5.5 1.23个百分点。
迈向交互式视频世界建模：前沿、挑战、基准与未来趋势
机构 * Department of Engineering, University of Cambridge, U.K.（剑桥大学工程系） ； Peking University（北京大学） ； University of Twente（埃因霍温理工大学） ； Mechanical Systems Control Laboratory, University of California, Berkeley, USA（加州大学伯克利分校机械系统控制实验室） ； ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软公司） ； University of Oxford（牛津大学）
AI总结 本文系统综述了交互式世界建模的研究趋势、技术挑战、评估基准，并提出了未来方向，重点在于动作条件可控性、长程交互与记忆以及实时响应性。
Comments Under review. The GitHub repository is publicly available at: https://github.com/liujiuming123/Awesome-Interactive-World-Model
UME：跨域ETA的统一元泛化框架
机构 * Peking University（北京大学） ； Meituan（美团）
AI总结 针对即时物流中跨域ETA预测的零样本泛化、特征缺失和知识迁移问题，提出基于超网络元学习的统一双分支架构UME，通过元模块动态调制特征门控、专家注意力和最终预测，并在美团Keeta平台部署验证。
部分公平意识：面向策略代理的信念引导策略机制
机构 * National University of Defense Technology, Changsha, China（国防科技大学） ； Peking University, Beijing, China（北京大学） ； Shanghai University of Finance and Economics, Shanghai, China（上海财经大学） ； ZGC Laboratory, Beijing, China（ZGC实验室） ； Faculty of Computing, Harbin Institute of Technology, Harbin, China（哈尔滨工业大学计算机学院）
AI总结 针对策略分类中的公平暴露困境，提出部分公平意识（PFA）问题，通过发布公平约束候选集并隐藏真实约束，结合信念引导机制实现代理与系统公平约束的对齐，实验表明PFA在降低群体公平差距、提高合格个体接受率和结果稳定性方面优于完全公开或私有的公平机制。
Comments Accepted by AAAI2026
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