DeepLatent: Think with Images via Parallel Latent Visual Reasoning
DeepLatent: 通过并行潜在视觉推理用图像思考
机构 * Baidu Inc.（百度公司） ； Peking University（北京大学）
AI总结 提出DeepLatent框架，通过LatentFormer并行生成潜在视觉状态，并结合连续空间强化学习优化潜在表示，在多个基准上达到最先进性能。
高校专区
Peking University（北京大学）
GNMR: Runtime Stability Control for Low-Precision Large Language Model Training
GNMR: 低精度大语言模型训练的运行时稳定性控制
机构 * Peking University（北京大学） ； Huawei Technologies Ltd.（华为技术有限公司）
AI总结 针对低精度语言模型训练中的稳定性瓶颈，提出基于梯度范数与历史均值之比（GNMR）的轻量级运行时控制器，通过局部风险信号映射到有界恢复动作，在不改变数值格式或后端的情况下提升训练稳定性。
Comments 29 pages, 4 figures, 15 tables
Skill or Skip? Learning Selective Skill Invocation in Agentic Tasks via Dual-Granularity Preference Learning
技能还是跳过？通过双粒度偏好学习在智能体任务中学习选择性技能调用
机构 * Meituan（美团） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） ； Peking University（北京大学）
AI总结 提出SelSkill框架，通过双粒度偏好学习实现选择性技能调用，在ALFWorld和BFCL上显著提升任务成功率和执行精度。
Comments 18 pages, 4 figures, 10 tables
CAST: Non-Privileged Clipped Asymmetric Self-Teaching with Advantage Flipping for GRPO
CAST：用于GRPO的非特权裁剪非对称自教学与优势翻转
机构 * School of Software and Microelectronics, Peking University, Beijing（北京大学软件与微电子学院） ； School of Artificial Intelligence, Peking University, Beijing（北京大学人工智能学院） ； School of Computer Science, Peking University, Beijing（北京大学计算机科学学院） ； School of Future Technology, Peking University, Beijing（北京大学未来技术学院）
AI总结 提出CAST方法，通过无答案的自教师模型和双向局部优势符号翻转，解决GRPO中奖励稀疏和组相对优势消失的问题，提升数学推理性能。
Comments 10 pages
CLSP-REQA: A Real-Time Quality-Aware Closed-Loop Seizure Prediction Framework with Mamba-BiLSTM and Confidence-Gated Intervention
CLSP-REQA：基于Mamba-BiLSTM和置信门控干预的实时质量感知闭环癫痫发作预测框架
机构 * Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Mathematical Institute, University of Oxford（牛津大学数学研究所） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航天信息研究所） ； Department of Mechanical Engineering, The University of British Columbia（不列颠哥伦比亚大学机械工程系） ； College of Life Sciences, Hunan Normal University（湖南师范大学生命科学学院） ； School of Electronics, Peking University（北京大学电子学院）
AI总结 提出CLSP-REQA框架，通过嵌入实时EEG质量评估模块和Mamba-BiLSTM骨干网络，结合分层非线性融合函数，在严格跨患者评估下实现优于现有方法的癫痫发作预测性能。
Comments 27 pages, 8 figures, submitted to Biomedical Signal Processing and Control
From Human Videos to Robot Manipulation: A Survey on Scalable Vision-Language-Action Learning with Human-Centric Data
从人类视频到机器人操作：基于人类中心数据的可扩展视觉-语言-动作学习综述
机构 * Tsinghua University（清华大学） ； HKUST（香港科技大学） ； Xi’an Jiaotong University（西安交通大学） ； Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院） ； Peking University（北京大学） ； Microsoft Zurich Project（微软苏黎世实验室）
AI总结 本文综述了如何将丰富的人类视频转化为视觉-语言-动作（VLA）模型的有效知识，分类了四种方法（潜在动作表示、预测世界模型、显式2D监督、显式3D重建），并指出了结构化非结构化视频、跨具身和视角的动作映射、以及评估协议设计三大挑战。
Comments Accepted to IJCAI 2026 Survey Track. Project page: https://aaronfengzy.github.io/HumanCentricToVLA-Survey/
Tracing GenAI Literacy: Uncovering Student-AI Interaction Patterns in Academic Writing through Epistemic Network Analysis
追踪GenAI素养：通过认知网络分析揭示学术写作中的学生-AI交互模式
机构 * Department of Educational Technology, Graduate School of Education, Peking University（教育技术系，教育研究生院，北京大学）
AI总结 本研究利用学习分析和认知网络分析，通过分析162名学生在GenAI辅助摘要写作任务中的交互日志，揭示了高素养学生采用迭代优化和策略性提问，而低素养学生依赖直接生成命令的不同交互模式。
TrustLDM: Benchmarking Trustworthiness in Language Diffusion Models
TrustLDM：语言扩散模型的可信度基准测试
机构 * State Key Lab of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（中国科学院自动化研究所，智能科学与技术学院，北京大学） ； CISPA Helmholtz Center for Information Security（信息安全研究所） ； School of EECS, Peking University（电子工程学院，北京大学） ； Institute for Artificial Intelligence, Peking University（人工智能研究所，北京大学）
AI总结 针对语言扩散模型（LDM）的可信度问题，提出TrustLDM基准，评估其在不同架构和恶意上下文下的安全性、隐私性和公平性，并开发自动评估框架TrustLDM-Auto以识别脆弱配置。
NanoSpec: Accelerating Speculative Decoding using Minimalist In-Context Vocabularies
NanoSpec: 利用极简上下文词汇表加速推测解码
机构 * Institute for Artificial Intelligence, Peking University, Beijing, China（北京大学人工智能研究院） ； Key Laboratory of High Confidence Software Technologies (Peking University), Ministry of Education（教育部高可信软件技术重点实验室） ； School of Computer Science, Peking University, Beijing, China（北京大学计算机学院） ； State Key Laboratory of Networking（网络与交换技术国家重点实验室） ； School of Computer Science, Beijing University of Posts（北京邮电大学计算机学院）
AI总结 提出NanoSpec，一种无需训练的方法，通过动态构建极简上下文感知词汇表（平均<3k tokens），结合系统-算法协同设计，将推测解码的草稿生成时间平均减少51.6%，实现端到端加速1.17-1.29倍。
Graph Navier Stokes Networks
图纳维-斯托克斯网络
机构 * Northwest A&F University（西北农林科技大学） ； Corporate Research Center, Midea Group（美的集团企业研发中心） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Griffith University（格里菲斯大学） ； Bosch（博世）
AI总结 针对图神经网络中的过平滑问题，提出基于纳维-斯托克斯方程的图纳维-斯托克斯网络（GNSN），通过引入对流机制实现更高效的消息传递，并在12个真实数据集上取得最优分类性能。
OmniHuman: A Large-scale Dataset and Benchmark for Human-Centric Video Generation
OmniHuman：面向以人为中心的视频生成的大规模数据集与基准
机构 * Peking University（北京大学） ； WeChat Lab（微信实验室） ； Chinese Academy of Sciences（中国科学院）
AI总结 为解决现有数据集在场景多样性、交互建模和属性对齐方面的结构性缺陷，提出OmniHuman大规模多场景数据集及全自动标注流程，并建立OHBench三级评估体系，实现与人类感知高度一致的诊断。
Comments 19 pages, 6 figures
Render-of-Thought: Rendering Textual Chain-of-Thought as Images for Visual Latent Reasoning
Render-of-Thought: 将文本思维链渲染为图像以进行视觉潜在推理
机构 * Tencent BAC（腾讯BAC） ； Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学） ； School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院） ； School of Mathematics and Statistics, University of Glasgow（格拉斯哥大学数学与统计学学院）
AI总结 提出Render-of-Thought框架，通过将思维链的文本步骤渲染为图像，利用视觉语言模型的视觉编码器进行语义对齐，实现3-4倍令牌压缩和推理加速，同时保持竞争性能。
Comments Accepted by ACL 2026 Main Conference
Automated Conjecture Resolution with Formal Verification
自动猜想解决与形式化验证
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Westlake Institute for Advanced Study, Westlake University（西拉雅大学先进研究所） ； School of Mathematics, Tianjin University（天津大学数学学院） ； Research Institute for Mathematical Sciences, Kyoto University（京都大学数学研究所） ； Department of Mathematics, Stanford University（斯坦福大学数学系） ； IQuest Research（IQuest研究） ； New Cornerstone Science Laboratory, School of Mathematical Sciences, Peking University（北京大学数学科学学院新基石科学实验室） ； Beijing International Center for Mathematical Research and the New Cornerstone Science Laboratory, Peking University（北京大学国际数学研究所以及新基石科学实验室） ； 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（大湾大学先进研究所智能计算中心） ； Zhongguancun Academy（中关村学院）
AI总结 提出一个集成非形式化推理与形式化验证的自动框架，通过两个组件Rethlas和Archon解决研究级数学问题，并成功解决交换代数中的开放问题并在Lean 4中形式化验证。
Comments Code and resources are available at: Rethlas (https://github.com/frenzymath/Rethlas), Rethlas Results (https://github.com/frenzymath/Rethlas_results), Archon (https://github.com/frenzymath/Archon), and the formalization results (https://github.com/frenzymath/Anderson-Conjecture)
URDF-Anything+: End-to-End Generation for Simulation-Ready Articulated Assets
URDF-Anything+：面向仿真就绪铰接资产的端到端生成
机构 * Peking University（北京大学） ； Visual Geometry Group, University of Oxford（牛津大学视觉几何组） ； University of Washington（华盛顿大学）
AI总结 提出URDF-Anything+，一种端到端自回归扩散框架，从单张RGB图像直接生成仿真就绪的URDF模型，统一建模部件几何与铰接结构。
APEX-SQL: Talking to the data via Agentic Exploration for Text-to-SQL
APEX-SQL: 通过智能体探索与数据对话实现Text-to-SQL
机构 * The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； LIGHTSPEED
AI总结 提出APEX-SQL框架，通过假设验证循环、逻辑规划、双路径剪枝、并行数据分析和确定性探索机制，解决静态模式表示在复杂企业数据库中的语义模糊和扩展性问题，在BIRD和Spider 2.0-Snow上取得领先性能。
Comments KDD 2026
RichControl: Structure- and Appearance-Rich Training-Free Spatial Control for Text-to-Image Generation
RichControl: 面向文本到图像生成的、结构和外观丰富的免训练空间控制
机构 * Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出一种免训练框架，通过解耦条件特征的采样调度与去噪过程，并引入重启细化调度和外观丰富提示策略，在复杂条件下实现结构和外观平衡的受控生成。
DAG-Plan: Generating Directed Acyclic Dependency Graphs for Dual-Arm Cooperative Planning
DAG-Plan：生成有向无环依赖图用于双臂协作规划
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences (CASIA)（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院（CASIA）） ； School of Artificial Intelligence, University of Chinese Academy of Sciences (UCAS)（中国科学院大学人工智能学院） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，北京大学计算机科学学院） ； Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） ； OpenGVLab, Shanghai AI Laboratory（上海人工智能实验室，OpenGVLab）
AI总结 提出DAG-Plan框架，首次使用有向无环图作为双臂协调的核心表示，通过一次LLM解析生成结构化DAG，实现自适应并行执行，在双臂厨房基准测试中成功率提升48%，执行效率提升84.1%。
Comments ICRA 2026
Towards Simple and Provable Parameter-Free Adaptive Gradient Methods
迈向简单且可证明的无参数自适应梯度方法
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Department of Computer Science, University of California, Los Angeles（加州大学洛杉矶分校计算机科学系） ； School of Computing and Data Science, the University of Hong Kong（香港大学计算科学与数据科学学院） ； Bytedance Inc（字节跳动公司）
AI总结 提出 AdaGrad++ 和 Adam++ 两种简单无参数自适应梯度方法，在无需预设学习率的情况下实现与 AdaGrad 和 Adam 相当的收敛保证。
Comments 45 pages, 19 figures, 3 tables
Towards Stable, Globally Expressive Graph Representations with Laplacian Eigenvectors
利用拉普拉斯特征向量实现稳定且全局表达性的图表示
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Department of EECS, Massachusetts Institute of Technology（麻省理工学院电子工程与计算机科学系） ； School of ECE, Georgia Institute of Technology（佐治亚理工学院电子与计算机工程系）
AI总结 提出一种利用可学习的O(p)-不变表示和平滑处理数值接近特征值的方法，以增强图神经网络中拉普拉斯特征向量的稳定性和全局表达性。
UniAudio-Token: Empowering Semantic Speech Tokenizers with General Audio Perception
UniAudio-Token: 赋予语义语音分词器通用音频感知能力
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息处理国家重点实验室，计算机学院，北京大学） ； Basic Model Technology Center, WeChat AI, Tencent Inc.（基础模型技术中心，微信AI，腾讯公司）
AI总结 提出UniAudio-Token框架，通过语义-声学基元（SAP）和语义-声学均衡（SAE）机制，在不牺牲语音能力的前提下为语义分词器注入通用音频感知，实现统一音频接口。
Comments 19 pages, 10 figures
AutoSci: A Memory-Centric Agentic System for the Full Scientific Research Lifecycle
AutoSci: 面向完整科学生命周期的以记忆为中心的智能体系统
机构 * Peking University（北京大学）
AI总结 提出AutoSci，一个以记忆为中心、支持完整科学生命周期的智能体系统，通过结构化记忆、多阶段流程、有向无环图增强和演化机制实现自动化科研。
Cross-Modal Clinical Knowledge Integration for Mammography Report Generation
跨模态临床知识整合用于乳腺X线报告生成
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Lingnan University（岭南大学） ； The Third Affiliated Hospital of Kunming Medical University, Yunnan Cancer Hospital, Peking University Cancer Hospital Yunnan（昆明医科大学第三附属医院、云南癌症医院、北京大学肿瘤医院云南分院） ； Guangzhou First People's Hospital, South China University of Technology（广州第一人民医院、华南理工大学） ； The Third Affiliated Hospital, Sun Yat-Sen University（中山大学第三附属医院） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（香港科技大学深圳-香港协同创新研究院）
AI总结 提出MammoRG框架，通过两阶段训练模拟临床报告流程，整合BI-RADS指南和先验知识，提升报告生成的临床一致性。
Comments 16 pages, 5 figures
HetCCL: Enabling Collective Communication For Mixed-Vendor Heterogeneous Clusters
HetCCL：实现混合供应商异构集群的集体通信
机构 * Peking University（北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
AI总结 提出HetCCL框架，通过高效P2P传输和边界通信器机制，在异构集群中实现跨供应商的集体通信，消除主机-设备内存拷贝开销，并优化带宽利用率。
DARTS: Distribution-Aware Active Rollout Trajectory Shaping for Accelerating LLM Reinforcement Learning
DARTS: 分布感知的主动展开轨迹塑造以加速LLM强化学习
机构 * School of Computer Science \& Beijing Key Laboratory of Software ； Hardware Cooperative Artificial Intelligence Systems, Peking University, Beijing, China ； School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China ； Institute of Computational Social Science, Peking University (Qingdao), Qingdao, China
AI总结 针对强化学习中长尾响应分布导致的效率瓶颈，提出分布感知的主动轨迹塑造方法，通过细粒度识别提示内长尾并削减无效冗余，实现高达1.77倍的加速而不损失模型性能。
Comments 16 pages, 14 figures, 5 tables. Accepted to ICML 2026
Feat2Go: Visual Feature-Grounded Value Estimation for Embodied Reinforcement Learning
Feat2Go: 面向具身强化学习的视觉特征基础价值估计
机构 * Wangxuan Institute of Computer Technology, Peking University, China（北京大学计算机科学技术研究院）
AI总结 提出Feat2Go框架，通过预训练视觉世界模型提取补丁级子目标相似度并聚类语义阶段，训练具身价值模型预测结构进度以重塑终端奖励，显著提升VLA模型在单臂和双臂操作任务中的强化学习性能。
Annotations Are Not All You Need: A Cross-modal Knowledge Transfer Network for Unsupervised Temporal Sentence Grounding
注释并非全部所需：面向无监督时间语句定位的跨模态知识迁移网络
机构 * Hubei Key Laboratory of Distributed System Security（湖北分布式系统安全重点实验室） ； Hubei Engineering Research Center on Big Data Security（湖北大数据安全工程研究中心） ； School of Cyber Science and Engineering（网络安全学院） ； Huazhong University of Science and Technology（华中科技大学） ； Peking University（北京大学） ； Henan University（河南大学） ； The Chinese University of Hong Kong（香港中文大学） ； Guangzhou University（广州大学） ； Protagolabs Inc.（Protagolabs公司）
AI总结 提出跨模态知识迁移网络，通过从图像-名词和视频-动词任务中迁移实体感知和事件感知知识，实现无监督时间语句定位，无需配对视频-查询标注。
Comments Published in Findings of EMNLP 2023
Seeing Before Agreeing: Aligning Multi-Agent Consensus with Visual Evidence
先见后议：用视觉证据对齐多智能体共识
机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Renmin University of China（中国人民大学） ； Shandong University（山东大学）
AI总结 提出EAGLE框架，通过显式暴露各智能体的视觉证据区域并相互验证，实现无需训练的多智能体视觉问答协作，提升共识可靠性。
Crafter: A Multi-Agent Harness for Editable Scientific Figure Generation from Diverse Inputs
Crafter: 面向多样化输入的可编辑科学图表生成的多智能体框架
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） ； Peking University（北京大学）
AI总结 提出Crafter多智能体框架，通过结构化组合离散语义组件，实现跨图表类型和输入条件的可编辑科学图表生成，并引入CraftEditor将栅格输出转换为可编辑SVG，在CraftBench基准上显著优于现有方法。
Comments 24 pages, 11 figures
When Muon Optimizer Meets Adversarial Training: A Theoretical and Empirical Study
当Muon优化器遇到对抗训练：理论与实证研究
机构 * IT College, Shanghai Ocean University（上海海洋大学信息学院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； SEIE, Suzhou University of Science and Technology（苏州科技大学SEIE学院） ； DP Tech（DP科技） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院）
AI总结 本文通过理论和实证研究，探讨Muon优化器（基于近似极分解的正交化更新）在对抗训练中的效果，发现其能限制矩阵更新的谱范数增长，在CNN和ViT上优于AdamW，与SGD竞争力相当。
GEM: Geometric Entropy Mixing for Optimal LLM Data Curation
GEM: 用于最优LLM数据策展的几何熵混合
机构 * The Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科学与技术大学） ； Peking University, Beijing, China（北京大学） ； University of Science and Technology of China, Hefei, China（中国科学技术大学）
AI总结 提出GEM框架，通过将数据策展重构为超球面上的变分问题并采用MM算法优化，解决了分类缺陷和嵌入各向异性问题，在1.1B参数模型上实现下游准确率提升1.2%。
Comments ICML 2026 Poster
