高校专区
AdaMemento: 自适应记忆辅助策略优化用于强化学习
机构 * Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 针对稀疏奖励强化学习问题，提出AdaMemento框架，通过记忆反思模块利用正负经验、细粒度内在动机引导探索以及集成学习自适应协调利用与探索，显著提升性能。
FinHarness：面向金融LLM代理的内联生命周期安全约束框架
机构 * Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Soochow University（苏州大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Leeds（利兹大学） ； Fullive Innovation (Beijing) AI Technology Co., Ltd.（全维创新（北京）人工智能科技有限公司） ； Beihang University（北京航空航天大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 针对金融LLM代理在阻止提示诱导的未授权操作与批准合法多步骤业务流程之间的冲突，提出FinHarness内联安全约束框架，通过查询监控、工具监控和级联模块实现逐步骤风险评估与自适应验证，显著降低攻击成功率并保持良性批准率。
LitSeg: 面向文学RAG的叙事感知文档分割
机构 * Peking University（北京大学）
AI总结 提出LitSeg，一种基于叙事理论引导的文档分割框架，通过多阶段提示提取事件、梳理叙事线索并定位转折点，以解决现有分割方法忽视文学叙事结构导致检索与生成性能下降的问题，并引入轻量版LitSeg-Lite通过数据蒸馏降低计算开销。
ExTax：基于说服、情感和叙事角色分类学的可解释虚假信息检测
机构 * Peking University（北京大学） ； University of Science and Technology of China（中国科学技术大学） ； North China University of Science and Technology（华北理工大学） ； Tsinghua University（清华大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Soochow University（苏州大学） ； Beihang University（北航） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 提出ExTax框架，统一说服修辞、情感操纵和叙事角色为17维分类空间，通过熵驱动动态标签平滑和多头注意力融合分类与上下文特征，实现可解释的虚假信息检测，在跨域基准上达到0.8456 Macro F1。
RLVR 数据集及其查找方法：通过数据溯源寻找更好的训练数据
机构 * National Key Laboratory for 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） ； LLM Department, Tencent（腾讯LLM部门）
AI总结 针对可验证奖励强化学习（RLVR）数据集来源不清的问题，提出基于谱系感知搜索的原子源追踪框架（ATLAS），追溯超过99.7%的实例至20个原子源，并基于源级反事实归因（SCA）原则构建去污染数据集DAPO++，其质量分数Q与下游RLVR性能强相关。
Comments 7 figures, 12 tables
微不足道的大小，显著的效果：大型语言模型中的尺度向量
机构 * Peking University（北京大学）
AI总结 本文系统研究了大型语言模型中的尺度向量，发现其虽参数占比极小但对预训练至关重要，通过自放大预条件效应优化优化过程，并提出了三种轻量级改进策略，在多种模型规模上一致提升性能。
Comments 36 pages
REVERSE: 强化证据验证与搜索的智能体图像地理定位
机构 * Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； WeChat Vision, Tencent Inc（腾讯公司）
AI总结 提出REVERSE框架，通过多轮智能体推理强化证据搜索与验证的交互，在图像地理定位任务中优于强检索增强基线，以4B模型媲美更大模型。
ContextGuard: 语言模型中上下文学习的结构化自我审计
机构 * Peking University（北京大学） ； SCUT（上海交通大学） ； Tsinghua University（清华大学）
AI总结 提出ContextGuard框架，通过结构化自我审计机制使大语言模型在复杂上下文任务中忠实遵循所有上下文约束，包括外围、持久和格式敏感要求。
HTMLCure：将浏览器体验转化为面向交互式HTML的状态引导修复
机构 * Beihang University（北京航空航天大学） ； IQuest Research（IQuest研究院） ； Peking University（北京大学）
AI总结 提出HTMLCure框架，通过浏览器交互执行、状态感知诊断和闭环修复引擎，从大规模HTML页面中筛选并修复可修复页面，显著提升SFT数据质量和模型性能。
Comments 27 pages, 11 figures. Code: https://github.com/wuyuVerse/HTMLCure
面向自回归多维度作文评分的特质感知策略优化
机构 * Peking University（北京大学） ； Baidu Inc.（百度公司）
AI总结 提出特质感知策略优化（TAPO）框架，通过分解样本和特质维度的奖励并结合增强提示，提升自回归多维度作文评分性能。
GlobalDentBench：一个用于评估牙科领域大语言模型临床推理能力并包含专家校准的多国基准
机构 * Division of Applied Oral Sciences and Community Dental Care, Faculty of Dentistry, The University of Hong Kong（香港大学牙科学院应用口腔科学与社区牙科护理系） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）人工智能学院） ； Department of Periodontology, Shenzhen Stomatology Hospital (Pingshan) of Southern Medical University, Shenzhen, China（南方医科大学深圳口腔医院（平山）牙周科） ； Beijing Institute of Collaborative Innovation（北京协同创新研究院） ； Department of Orthodontics, Shenzhen Stomatology Hospital (Pingshan) of Southern Medical University, Shenzhen, China（南方医科大学深圳口腔医院（平山）正畸科） ； Shenzhen Stomatology Hospital (Pingshan) of Southern Medical University, Shenzhen, China（南方医科大学深圳口腔医院（平山）） ； College of Future Technology, Peking University（北京大学未来技术学院） ； Freedom AI ； New Cornerstone Science Laboratory, National Biomedical Imaging Center, State Key Laboratory of Membrane Biology, Institute of Molecular Medicine, Peking-Tsinghua Center for Life Sciences, College of Future Technology, Peking University, Beijing 100871, China（新基石科学实验室、国家生物医学成像中心、膜生物学国家重点实验室、分子医学研究院、北京大学未来技术学院、生命科学中心，北京大学，北京100871，中国） ； IDG/McGovern Institute for Brain Research, Peking University, Beijing 100871, China（IDG/ McGovern脑科学研究院，北京大学，北京100871，中国） ； Division of Oral and Maxillofacial Surgery, Faculty of Dentistry, The University of Hong Kong（香港大学牙科学院口腔颌面外科系） ； Shenzhen Loop Area Institute（深圳河套学院） ； Department of Cancer Biology, Mayo Clinic Arizona, 5777 E. Mayo Blvd., IERB-3-504A, Phoenix, Arizona, 85054, USA（梅奥诊所亚利桑那分部癌症生物学部门，5777 E. Mayo Blvd., IERB-3-504A, Phoenix, Arizona, 85054, USA） ； Department of Conservative Dentistry, Periodontology and Digital Dentistry, LMU University Hospital, LMU Munich, Munich, Germany（慕尼黑大学医院保守牙科、牙周病学和数字牙科部门，慕尼黑，德国，慕尼黑大学） ； Division of Periodontology & Implant Dentistry, Faculty of Dentistry, The University of Hong Kong, Hong Kong, SAR, China（香港大学牙科学院牙周病学与种植牙科系，香港，中国）
AI总结 提出首个跨国牙科基准GlobalDentBench，包含14个专科、88个国家的8978道专家验证题目，评估三种推理层次，揭示当前大语言模型在牙科临床推理中性能随复杂度下降且存在高风险。
追踪拒绝的动态：利用潜在拒绝轨迹进行鲁棒越狱检测
机构 * Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 通过因果追踪识别出稀疏的“拒绝轨迹”激活模式，并提出轻量级白盒检测器SALO，基于隐藏状态窗口实现鲁棒越狱检测。
Comments Accepted to the 43rd International Conference on Machine Learning (ICML 2026). Camera-ready version
更具表达力的前馈层：第一部分。激活的令牌自适应混合
机构 * Peking University（北京大学）
AI总结 提出令牌自适应激活混合（MoA）和可学习激活（LA）方法，通过轻量级输入相关门混合多个激活函数，在理论和实验上证明其比固定激活FFN具有更强的表达能力和更优的缩放行为。
Comments 31 pages
基于临床基础的反事实推理用于医学视频诊断
机构 * Center for Data Science in Clinical Medicine（临床医学数据科学中心） ； The State Key Lab of Brain-Machine Intelligence（脑机智能国家重点实验室） ； Department of Gynecology and Obstetrics, 7th Medical Center of Chinese PLA General Hospital（中国人民解放军第七医学中心妇产科部） ； School of Computer Science, Peking University（北京大学计算机学院） ； School of Psychological and Cognitive Sciences, Peking University（北京大学心理学与认知科学学院） ； State Key Lab of General AI, Peking University（通用人工智能国家重点实验室） ； Nat’l Eng. Research Center of Visual Technology（视觉技术国家工程研究中心） ； Beijing Key Laboratory of Behavior and Mental Health（北京行为与心理健康重点实验室） ； Embodied Intelligence Lab, PKU-Wuhan Institute for Artificial Intelligence（具身智能实验室，北京大学-武汉人工智能研究院）
AI总结 提出MedVCR反事实推理框架，通过扩散生成器合成病理组织演变、临床规则编码诊断知识及双重诊断预测策略，在医学视频诊断任务上提升2.6%-10.2%性能。
从博弈视角重新思考弱监督视频时间定位
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（大数据安全工程研究中心） ； School of Cyber Science and Engineering（网络安全科学与工程学院） ； Huazhong University of Science and Technology（华中科技大学） ； University of Central Florida（佛罗里达中央大学） ； Zhejiang Gongshang University（浙江工商大学） ； Guangzhou University（广州大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学）
AI总结 本文从博弈论视角出发，通过多元合作博弈建模帧与词的不确定对应关系，实现多级跨模态交互，从而在弱监督下提升视频时间定位的准确性。
Comments Published in ECCV 2024
VisualNeedle: 信息密集场景中的主动视觉搜索基准
机构 * Hunyuan, Tencent（腾讯 Hunyuan） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 针对多模态大语言模型在细粒度感知基准中依赖捷径而非真实视觉证据的问题，提出VisualNeedle基准，通过反事实裁剪-黑化设置评估模型在信息密集场景中的主动视觉搜索能力，实验表明最佳模型准确率仅56.01%，落后人类63.00%。
基于检索增强生成和大语言模型的SDN中地毯式轰炸DDoS攻击的智能检测与缓解
机构 * College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） ； ICNLab, Shenzhen Graduate School, Peking University（北京大学深圳研究生院ICN实验室）
AI总结 提出一种结合检索增强生成（RAG）和大语言模型（LLM）的框架，通过接口级流量特征、语义嵌入和相似性检索，实现对SDN中地毯式轰炸DDoS攻击的实时检测与缓解，无需传统监督训练。
通过扩散策略优化扩展世界模型强化学习
机构 * Dynamic Systems Lab, University College London（伦敦大学学院动态系统实验室） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Santa Fe Institute（圣塔菲研究所） ； School of Statistics and Data Science, Shanghai University of Finance and Economics（上海财经大学统计与数据科学学院） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系）
AI总结 针对世界模型强化学习中搜索与价值学习之间的结构错位问题，提出基于扩散策略优化的模型基方法MBDPO，统一搜索与策略优化，实现可扩展的策略学习。
LongAV-Compass：面向分钟级音视频生成在T2AV、I2AV和V2AV上的统一评估
机构 * Peking University（北京大学） ； Kling Team（Kling团队） ； Nanjing University（南京大学） ； SJTU（上海交通大学） ； HKUST(GZ)（香港科技大学（广州）） ； Shanghai AI Lab（上海人工智能实验室） ； Nanyang Technological University（南洋理工大学） ； CASIA（中国科学院自动化所） ； Tsinghua University（清华大学）
AI总结 针对现有评估协议局限于短片段的问题，提出LongAV-Compass基准，通过284个测试用例和统一评估框架，系统评估分钟级音视频生成在文本、图像、视频条件下的质量、一致性和对齐。
分离跳跃链接与$R$-探针：解耦特征聚合与梯度传播用于MLLM OCR
机构 * State Key Laboratory for Multimedia Information Processing, School of Computer Science, PKU-Anker LLM Lab, Beijing Key Laboratory of Software and Hardware Cooperative Artificial Intelligence Systems, Peking University, Beijing, China（多媒体信息处理国家重点实验室，计算机科学学院，PKU-Anker LLM实验室，软件与硬件协同人工智能系统北京重点实验室，北京大学，北京，中国） ； Tsinghua University, Beijing, China（清华大学，北京，中国） ； Baidu Inc, Beijing, China（百度公司，北京，中国）
AI总结 针对多模态大语言模型在OCR任务中因梯度干扰导致细粒度视觉信息丢失的问题，提出分离跳跃链接（Detached Skip-Links）以解耦前向特征聚合与反向梯度传播，并引入$R$-探针（$R$-Probe）诊断视觉令牌的可重构性，从而提升OCR及通用多模态任务性能。
Comments Accepted by ICML 2026. Ziye Yuan and Ruchang Yao contributed equally to this work (co-first authors, listed in random order)
构建工业规模优化建模基准
机构 * Great Bay University（大湾大学） ； Peking University（北京大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 提出MIPLIB-NL基准，通过结构感知逆向构建方法从真实混合整数线性规划中生成自然语言规范与求解器代码，以评估大语言模型在工业规模优化建模中的性能。
Comments This paper was accepted by ICML'26 for publication
一个工具就够了：面向仓库级LLM智能体的强化学习
机构 * National Key Laboratory for Multimedia Information Processing, Peking University（信息处理国家级重点实验室，北京大学） ； School of Computer Science, Peking University（北京大学计算机科学学院） ； Zhongguancun Institute of Artificial Intelligence (ZGCI)（中关村人工智能研究院（ZGCI）） ； Baidu Inc（百度公司）
AI总结 提出RepoNavigator，一个仅配备单一执行感知工具（跳转到调用符号定义）的LLM智能体，通过强化学习端到端训练，在仓库级问题定位中达到最先进性能。
SEAL: 面向知识图谱对话问答的自我演进智能体学习
机构 * Institute of Big Data and Artificial Intelligence, China Telecom Research Institute（大数据与人工智能研究院，中国电信研究院） ； Wangxuan Institute of Computer Technology, Peking University（王宣计算机技术研究所，北京大学） ； School of Artificial Intelligence, China University of Geosciences (Beijing)（人工智能学院，中国地质大学（北京）） ； Center for Cognition and Neuroergonomics, State Key Laboratory of Cognitive Neuroscience and Learning, Beijing Normal University（认知与神经工效学中心，认知神经科学与学习国家重点实验室，北京师范大学） ； Institute of Artificial Intelligence and Future Networks, Beijing Normal University（人工智能与未来网络研究院，北京师范大学）
AI总结 提出SEAL两阶段语义解析框架，通过自我演进智能体学习解决知识图谱对话问答中的指代消解、上下文依赖和复杂逻辑推理问题，在SPICE基准上达到最先进性能。
Comments Accept by NeuroComputing
通过节点贡献反向传播保护多智能体系统免受腐败影响
机构 * Peking University（北京大学）
AI总结 针对多智能体系统中对抗性智能体注入误导信息的问题，提出一种基于有向无环图的反向传播动态防御方法，通过计算每个智能体对最终决策的贡献来识别和隔离恶意智能体，实验表明该方法优于现有防御机制。
Comments ICML 2026
Claw-Anything: 对更广泛访问用户数字世界的始终在线个人助手的基准测试
机构 * Beijing Institute of Technology（北京理工大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Peking University（北京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 提出Claw-Anything基准测试，通过扩展长期活动历史、相互依赖的后端服务以及跨多设备的GUI和CLI交互三个维度，评估大型语言模型代理在始终在线环境下的性能，发现GPT-5.5仅达34.5% pass@1，并发布自动化数据生成管道提升基线模型23.7%。
基于非接触式雷达成像和物理信息神经网络的3D心脏网格生成
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Fudan University（复旦大学） ； Peking University（北京大学）
AI总结 提出SAR2Mesh框架，通过粗到细的网格变形过程，结合几何感知特征投影和物理信息雷达损失，从合成孔径雷达图像重建高保真3D心脏几何结构。
闭环双向提示用于视觉语言模型的对抗鲁棒性
机构 * University of Macau（澳门大学） ； Guangdong Institute of Intelligence Science and Technology（广东智能科学与技术研究院） ； Peking University（北京大学） ； Independent Researcher（独立研究员） ； Institute of Science Tokyo（东京科学研究院） ； Morgan Stanley（摩根大通） ； Halmstad University（哈马碧大学）
AI总结 针对视觉语言模型在对抗扰动下跨模态语义对齐脆弱的问题，提出闭环双向提示方法，通过动态反馈循环恢复跨模态一致性，并引入语义锚点约束循环更新，实现实例自适应保护，在11个数据集上达到最先进的鲁棒性和泛化性能。
Comments 24 pages, 8 figures
RePlan-Bot：面向具身指令跟随的多级重规划
机构 * Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 提出RePlan-Bot，通过多级连续重规划（高层LLM审计器、常识引导搜索、轻量级ViT校正器）解决具身指令跟随中的长时规划和不可逆状态变化问题，在ALFRED基准上取得最佳性能。
Comments 10 pages
将具身问答从感知扩展到决策
机构 * Peking University（北京大学） ； XYZ Embodied AI（XYZ具身AI）
AI总结 提出大规模具身问答数据集EQA-Decision和基线模型RoboDecision，系统覆盖静态场景构建、空间理解、任务动态推理和即时决策四个维度，以统一框架评估具身环境中的感知、推理和行动级决策。
Comments 11 pages,4 figures
重新思考用于VLA初始化的VLM表示
机构 * CUHK（香港中文大学） ； PolyU ； Peking University（北京大学） ； ACE Robotics（ACE机器人）
AI总结 本文通过控制表示设计问题，沿能力级具身VQA监督、参数更新策略和机器人数据预训练三个轴，研究VLA初始化，发现保留预训练VLM表示对动作性能至关重要，而LoRA比全微调提供更可靠的初始化，分阶段基于LoRA的训练获得最强变体。
Comments 9 main-text pages, 5 appendix pages, 4 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