高校专区
Hy-MultiTurn：用于深度多轮对话理解的六维度基准
机构 * Tencent（腾讯） ； Peking University（北京大学）
AI总结 Hy-MultiTurn是含六种评估模式的中文深度多轮对话理解基准，含209个长对话任务，评估22种前沿模型发现其具挑战性，GPT-5.5仅41.1%响应达标且无模型全模式最优
Comments 33 pages, 7 figures, 8 tables
从夹注到集注：面向中文古典文本注疏知识的上下文保留式组织
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Peking University（北京大学）
AI总结 本文提出保留夹注上下文依赖的计算框架，将集注编纂化为NLP任务，在《山海经》案例中CoNLL F1超97%，为历史注疏知识大规模组织及下游任务奠定基础。
Comments 15 pages, 4 figures
Beacon：智能体何时及如何执行智能体视觉推理
机构 * Peking University（北京大学） ； Kling Team（Kling团队） ； HKUST(GZ)（香港科技大学（广州）） ； CUHK（香港中文大学） ； ZJU（浙江大学） ； THU（清华大学）
AI总结 本研究针对现有智能体视觉推理模型模式适应性有限、工具增益被损害抵消的问题，提出Beacon模型，通过强化学习相关机制提升性能与适应性，在多基准上表现优异。
Comments 33 pages
FaithEyes：通过多智能体过程图像验证实现可信的工具使用
机构 * Samsung Research（三星研究院） ； Peking University（北京大学）
AI总结 本研究提出多智能体框架FaithEyes，通过子智能体判断主智能体的工具调用以提升工具使用可信性，在视觉感知与推理基准上实现了更优准确率。
多渠道提升策略学习
机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） ； Beihang University（北京航空航天大学） ； CUHK-shenzhen（香港中文大学（深圳））
AI总结 针对电商多渠道营销预算分配的预测后优化范式失效问题，提出快慢因果框架ReAlloc，经淘宝模拟与A/B测试验证可同时提升支付订单量和收入。
超越改写：书籍级组织提升训练中合成教科书数据的质量
机构 * Peking University（北京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本研究提出可扩展的合成教科书数据流程，发现书籍级组织可提升语言模型训练中期的下游性能，在Llama3-8B上也验证了该设计维度的有效性。
Comments 31 pages, 3 figures, 11 tables
Flux-OPD：基于演化上下文的在线策略蒸馏
机构 * Peking University（北京大学） ； Kling Team（KLING团队） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhongguancun Academy（中关村学院）
AI总结 该研究针对开放域大语言模型训练缺乏可验证奖励的问题，提出Flux-OPD范式，利用演化上下文作为监督，通过分解反向KL目标优化，在开放域任务上性能优于现有OPD范式。
TAPO：面向大语言模型智能体的过渡感知策略优化
机构 * School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院） ； Pengcheng Laboratory（鹏城实验室）
AI总结 该研究提出TAPO框架，通过策略优化与过渡监督交替训练，增强LLM智能体对环境过渡的敏感性，作为轻量即插即用模块，在WebShop和ALFWorld实验中提升任务性能。
Comments 16 pages, 5 figures
RefineSVG：视觉反馈驱动的图像转SVG生成强化学习
机构 * Shenzhen University（深圳大学） ； Peking University（北京大学）
AI总结 RefineSVG是一种视觉反馈驱动的闭环框架，通过引入SVG语义词汇表和渐进式训练，使MLLM实现高保真图像转SVG生成，性能优于现有基线。
Comments 17 pages, 5 main-paper figures. Accepted at the 34th ACM International Conference on Multimedia (ACM MM 2026). Includes the complete supplementary material
HSS-Synth：面向大语言模型的人文社科数据合成
机构 * Zhejiang University（浙江大学） ； Inclusion AI, Ant Group（蚂蚁集团Inclusion AI） ； Peking University（北京大学） ； Qwen Team, Alibaba Group（阿里巴巴集团通义千问团队）
AI总结 本文针对LLM的HSS数据稀缺问题，提出以学科为中心的HSS-Synth流水线，生成23.7万指令微调样本，使Qwen3-8B-Base达SOTA并提升相关能力。
Comments ACL Findings 2026 Paper
分歧解码：无训练的能力融合
机构 * Peking University（北京大学） ； International Digital Economy Academy (IDEA)（国际数字经济学院） ； The University of Hong Kong（香港大学）
AI总结 针对通用大模型缺领域知识、专家模型逻辑弱的问题，提出无训练的Divergence Decoding框架，通过Jensen-Shannon散度自适应路由，在科学基准上融合两类模型能力，性能优于单模型基线。
KernelGenBench：面向基于大语言模型的内核生成的多源多芯片基准测试
机构 * Beijing Normal University（北京师范大学） ； Beijing Jiaotong University（北京交通大学） ； Institute of Automation, CAS（中国科学院自动化研究所） ； Peking University（北京大学） ； BAAI（北京智源人工智能研究院）
AI总结 该研究提出KernelGenBench基准，评估LLM与智能体生成的Triton内核，发现智能体方法优于纯LLM采样，cuBLAS算子最具挑战，跨平台性能退化严重，自主生成成本远高于简单采样。
Comments 10 pages, 4 figures. Code and data are publicly available at https://github.com/flagos-ai/KernelGenBench
通过视频表示正则化缓解复合误差
机构 * Peking University（北京大学）
AI总结 针对视频扩散世界模型自回归生成的复合误差问题，研究发现其与表示维度崩溃相关，提出视频表示正则化方法，在VBench指标上显著优于Diffusion Forcing，提升了长视频生成的鲁棒性。
SpatialQ：基于视觉的多模态大语言模型（MLLM）理解3D Gaussian Splatting场景质量
机构 * Peking University（北京大学） ； Peng Cheng Laboratory（鹏城实验室） ； Fuzhou University（福州大学）
AI总结 针对3DGS场景质量评估的局限，本文提出SpatialQ框架，通过VGGT编码器与Qwen-MLLM实现结构感知的多模态质量评估，解决传统IQA仅依赖2D线索的问题。
GoGoTB：基于规范驱动覆盖闭合的智能体式RTL验证
机构 * Tencent（腾讯） ； School of Integrated Circuits, Peking University（北京大学集成电路学院） ； Southwest Jiaotong University（西南交通大学） ； Institute of Electronic Design Automation, Peking University（北京大学电子设计自动化研究所） ； Beijing Advanced Innovation Center for Integrated Circuits（北京集成电路高精尖创新中心）
AI总结 GoGoTB是实现端到端验证闭合的智能体式RTL验证框架，在8个RTL设计上无需人工干预，实现100%环境生成成功率及多维度高覆盖率，优于现有方法。
Comments 9 pages, 7 figures, 3 tables. Xin Xin and Jincheng Lou contributed equally to this work and share first authorship
UniMem：用于无边界任务流的互补情景到参数记忆
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； 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） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Meituan（美团） ； AI Centre, Department of Computer Science, University College London（伦敦大学学院计算机科学系人工智能中心）
AI总结 研究针对大语言模型在无边界任务流部署的稳定性 - 可塑性困境，提出UniMem自路由框架，用可学习路由令牌协调互补记忆路径，能按需扩展记忆，实验证明其在长周期流任务序列中优于基线并保持执行保真度。
WorkSurface-Bench：在多表面知识路由上对企业代理进行基准测试
机构 * Peking University（北京大学） ； Zhongguancun Academy（中关村科学城） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 针对企业代理整合异构知识源时表面路由能力评估不足的问题，提出WorkSurface-Bench基准测试，含多种任务且答案可审计，评估多个模型主干，揭示表面选择与任务完成关系及干预效果，并发布相关资源。
DecoEvo：文本空间中求解器与评分标准生成器技能的分数解耦协同进化
机构 * Tsinghua University（清华大学） ； Qwen Business Unit of Alibaba（阿里巴巴的通义业务部） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学）
AI总结 研究文本空间优化中现有方法瓶颈，提出DecoEvo方法，通过解耦目标协同进化求解器与评分标准生成器技能，不依赖黄金评分标准，在多基准和大语言模型主干上表现优异，有显著相对增益。
用于LoRA微调的Stiefel流形上无回缩优化
机构 * Center for Data Science, Peking University（北京大学数据科学中心） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学丘成桐数学科学中心） ； Beijing International Center for Mathematical Research, Peking University（北京大学北京国际数学研究中心） ； Department of Mathematics, University of California, Berkeley（美国加州大学伯克利分校数学系） ； Center for Machine Learning Research and Changsha Institute for Computing and Digital Economy, Peking University（北京大学机器学习研究中心和长沙计算与数字经济研究院）
AI总结 研究针对Stiefel流形优化中现有方法的问题，提出无回缩且无惩罚参数算法，利用相关特性建立收敛保证。将LoRA微调问题转为流形优化问题，引入Manifold-LoRA，经实验验证其在加速训练及下游性能方面的优势。
转向信号来自何处：激活转向中的激活源选择
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； Beijing Academy of Artificial Intelligence（北京智源人工智能研究院） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； YiXin-AILab（易信人工智能实验室）
AI总结 研究激活转向中转向信号的来源选择，通过实验表明改变源激活会影响转向成功率，有效转向信号来自执行边界状态，基于此提出尾部减法，揭示转向取决于模型即将做的事而非已出现的内容。
GAUGE：在没有标准答案的情况下对代理构建的金融模型进行评分
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Adelaide（阿德莱德大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学）
AI总结 研究针对金融模型无标准答案的问题，引入GAUGE基准，依据分析师实际做法评估代理构建的估值模型，通过多种方式验证，揭示高级、初级分析师及学生在模型评分上的差异，指出当前代理在模型构建与估值判断上的强弱情况，并发布相关资源。
Comments 35 pages, including appendices. Code, benchmark materials, and evaluation artifacts will be publicly released
未知湍流背景流中机器鱼的自我中心驻位
机构 * School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） ； State Key Laboratory for Turbulence and Complex Systems, Department of Advanced Manufacturing and Robotics, College of Engineering, Peking University（北京大学工程科学学院先进制造与机器人系湍流与复杂系统国家重点实验室） ； Laboratory of Cognitive and Decision Intelligence for Complex System, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统认知与决策智能实验室）
AI总结 研究机器鱼在未知湍流背景流中的自我中心驻位问题，提出SWiFT框架，集成实验装置、CFD模拟器及转移管道，通过强化学习探索驻位策略，相比现有方法有显著改进，验证了仅靠自我中心反馈可驻位，推动机器鱼控制发展。
Comments 20 pages, 18 figures
回声桥：用于超声心动图衍生心脏发现的长尾感知心电图-超声心动图文本对齐
机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； University of the Chinese Academy of Sciences（中国科学院大学） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能重点实验室） ； National Institute of Health Data Science, Peking University（北京大学健康数据科学研究所） ； Department of Cardiology, Peking University People’s Hospital（北京大学人民医院心内科）
AI总结 研究旨在解决超声心动图衍生心脏发现的心电图表示问题。提出回声桥方法，含互补共享-私有投影与自适应原型边界校准。经多种协议评估，该方法在指标上超越最强基线，并在多数情况包括低流行瓣膜发现上有增益。
物理变压器：为一般偏微分方程预测定制变压器
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； School of Mechanics and Engineering Science, Peking University（北京大学力学与工程科学学院）
AI总结 研究如何将Transformer应用于偏微分方程预测，提出基于函数投影的物理变压器架构，它能将物理场离散化并投影得到紧凑物理令牌，在多样基准实验中准确捕捉物理结构，取得先进预测性能，为PDE求解的Transformer架构设计奠定基础。
Comments Original version. To be updated
NSL-SLAM：用于实际SLAM和重建的高保真神经结构光深度
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） ； School of Computer Science and Technology, Beihang University（北京航空航天大学计算机科学与技术学院） ； Yuanpei College, Peking University（北京大学元培学院）
AI总结 研究针对高保真结构光深度定制实用SLAM系统，核心方法是强化深度感知并构建以深度为中心的管道，主要贡献是提升跟踪精度、降低轨迹偏差，实现实用稳健的SLAM且运行速度达20.9 FPS。
Comments 13 pages, 9 figures
MSVS-VAE：用于高保真3D重建的多尺度锚定向量集
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Lightspeed Studios（光速工作室）
AI总结 研究针对高保真3D重建中VAE的瓶颈问题，提出MSVS-VAE。通过分层点洗牌上采样 densify 锚定向量集潜在特征，用AVS-Conv取代全局交叉注意力，引入多尺度查询解码融合特征，实验表明其性能优于现有方法，解码速度和紧凑性有显著提升。
LoTA-N2N：用于零样本自监督图像去噪的局部迹线自适应
机构 * Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Southern California（南加州大学） ； Peking University（北京大学）
AI总结 研究针对单图像自监督去噪问题，提出LoTA-N2N两阶段零样本自适应框架，通过估计局部相互作用和控制空间抵消，在多种噪声下实验效果优于仅基于MSE的方法，为无配对干净目标等情况的自监督去噪提供有效设计原则。
Comments 22pages, 9 tables, 11 figures
用于指纹呈现攻击检测的级联伪造挖掘网络
机构 * Peking University（北京大学）
AI总结 针对指纹呈现攻击检测中不同区域伪像提取难度不同的问题，提出用局部Gabor特征确定性量化AED并分区，构建AED引导的级联伪造挖掘网络及方向引导对抗训练模块，实验证明该方法优于现有方法，提升了高AED指纹分类能力。
通过基于主动事件的立体视觉实现超快速深度感知
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Peng Cheng Laboratory（鹏城实验室） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 针对传统主动立体系统在快速运动场景的问题，提出基于主动事件的立体视觉，构建数据集，创新设计ActiveEventNet+网络，性能优于现有方法，降低计算复杂度，能实现高速实时处理，为高速深度感知相机系统设计提供新思路。
Comments Accepted by TPAMI
神经形态目标检测：深入研究与未来方向
机构 * Peking University（北京大学） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Chinese Academy of Sciences（中国科学院） ； Italian Institute of Technology（意大利理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Pittsburgh（匹兹堡大学） ； Sorbonne Université（索邦大学） ； INSERM（法国国家健康与医学研究院） ； CNRS（法国国家科学研究中心） ； Institut de la Vision（视觉研究所）
AI总结 针对传统相机在特定条件下目标检测的挑战，本文对神经形态目标检测算法进行全面调查和基准测试，从多视角探索现有方法，评估多种模型并分析结果，讨论未解决问题，为该领域研究提供资源与方向。
Comments Accepted by Proceedings of the IEEE
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