高校专区
相互推动：双模式自我进化用于快速自回归音频视频生成
机构 * VCIP, School of Computer Science, Nankai University（南开大学计算机科学学院VCIP实验室） ； Tongyi Lab（通义实验室） ； Peking University（北京大学）
AI总结 本文提出Mutual Forcing框架，通过双阶段训练策略解决音频视频联合建模与快速自回归生成问题，通过共享参数实现自蒸馏，提升训练推理一致性，相比传统方法更高效且质量更优。
子空间优化用于异构数据下的高效联邦学习
机构 * Peking University（北京大学） ； Beihang University（北航）
AI总结 本文提出子空间优化方法SSF，通过低维子空间进行异构性校正优化，降低通信和内存开销，实现非渐近收敛率和异构数据下的高效联邦学习。
视频生成的系统性后训练框架
机构 * The University of Hong Kong（香港大学） ； JD Explore Academy（京东探索研究院） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 本文提出系统性后训练框架，通过四个协同阶段提升视频生成的视觉质量、时间一致性和指令遵循性，同时保持预训练阶段的可控性。
Comments Tech report
OmniVTG：一种大规模数据集和开放世界视频时间定位的训练范式
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室） ； Central Media Technology Institute, Huawei Technologies Ltd.（华为技术有限公司中央媒体技术研究所） ； PKU-WUHAN Institute for Artificial Intelligence, Peking University（北京大学武汉人工智能研究所）
AI总结 本文提出OmniVTG数据集和Self-Correction Chain-of-Thought训练范式，通过语义覆盖迭代扩展管道构建大规模数据集，并利用多模态大语言模型的密集描述能力提升视频时间定位性能。
Comments CVPR 2026
面向语音保留的面部表情操控的个性化跨模态情感相关学习
机构 * Guangdong University of Technology（广东工业大学） ； South China University of Technology（华南理工大学） ； Peking University（北京大学） ； Sun Yat-Sen University（中山大学）
AI总结 本文提出PCMECL算法，通过个性化提示和特征差分提升跨模态对齐，解决面部表情操控中情感操控的监督问题。
学习结构、能量和动力学：人工智能在蛋白质动力学中的综述
机构 * Mila – Quebec AI Institute（魁北克AI研究所） ； University of Pittsburgh（匹兹堡大学） ； Peking University（北京大学） ； Université de Montréal（蒙特利尔大学） ； HEC Montréal（蒙特利尔HEC学院） ； CIFAR AI Chair（CIFAR人工智能主席）
AI总结 本文综述了人工智能在蛋白质动力学中的最新进展，从结构集合和轨迹学习、物理能量信号学习以及加速分子模拟三个方面探讨了核心方法与主要贡献。
OptProver：通过持续训练在形式定理证明中弥合竞赛与优化的鸿沟
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Huawei Technologies（华为技术有限公司） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； Beijing International Center for Mathematical Research, Peking University（北京国际数学研究中心）
AI总结 OptProver通过持续训练实现从竞赛数学到本科优化的高效迁移，结合大规模优化数据筛选与偏好学习目标，提升证明效率与鲁棒性，同时在Lean 4上建立新基准并取得优异成绩。
MICo-150K：一个多图像合成的综合数据集
机构 * Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Sun Yat-Sen University（中山大学） ； OPPO Research Institute（OPPO研究院）
AI总结 本文提出MICo-150K数据集，通过系统研究多图像合成任务，构建高质量图像和多样提示，结合人类反馈生成平衡的合成图像，同时建立评估基准和新指标，验证了数据集对模型提升的有效性。
Comments Project Page: https://MICo-150K.github.io/
SIV-Bench：一种用于社会互动理解和推理的视频基准测试
机构 * Peking University（北京大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； Tsinghua University（清华大学） ； ShanghaiTech University（上海科技大学）
AI总结 本文提出SIV-Bench，一个用于评估多模态大语言模型在社会场景理解、社会状态推理和社会动态预测能力的视频基准测试，揭示了现有模型在社会推理方面的不足。
扩散模型作为通用分割学习者
机构 * Zhejiang University（浙江大学） ； South China University of Technology（华南理工大学） ； Nanjing University（南京大学） ； Peking University（北京大学）
AI总结 本文提出DiGSeg，利用预训练扩散模型实现通用分割框架，通过编码图像和掩码到潜在空间，并结合CLIP对齐的文本路径，实现基于外观和任意文本提示的结构化分割。
FreqCache: 通过自适应频率引导的标记缓存加速具身VLN模型
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Beijing Academy of Artificial Intelligence, BAAI（北京人工智能研究院） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； School of Computer Science, China University of Geosciences (Wuhan)（中国地质大学（武汉）计算机科学学院） ； College of Computer Science and Electronic Engineering, Hunan University（湖南大学计算机科学与电子工程学院） ； School of EECS, Peking University（北京大学电子信息技术学院）
AI总结 本文提出FreqCache框架，通过频率域方法优化VLN模型中的标记缓存，解决传统视觉方法在视角迁移、边缘信息和场景时变性上的不足，实验显示其在计算效率上有1.59倍的提升。
RoboECC: 多因素感知的边缘-云计算协同部署用于VLA模型
机构 * School of Computer Science, Peking University, Beijing, China（北京大学计算机科学学院） ； School of Computer Science, South China University of Technology, Guangzhou, China（华南理工大学计算机科学学院） ； School of Artificial Intelligence, Beijing Normal University, Beijing, China（北京师范大学人工智能学院） ； School of EECS, Peking University, Beijing, China（北京大学电子工程与科学学院）
AI总结 本文提出RoboECC框架，通过模型-硬件协同分割策略和网络感知部署调整方法，解决VLA模型在边缘-云计算协同部署中的分割点识别和网络波动问题，实验显示其在效率提升与资源消耗之间取得良好平衡。
Comments This paper has been accepted by IJCNN 2026
HeiSD：具有运动意识的具身视觉-语言-动作模型的混合推测解码
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； School of Computer Science, China University of Geosciences (Wuhan)（中国地质大学（武汉）计算机科学学院） ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） ； School of EECS, Peking University（北京大学电子工程与科学学院）
AI总结 本文提出HeiSD框架，结合draft-based和retrieval-based推测解码方法，通过验证跳过机制和序列放松接受策略提升效率，并引入基于运动的融合度量确定混合边界，实验证明在仿真和现实场景中均实现2.45倍以上的加速。
KERV：基于运动学的具身VLA模型的推测解码
机构 * School of Computer Science, Peking University, Beijing, China（北京大学计算机科学学院） ； School of Computer Science, China University of Geosciences (Wuhan), Wuhan, China（中国地质大学（武汉）计算机科学学院）
AI总结 本文提出KERV框架，结合token域和运动学域预测，通过运动学卡尔曼滤波和动态调整策略提升VLA模型的推理速度，实验显示在多种任务中加速27%-37%且成功率损失极小。
Comments This paper has been accepted by DAC 2026
学习以细化：LLMs中并行推理的自我细化
机构 * Microsoft（微软） ； Peking University（北京大学）
AI总结 本文提出Generative Self-Refinement方法，通过并行生成候选答案并细化最终答案，提升LLM推理性能，实验显示其在多个数学基准测试中表现优异。
在去中心化学习中单一全局融合的惊人效果
机构 * Zhejiang University（浙江大学） ； Mila, Quebec AI Institute（魁北克AI研究院） ； Université de Montréal（蒙特利尔大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文研究了去中心化学习中通信调度策略，发现集中通信预算在后期阶段可显著提升测试性能，通过单一全局融合实现完全连接，有效提升高数据异质性下的学习性能。
Comments We discover and theoretically explain why and when a single global parameter merging in decentralized learning can recover the performance of federated learning, even in highly heterogeneous and communication-constrained environments
Journal ref ICLR 2026 (Oral Presentation)
视觉-语言-动作安全性：威胁、挑战、评估与机制
机构 * National University of Singapore（新加坡国立大学） ； Monash University（墨尔本大学） ； Peking University（北京大学）
AI总结 本文探讨了视觉-语言-动作模型的安全性问题，分析了其在训练和推理阶段的威胁与防御机制，总结了评估方法及六个部署领域的安全挑战。
Audio-Omni: 扩展多模态理解到多功能音频生成与编辑
机构 * Hong Kong University of Science and Technology（香港理工大学） ； WeChat Vision, Tencent Inc（微信视觉，腾讯公司） ； Peking University（北京大学）
AI总结 Audio-Omni提出首个端到端框架，统一音频生成与编辑，结合多模态理解能力，通过冻结的多模态大语言模型与可训练的扩散变换器实现高保真合成，并构建大规模数据集提升音频编辑性能。
在代码生成中任意思考
机构 * School of Computer Science, Peking University（1 计算机科学系，北京大学） ； Tongyi Lab, Alibaba Group（2 龙洋实验室，阿里巴巴集团）
AI总结 本文提出Think-Anywhere机制，使LLM在代码生成过程中可按需调用推理，通过冷启动训练和基于结果的强化学习奖励，实现适应性推理，提升代码生成性能和可解释性。
Aegis：多智能体系统的自动化错误生成与归因
机构 * Peking University Beijing Institute of General Artificial Intelligence（北京大学北京通用人工智能研究院） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出Aegis框架，通过自动化生成大规模多智能体系统错误数据，提升错误归因能力，实验表明其模型性能可与专有模型媲美。
基于CT的局部变化正则化用于全身体积PET变形注册
机构 * Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； Ren Ji Hospital, Shanghai Jiao Tong University（上海交通大学仁济医院） ； University of Oxford（牛津大学）
AI总结 本文提出基于CT的局部变化正则化方法，用于全身体积PET变形注册，通过CT体积构建voxel级正则化图，提高全身体积注册精度和器官对齐性能。
通过推理技能思考：更少的标记，更高的准确性
机构 * Qiyuan Tech（启元科技） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学）
AI总结 本文提出通过存储和检索推理技能来减少推理标记并提升性能，适用于编码和数学推理任务。
Comments 10 pages, The 64th Annual Meeting of the Association for Computational Linguistics -- Industry Track
切换注意力：面向动态和细粒度的混合变换器
机构 * State Key Laboratory for Multimedia Information Processing（多媒体信息处理国家重点实验室） ； School of Computer Science, PKU-Anker LLM Lab, Peking University（计算机科学学院，PKU-Anker LLM实验室，北京大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司）
AI总结 本文提出Switch Attention，一种动态路由全注意力与滑动窗口注意力的混合变换器，通过自适应正则化和持续预训练提升长上下文语言模型的效率与性能。
KOCO-BENCH: 大型语言模型能否在软件开发中利用领域知识？
机构 * School of Computer Science, Peking University（北京大学计算机科学系） ； School of Computer Science, Wuhan University（武汉大学计算机科学系）
AI总结 KOCO-BENCH旨在评估大型语言模型在软件开发中利用领域知识的能力，包含6个新兴领域、11个软件框架和25个项目，通过多粒度任务测试模型的知识获取与应用能力。
Comments Accepted by ACL 2026
InfiniPipe：弹性流水线并行用于高效可变长度长上下文LLM训练
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 本文提出弹性流水线并行和阶段感知切片级自适应检查点，以应对资源和工作负载异质性，实验证明InfiniPipe比现有系统快1.69倍。
PoseX：人工智能击败物理方法在蛋白质-配体交叉对接
机构 * Microcyto ； Purdue University（普渡大学） ； State Key Laboratory for Novel Software Technology at Nanjing University（南京大学新型软件技术国家重点实验室） ； Anew Therapeutics ； Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； Peking University（北京大学） ； Virginia Tech（弗吉尼亚理工大学） ； Imperial College London（伦敦帝国理工学院）
AI总结 PoseX设计了一个开放源代码的基准测试，评估自我对接和交叉对接，通过23种方法和718/1312个数据集，发现AI方法在对接成功率上优于物理方法，并通过放松方法和结合口袋信息提升性能。
超越N-gram：面向数据的X-GRAM提取用于高效的嵌入参数扩展
机构 * Peking University（北京大学） ； IQuest Research（IQuest研究）
AI总结 本文提出X-GRAM框架，通过频率感知的动态token注入方法，提升嵌入参数扩展效率，实验表明在0.73B和1.15B规模下，X-GRAM在准确率上优于基线模型。
Comments 29 pages, 9 figures, 13 tables
DVGT-2：面向大规模自动驾驶的视觉-几何-动作模型
机构 * Tsinghua University（清华大学） ； Xiaomi EV（小米电动车） ； University of Macau（澳门大学） ； Peking University（北京大学）
AI总结 本文提出VGA范式，通过密集3D几何信息提升自动驾驶决策，引入DVGT-2实现在线处理，结合时间因果注意力和滑动窗口策略，提升效率与重建性能。
Comments Code is available at https://github.com/wzzheng/DVGT
RedVLA：面向视觉-语言-动作模型的物理红队测试
机构 * Institute for AI, Peking University（人工智能研究院，北京大学） ； State Key Laboratory of General Artificial Intelligence, Peking University（通用人工智能国家重点实验室，北京大学）
AI总结 RedVLA通过两阶段流程系统揭示VLA模型中的不安全行为，通过风险场景合成和风险放大技术，在10次优化迭代内达到95.5%的检测准确率，提出轻量级安全防护方案SimpleVLA-Guard。
多输出极值空间模型用于复杂飞机生产系统
机构 * Grado Department of Industrial and Systems Engineering, Virginia Polytechnic Institute and State University（弗吉尼亚理工学院和州立大学工业与系统工程系） ； Department of Mathematics, Illinois State University（伊利诺伊州立大学数学系） ； Department of Industrial Engineering, Tsinghua University（清华大学工业工程系） ； Department of Industrial Engineering and Management, Peking University（北京大学工业工程与管理系）
AI总结 本文提出多输出极值空间模型，用于复杂飞机生产系统中的极值预测与风险分析，通过双域线性函数捕捉动态，提升极端事件预测性能。
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