高校专区
Tessera：通过内核粒度解耦解锁异构GPU
机构 * Peking University（北京大学） ； Key Lab of HCST (PKU), MOE（高可信软件技术教育部重点实验室（北京大学）） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能研究院） ； Tsinghua University（清华大学） ； University of Leeds（利兹大学） ； Huawei Cloud（华为云）
AI总结 Tessera通过内核粒度解耦提升异构GPU上的大模型推理性能和成本效率，利用离线分析与在线适应结合，实现计算与硬件能力的匹配。
弱对抗神经推前方法用于威金方程
机构 * Department of Mathematics, Southern Methodist University（南卫理公会大学数学系） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院）
AI总结 本文提出弱对抗神经推前方法用于求解威金传输方程，通过结构观察将非局部伪微分势能算子与平面波测试函数积分转化为狄拉克δ函数，实现对威金势能核的精确反转，无需截断莫伊尔级数且能处理量子系统相空间动力学。
数据更少，收敛更快：面向多模态指令微调的目标驱动数据优化
机构 * Peking University（北京大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出目标驱动数据优化框架GDO，通过优化训练样本实现更快收敛和更高精度，适用于多模态指令微调任务。
Comments Accepted to ECCV 2026
概念树：一个可控的合成数据框架助力更强的个性化视觉语言模型
机构 * Peking University（北京大学） ； CUHK MMLab（香港中文大学MMLab） ； Zhongguancun Academy（中关村学院） ； Beijing Key Laboratory of Data Intelligence and Security（北京数据智能与安全重点实验室）
AI总结 研究提升VLM个性化能力问题，提出概念树（CaT）框架，以树结构表示概念生成多样正负样本，经数据过滤策略确保质量，实验证明该框架显著增强VLM在个性化基准测试中的能力，是首个可控合成数据管道。
Comments ECCV26 Camera Ready
LHM-Humanoid：学习一种统一的政策以在多样化的混乱环境中实现长视距人形全身体术操作
机构 * The University of Manchester（曼彻斯特大学） ； X-Humanoid ； Peking University（北京大学） ； University of Hong Kong（香港大学）
AI总结 LHM-Humanoid通过统一政策实现人形在复杂环境中长视距全身体术操作，结合强化学习与知识蒸馏，提升跨场景泛化与鲁棒性。
BigMac: 打破多模态大语言模型训练中的计算与内存帕累托前沿
机构 * Peking University（北京大学） ； Independent Researcher（独立研究员） ； Xiaohongshu, Inc（小红书公司）
AI总结 提出BigMac训练流水线，通过嵌套编码器和生成器计算到LLM流水线中，同时优化计算效率和内存使用，打破帕累托前沿。
PGOT：用于复杂偏微分方程的物理-几何运算变换器
机构 * National University of Defense Technology（国防科技大学） ； National SuperComputer Center in Tianjin（天津国家超算中心） ； National University of Singapore（新加坡国立大学） ； Tiangong University（天工大学） ； Peking University（北京大学）
AI总结 PGOT通过显式几何意识重建物理特征学习，利用SpecGeo-Attention机制在保持线性计算复杂度的同时，保留多尺度几何特征，实现高精度物理场建模。
Comments 24 pages, 17 figures
策略改进强化学习
机构 * Beihang University（北航） ； Peking University（北京大学）
AI总结 提出策略改进强化学习（PIRL）框架，通过最大化跨迭代的累积策略改进来替代替代奖励最大化，并基于此设计策略改进策略优化（PIPO）算法，实现闭环优化，在数学推理基准上提升稳定性和性能。
超人：统一骨骼与视觉用于人体运动感知与生成
机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School（通用人工智能国家重点实验室，北京大学深圳研究生院） ； Sony R&D Center（索尼研发中心） ； Nanyang Technological University（南洋理工大学）
AI总结 针对人体运动分析范式碎片化问题，提出Superman统一框架，通过视觉引导运动分词器创建跨模态运动词汇，训练单一MLLM架构处理多任务，实验表明该方法在运动任务中性能领先或具竞争力，为运动分析提供高效可扩展路径。
BabyVision：超越语言的视觉推理
机构 * UniPat AI ； xbench ； Alibaba Group（阿里巴巴集团） ； MoonShot AI ； StepFun ； Peking University（北京大学） ； Tsinghua University（清华大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Princeton University（普林斯顿大学） ； Nanyang Technological University（南洋理工大学） ； G Labs Equal Core Contributors（0G Labs 等核心贡献者）
AI总结 研究发现当代多模态语言模型依赖语言先验，在基本视觉任务上表现差。为此引入BabyVision基准评估其核心视觉能力，涵盖多任务。结果显示模型缺乏基本视觉原语，BabyVision的进展迈向人类水平视觉能力，还探索了用生成模型解决视觉推理的方法。
Comments 26 pages, Homepage at https://unipat.ai/blog/BabyVision
SHINE：一种可扩展的上下文超网络，用于在单次传递中将上下文映射到LoRA
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Technion, NVIDIA（技术学院与NVIDIA） ； University of Oxford（牛津大学） ； School of Electronics Engineering（电子工程学院） ； Computer Science, Peking University（计算机科学，北京大学）
AI总结 本文提出SHINE，一种可扩展的上下文超网络，用于在单次传递中将多样且有意义的上下文映射到高质量的LoRA适配器，通过重用冻结LLM的自身参数和引入架构创新，克服了先前超网络的关键限制，以较少的参数实现了强大的表达能力。
CABTO：面向机器人操作的上下文感知行为树接地
机构 * National University of Defense Technology（国防科技大学） ； PsiBot ； Peking University（北京大学） ； PKU-Psibot Lab（北京大学-PsiBot实验室）
AI总结 本文提出CABTO框架，通过预训练大模型和上下文反馈，自动构建完整且一致的行为树系统，解决机器人操作中行为树接地的复杂性问题。
CLEANER：自我净化轨迹助力智能强化学习
机构 * Peking University（北京大学） ； NTU, Singapore（新加坡国立大学）
AI总结 研究参数受限模型探索阶段因执行失败产生噪声轨迹影响策略优化的问题，提出CLEANER，利用模型自我纠错能力净化轨迹，其SAAR机制提升平均准确率，减少训练步骤。
Robobench：作为具身大脑的多模态大语言模型的综合评估基准
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息多媒体国家重点实验室，计算机学院，北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute for Brain and Intelligence, Fudan University（脑与智能研究院，复旦大学） ； University of Science and Technology Beijing（北京科技大学） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心）
AI总结 研究针对在动态非结构化环境中构建能感知、推理和行动的机器人的挑战，介绍RoboBench基准，涵盖多维度、多任务等，能评估多模态大语言模型，揭示其局限性并分析与下游控制关系，为量化高级认知提供支架。
Comments ECCV 2026 Camera Ready
Re:Form——利用大语言模型中的强化学习减少可扩展形式化软件验证中的人工标注：关于Dafny的初步研究
机构 * Shanghai AI Lab（上海人工智能实验室） ； University of Alberta（阿尔伯塔大学） ； Tsinghua University（清华大学） ； Chinese University of Hong Kong, Shenzhen（香港大学（深圳）） ； Hong Kong University of Science and Technology（香港科技大学） ； Nanyang Technological University（南洋理工大学） ； University of Manchester（曼彻斯特大学） ； Peking University（北京大学）
AI总结 研究利用形式语言Dafny减少人工标注，核心方法是引入自动可扩展数据处理流程及结合形式语言验证器反馈的强化学习设计，主要贡献是提升模型在DafnyComp基准测试表现。
Comments Published in Transactions on Machine Learning Research (TMLR), 05/2026. Reviewed on OpenReview: https://openreview.net/forum?id=cAQmIS4GOe
InverseScope：用于解释大语言模型的可扩展激活反演
机构 * School of Mathematical Science, Peking University（北京大学数学科学学院） ； School of Science, Westlake University（西湖大学理学院） ； Beijing International Center for Mathematical Research（北京国际数学研究中心） ； New Cornerstone Science Laboratory, Peking University（北京大学新基石科学实验室）
AI总结 研究大语言模型内部表征解释难题，提出InverseScope框架，通过输入反演解释神经激活，用新颖架构提高采样效率，揭示模型表征空间结构，可扩展到14B参数模型并推广到分布外输入。
Comments 12 pages
基于特定风格示范的策略改进
机构 * School of Computer Science, Peking University, Beijing 100871, China（北京大学计算机学院，北京100871，中国）
AI总结 研究旨在弥合游戏AI中提升熟练度与多样化风格间的差距，提出MPPO方法，统一在线和离线样本损失目标并引入隐式约束，能在保留风格同时提升现有次优智能体熟练度。
Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-60230-8}
原神：通过无对接姿势的图神经网络对脂质体蛋白冠进行排名以指导合理的脂质体设计
机构 * Key Laboratory of symbolic Computation and Knowledge Engineering of ministry of education（教育部符号计算与知识工程重点实验室） ； Jilin University（吉林大学） ； State Key Laboratory of Natural and Biomimetic Drugs（国家自然与仿生药物重点实验室） ； School of Pharmaceutical Sciences（药学院） ； Peking University（北京大学）
AI总结 研究脂质纳米颗粒组织特异性递送中蛋白冠组成预测难题，提出通过对脂质-血浆蛋白对评分排序揭示脂质体表面蛋白相对组成，介绍无对接姿势的图神经网络GenShin及优势。
Comments 31 pages,4 figures
从推理中寻找真理：一种用于引导LLM轨迹的动态表示编辑框架
机构 * ByteDance Inc.（字节跳动公司） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Peking University Information Technology Institute (Tianjin Binhai)（北京大学信息技术研究院（天津滨海））
AI总结 提出DynaSteer动态表示编辑框架，通过模式聚类和Fisher-LDA提取纯净真理，并基于前瞻熵选择性引导轨迹，提升LLM推理真实性。
Comments Accepted by ICML'26
SPADER: 面向多答案问答的逐步同伴优势与多样性感知探索奖励
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD与CG国家重点实验室） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； School of Software Technology, Zhejiang University（浙江大学软件技术学院）
AI总结 提出SPADER强化学习框架，通过逐步同伴优势（SPA）机制和多样性感知探索奖励，解决多答案问答中长程工具使用的细粒度信用分配与持续探索问题，实验表明在多个数据集上提升了召回率和F1分数。
DAP：面向异构毫米波的点网络用于人类动作识别
机构 * Peking University（北京大学） ； Huazhong University of Science and Technology（华中科技大学） ； DJI Technology Company Ltd.（大疆技术创新有限公司） ； Christian-Albrechts-Universität zu Kiel（基尔大学）
AI总结 本文提出DAP-Net，通过异构雷达源的跨模态对齐和D2R模块实现点云增强，提升动作识别的鲁棒性与准确性。
OmniGAIA：迈向原生全模态AI代理
机构 * Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司） ； Peking University（北京大学） ； Southeast University（东南大学） ； Tsinghua University（清华大学）
AI总结 提出OmniGAIA基准和OmniAtlas代理，通过全模态事件图和后见引导树探索策略，实现跨视频、音频和图像的深度推理与工具使用。
AgenticRAGTracer：用于诊断Agentic RAG中多步检索推理的跳数感知基准
机构 * University of Science and Technology Beijing（北京科技大学） ； Peking University（北京大学） ； Zhongguancun Academy（中关村学院） ； Beijing Key Laboratory of Data Intelligence and Security (Peking University)（北京市数据智能与安全重点实验室（北京大学））
AI总结 提出首个由大语言模型自动构建的Agentic RAG基准AgenticRAGTracer，包含1305个跨领域数据点，支持逐跳验证，揭示模型在多步推理中推理链扭曲的问题。
Comments Accepted at ACL 2026 Findings
语言引导的Transformer分词器用于人体运动生成
机构 * Transsion Ltd.（Transsion有限公司） ； Chongqing University of Technology（重庆理工大学） ； 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） ； Shenzhen Graduate School（深圳研究生院）
AI总结 提出语言引导分词器LG-Tok，在分词阶段对齐语言与运动，产生紧凑高层语义表示，结合Transformer注意力机制实现高效运动生成，在HumanML3D和Motion-X上达到SOTA。
Comments Accepted by ECCV 2026
基于策略的强化学习玩20个问题游戏
机构 * Peking University（北京大学） ； Microsoft Corporation（微软公司） ； Microsoft Development Co., Ltd（微软开发有限公司）
AI总结 提出基于策略的强化学习方法，使提问者通过与用户持续交互学习最优问题选择策略，并利用奖励网络估计信息奖励，无需知识库且对噪声答案鲁棒。
Comments Withdrawal from the conference
传输差异作为视觉-语言-动作模型的可靠性信号
机构 * Peking University（北京大学） ； Renmin University of China（中国人民大学） ； BeingBeyond
AI总结 提出DiG模块，通过计算切片Wasserstein传输代价作为可靠性信号，利用指数门控调节特征细化和训练损失，在分布偏移和长时域任务中显著提升VLA模型成功率。
LearNAT: 基于AST引导任务分解的NL2SQL大语言模型学习
机构 * School of Computer Science, Peking University（北京大学计算机科学系） ； Key Laboratory of High Confidence Software Technologies, Ministry of Education（教育部高可信软件技术重点实验室） ； Big Data Technology Research Center, Nanhu Laboratory（纳米实验室大数据技术研究中心） ； National Engineering Research Center For Software Engineering, Peking University（北京大学软件工程国家工程研究中心） ； Peking University Information Technology Institute (Tianjin Binhai)（北京大学信息技术研究院（天津滨海）） ； School of Computer Sciences, Beijing University of Posts and Telecommunications（北京邮电大学计算机科学系） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Seed, ByteDance Inc.（字节跳动公司）
AI总结 提出LearNAT框架，通过AST引导的分解合成过程和边际感知强化学习，增强小规模LLM的NL2SQL任务分解能力，以7B参数模型达到GPT-4可比性能。
Comments Accepted by ICLR'26
QuadLink: 通过点关系学习的自回归四边形主导网格生成
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tencent VISVISE（腾讯VISVISE） ； Peking University（北京大学） ； Technical University of Munich（慕尼黑技术大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Texas A&M University（德克萨斯大学） ； Macau University of Science and Technology（澳门科技大学）
AI总结 提出QuadLink框架，通过将点云链接成结构化面片，以自回归方式生成各向异性的四边形主导网格，实现高几何保真度和拓扑质量。
分布混合至关重要：面向高效视频扩散Transformer的动态稀疏注意力
机构 * Peking University（北京大学） ； University of Electronic Science and Technology of China（电子科技大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出MOD-DiT框架，通过两阶段动态稀疏注意力（利用早期去噪先验和分布混合线性近似预测掩码，结合在线块掩码策略）在无需采样的情况下实现高效视频生成，显著加速并保持质量。
弥合信息不对称：一种降低不确定性的分层盲脸修复框架
机构 * Biomedical Engineering Department, College of Future Technology, Peking University（北京大学未来技术学院生物医学工程系） ； Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心）
AI总结 提出Pref-Restore分层框架，通过语义信息增强、纹理保真对齐和保真约束偏好优化，降低盲脸修复中的不确定性，实现身份敏感的高保真重建。
Comments Accepted by TPAMI2026
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