高校专区
StreetTree: 一个大规模全球基准用于细粒度树种分类
机构 * Peking University（北京大学） ； University of Vienna（维也纳大学）
AI总结 本文提出StreetTree，首个大规模全球树种分类基准，包含1200万张图像，涵盖8300种常见树种，用于评估城市环境下的细粒度分类挑战与方法局限。
理解与生成：多模态模型中的优化困境导航
机构 * 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） ； Tencent（腾讯） ； Center for Data Science, Peking University（北京大学数据科学中心） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心）
AI总结 本文提出R3框架，通过将生成任务分解为生成-理解-生成的多步骤过程，缓解生成与理解之间的优化困境，提升生成效果和理解能力。
Comments Accepted to ICLR2026
SVBench：视频生成模型在社会推理中的评估
机构 * Tsinghua University（清华大学） ； Shanda AI Research Tokyo（盛大人工智能研究院东京） ； Shanghai AI Lab（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学）
AI总结 本文提出SVBench基准，用于评估视频生成模型在社会推理能力上的不足，通过七大核心维度和免训练流程，评估七种先进模型，揭示表面合理性与深层社会推理能力间的差距。
Comments 10pages
通过结构化形式中介学习生成可形式验证的逐步逻辑推理
机构 * Wangxuan Institue of Computer Technology, Peking University（北京大学王选计算机技术研究所）
AI总结 本文提出PRoSFI方法，通过形式验证提升推理可靠性，利用结构化中间步骤和形式证明验证生成可信的逐步推理过程。
Comments 19 pages
VecAttention: 向量级稀疏注意力用于加速长上下文推理
机构 * SCS, Peking University（北京大学计算机科学技术学院） ； 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）） ； Fudan University（复旦大学） ； Alibaba Group（阿里巴巴集团） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出VecAttention，一种向量级稀疏注意力框架，通过动态选择信息向量提升视频模型的精度与效率，实测在视频理解和生成任务中比全注意力快2.65倍，比现有稀疏注意力方法快1.83倍且精度相当。
Comments Accepted at CVPR 2026
mtslearn：用于医疗时间序列的Python机器学习
机构 * Nanjing University of Information Science and Technology（南京信息工程大学） ； National Institute of Health Data Science, Peking University（北京大学健康医疗大数据国家研究院） ； School of Health Humanities, Peking University Health Science Center（北京大学医学人文学院） ； Institute of Medical Technology, Peking University Health Science Center（北京大学医学技术研究院） ； Harvard Medical School（哈佛医学院） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； School of Business English, Sichuan International Studies University（四川外国语大学商务英语学院） ； School of Clinical Medicine, Chengdu Medical College（成都医学院临床医学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； State Key Laboratory of Vascular Homeostasis and Remodeling, NHC Key Laboratory of Cardiovascular Molecular Biology and Regulatory Peptides, Peking University（北京大学血管稳态与重构全国重点实验室、国家卫生健康委员会心血管分子生物学与调节肽重点实验室）
AI总结 本文提出mtslearn，一个专为医疗时间序列设计的端到端工具包，通过统一数据接口和模块化设计，简化数据处理流程，降低临床人员使用门槛，促进先进算法在临床实践中的应用。
PSPA-Bench：面向智能手机GUI代理的个性化基准
机构 * Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Beijing Institute of Mathematical Sciences and Applications（北京数学科学与应用研究院）
AI总结 本文提出PSPA-Bench，用于评估智能手机GUI代理的个性化能力，通过12855条个性化指令和22款移动应用，揭示现有方法在个性化场景下的不足，并提出改进方向。
Comments 28 pages
SkillTester：智能体技能的评估与安全性的基准测试
机构 * Key Laboratory of High Confidence Software Technologies, Ministry of Education, Peking University（高可信软件技术教育部重点实验室（北京大学）） ； Northwestern Polytechnical University（西北工业大学）
AI总结 SkillTester通过对比原则和用户友好原则，评估智能体技能的实用性和安全性，提供标准化评分和安全状态标签，旨在提升智能体技能的质量保障。
Comments Technical report, 13 pages, 2 figures, 9 tables. Project page: https://skilltester.ai. Code: https://github.com/skilltester-ai/skilltester
面向政策适应的图像防护：基准与方法
机构 * Fudan University（复旦大学） ； Tencent（腾讯） ； Peking University（北京大学）
AI总结 本文提出SafeGuard-VL方法，通过强化学习与可验证奖励提升图像防护的政策适应能力，并通过SafeEditBench基准测试验证其有效性。
MA-SAPO：多智能体推理用于评分感知提示优化
机构 * Enhans ； Peking University（北京大学） ； Fudan University（复旦大学） ； University of North Texas（北德克萨斯大学）
AI总结 本文提出MA-SAPO框架，通过多智能体推理将评估结果与针对性改进联系起来，提升提示优化的可解释性和可控性，实验表明其在多个评估指标上优于现有方法。
Comments Preprint
统一多模态模型作为自编码器
机构 * Shenzhen Graduate School, Peking University（北京大学深圳研究生院） ； Baidu（百度） ； Rabbitpre AI（兔展智能） ； SYSU（中山大学） ； USTC（中国科学技术大学） ； CASIA（中国科学院自动化研究所）
AI总结 本文提出统一GRPO方法，通过强化学习联合优化图像到文本和文本到图像任务，利用重建奖励提升语义一致性，增强多模态协同效果。
动态网络的在线设计
机构 * Peking University（北京大学） ； Institut Polytechnique de Paris（巴黎理工学院）
AI总结 本文提出一种基于蒙特卡洛树搜索的滚动时间规划方法，用于动态网络的在线设计，通过实时调整公交线路以适应随机需求，提升系统性能。
Comments 14 pages
ConceptWeaver: 通过流模型编织解耦的概念
机构 * Peking University（北京大学） ； AMAP, Alibaba Group（阿里巴巴集团高德地图）
AI总结 ConceptWeaver通过三阶段框架实现单次概念解耦，利用阶段感知优化策略学习语义偏移并在推理中注入，实现高保真合成与编辑。
基于机器学习的高维矩阵估计
机构 * Advanced Institute of Information Technology, Peking University（北京大学先进信息技术研究院） ； Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机技术研究所） ； School of Statistics, Dongbei University of Finance and Economics（东北财经大学统计学院） ； PKU-Wuhan Institute for Artificial Intelligence（北大-武汉人工智能研究院） ； Xiangjiang Laboratory（湘江实验室） ； Guanghua School of Management, Peking University（北京大学光华管理学院）
AI总结 本文提出基于机器学习的高维矩阵估计方法，利用LADMM优化算法和神经网络改进估计精度与收敛速度，理论证明了其收敛性和加速效果，适用于高维协方差和精度矩阵估计。
MedLoc-R1: 为基于GRPO的医疗视觉接地任务的性能感知课程奖励调度
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Emory University（埃默里大学） ； Peking University（北京大学） ； Shandong University（山东大学）
AI总结 本文提出MedLoc-R1框架，通过性能感知奖励调度提升医疗视觉接地任务的定位准确性和训练稳定性，无需引入辅助网络。
Comments 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)
$AutoDrive\text{-}P^3$：通过强化微调实现感知-预测-规划统一链式推理
机构 * School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院）
AI总结 本文提出$AutoDrive\text{-}P^3$框架，通过结构化推理整合感知、预测和规划，引入$P^3\text{-}CoT$数据集和$P^3\text{-}GRPO$算法，实现端到端自动驾驶的高效决策与安全规划。
Comments Accepted at ICLR 2026 (International Conference on Learning Representations)
RAWIC：位深度自适应无损RAW图像压缩
机构 * School of Electronics, Peking University（北京大学电子学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 RAWIC提出一种位深度自适应的无损RAW图像压缩框架，通过转换Bayer数据并自适应位深度估计，实现对不同相机和位深度的高效压缩，实验表明其在JPEG-XL基础上平均提升7.7%的压缩率。
Comments Accepted by ICME 2026
Heddle：一种用于代理强化学习 rollout 的分布式编排系统
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Independent Researcher（独立研究员）
AI总结 Heddle通过轨迹中心化设计优化代理rollout执行的时机、地点和方式，解决长尾轨迹生成中的队列延迟、干扰开销和单位令牌时间问题，提升rollout吞吐量。
基于八叉树的学得点云几何压缩：一种有损视角
机构 * School of Electronic and Computer Engineering, Shenzhen Graduate School, Peking University（北京大学深圳研究生院电子与计算机工程学院）
AI总结 本文提出针对不同点云的有损压缩方法，针对物体点云改进叶节点压缩，针对LiDAR点云提出变率控制方法，实验显示方法在物体点云上表现更优，在LiDAR点云上实现约1%的比特误差。
PointCNN++: 针对原始点的高效卷积
机构 * Peking University（北京大学） ； Ant Group（蚂蚁集团） ； AMAP（高德地图）
AI总结 PointCNN++提出了一种新的架构设计，通过将稀疏卷积从体素扩展到点，解决了精度与性能之间的权衡问题，实现了高保真和高效3D学习。
FlipVQA: 通过教科书到知识合成实现多模态指令微调的扩展
机构 * Peking University（北京大学） ； Zhongguancun Academy（中关村学院）
AI总结 本文提出FlipVQA-Miner自动化流程，解决OCR文档中的长距离逻辑依赖和跨页断续问题，构建了包含83K问答对的FlipVQA-83K数据集，在保持高结构保真度的同时节省50倍成本，提升了模型推理能力和跨领域泛化能力。
SciEGQA：一个用于科学证据基础问题回答与推理的数据集
机构 * Beihang University（北京航空航天大学） ； Peking University（北京大学） ； The University of Hong Kong（香港大学） ； Baidu Inc.（百度公司）
AI总结 SciEGQA数据集通过精细标注和大规模自动构建，提升视觉语言模型在科学文档中的证据定位与推理能力。
Comments 8 pages, 4 figures, 3 tables
Goal-VLA: 图像生成视觉语言模型作为对象中心世界模型，赋能零样本机器人操作
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； The HKU Musketeers Foundation Institute of Data Science, The University of Hong Kong（香港大学数据科学研究院） ； Yuanpei College, Peking University（北京大学元培学院） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 本文提出Goal-VLA框架，利用图像生成视觉语言模型生成目标状态，通过对象状态表示分离高阶与低阶策略，提升机器人操作的泛化能力。
ProgressVLA: 用于视觉-语言机器人操控的进展引导扩散策略
机构 * Peking University（北京大学） ； Microsoft Research Asia (MSRA)（微软亚洲研究院）
AI总结 本文提出ProgressVLA模型，通过鲁棒的进展估计和可微进展引导方法提升机器人操控任务的成功率和泛化能力。
PRBench: 物理研究中的端到端论文复现
机构 * School of Physics, Peking University（北京大学物理学院） ； Beijing Computational Science Research Center（北京计算科学研究中心）
AI总结 PRBench通过30个物理领域专家任务评估AI在复现科学论文中的能力，发现现有模型在数据准确性和代码正确性上表现不佳，揭示了系统性失败模式。
Comments 17 pages, 3 figures
RTLSeek: 通过多阶段多样性导向强化学习提升基于LLM的RTL生成
机构 * State Key Lab of Processors, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所处理器国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） ； CASTEST Co., Ltd.（中科芯测科技有限公司）
AI总结 RTLSeek通过多阶段多样性导向强化学习提升基于LLM的RTL生成，结合专家知识与EDA反馈，改进RTL的正确性和多样性，实验表明其在RTLLM基准上优于现有方法。
Comments 8 pages, 6 figures
通过空间和时间监听器可视化机器学习模型
机构 * School of Computer Science & Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； Institute of Medical Technology, Peking University Health Science Center and National Institute of Health Data Science, Peking University（北京大学医学部医学技术研究院与北京大学健康数据科学国家研究所） ； School of Software, Beihang University（北京航空航天大学软件学院） ； National University of Singapore（新加坡国立大学） ； State Key Laboratory of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室）
AI总结 本文提出一种以模型为中心的两阶段框架，通过抽象监听器捕捉模型的空间和时间行为，并将其连接到经典信息可视化流程，分析显示可视化模型结果、定量/名义数据类型和统计图表是主要关注点。
通过因果发现和双模态安全子空间投影诊断和修复视觉-语言模型中的不安全通道
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Huawei Technologies Ltd.（华为技术有限公司） ； Peking University（北京大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学）
AI总结 本文提出CARE框架，通过因果分析和双模态安全子空间投影修复视觉-语言模型中的不安全通道，提升安全性而不影响多模态能力。
Comments Accepted by CVPR 2026 main conference
多领域结果上的最大化学习个性化治疗效应
机构 * Department of Biostatistics, Columbia Mailman School of Public Health（哥伦比亚大学梅尔曼公共卫生学院生物统计系） ； Department of Biostatistics, Peking University Health Science Center（北京大学医学部生物统计系） ； Beijing International Center for Mathematical Research, Peking University（北京大学北京国际数学研究中心）
AI总结 本文提出DRIFT框架，通过潜在因子表示和对抗学习，从高维数据中稳健估计个性化治疗效应，提升对未测量但临床相关领域的泛化能力。
破坏层次推理：多模态推理模型中地理隐私的对抗保护
机构 * Nanyang Technological University（南洋理工大学） ； Peking University（北京大学） ； Institute of Science Tokyo（东京科学大学） ； Alibaba Group（阿里巴巴集团）
AI总结 本文提出ReasonBreak框架，通过概念感知扰动破坏多模态推理模型中的层次推理，利用GeoPrivacy-6K数据集验证其在提升地理隐私保护效果上的优势。
Comments ICLR 2026
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