高校专区
CGL: 通过强化微调推进连续GUI学习
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； University College Dublin（都柏林大学） ； Peking University（北京大学）
AI总结 CGL通过强化微调与监督微调的协同优化，解决GUI连续学习中遗忘旧任务的问题，提出AndroidControl-CL基准验证方法有效性。
通过代理引导加速机器人强化学习
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； PKU-PsiBot Joint Lab（北京大学- PsiBot 联合实验室）
AI总结 AGPS通过多模态代理替代人类监督，提升机器人强化学习的样本效率和可扩展性。
Yo'City：通过自批评扩展实现个性化和无边界的3D逼真城市场景生成
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Beihang University（北航） ； Southeast University（东南大学） ； ByteDance Seed（字节跳动种子） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室） ； Beijing Normal University（北京师范大学） ； Theta Labs（Theta实验室）
AI总结 Yo'City通过自批评扩展实现个性化和无边界的3D城市生成，利用大模型的推理能力提升生成质量。
Comments Accepted by CVPR 2026
重新思考驾驶世界模型作为感知任务的合成数据生成器
机构 * Peking University（北京大学） ； Xiaomi EV（小米电动车） ； Huazhong University of Science and Technology（华中科技大学） ； Beijing Key Laboratory of Data Intelligence and Security (Peking University)（北京数据智能与安全重点实验室（北京大学）） ； Zhongguancun Academy（中关村学院）
AI总结 Dream4Drive通过生成高质量的合成数据提升自动驾驶感知任务性能
Journal ref ICLR 2026
StablePCA：从多源数据中鲁棒学习共享表示
机构 * Rutgers University（罗杰斯大学） ； Peking University Health Science Center（北京大学医学部） ； Beijing International Center for Mathematical Research（北京国际数学研究中心） ； Inria École Normale Supérieure PSL Research University（Inria 常规大学） ； Zhejiang University（浙江大学）
AI总结 StablePCA通过分布鲁棒方法从多源数据中学习稳定的共享表示，解决非凸秩约束问题并提供收敛保证。
CanvasMAR: 通过Canvas提升遮蔽自回归视频预测
机构 * Institute for Artificial Intelligence, Peking University, Beijing, China（人工智能研究院，北京大学，北京，中国） ； School of Intelligence Science and Technology, Peking University, Beijing, China（智能科学与技术学院，北京大学，北京，中国） ； State Key Laboratory of General Artificial Intelligence, Peking University, Beijing, China（通用人工智能国家重点实验室，北京大学，北京，中国）
AI总结 CanvasMAR通过引入canvas机制和运动感知采样顺序，提升视频生成的保真度和效率，实现更高质量的视频生成。
CMRAG：基于共模的视觉文档检索与问答
机构 * Baidu Inc（百度公司） ； The University of Hong Kong（香港大学） ； Beihang University（北京航空航天大学） ； Peking University（北京大学）
AI总结 CMRAG通过统一编码模型和共模信息检索方法，提升多模态视觉文档问答系统的性能。
Comments Published at ICLR 2026 Workshop on Multimodal Intelligence
VisualPrompter: 基于视觉反馈的语义感知提示优化用于文本到图像合成
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学）
AI总结 VisualPrompter通过语义感知的提示优化机制，提升文本到图像合成的对齐性能和内容质量。
Comments ICLR2026 Camera Ready
OralGPT-Plus：通过强化学习学习使用视觉工具进行全景X射线分析
机构 * The Hong Kong University of Science and Technology (GZ)（香港科学与技术大学） ； Faculty of Dentistry, The University of Hong Kong（香港大学牙医学院） ； School of Computer Science, Peking University（北京大学计算机学院） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院）
AI总结 OralGPT-Plus通过强化学习实现全景X射线分析中的交互式对称推理，提升诊断可靠性。
Comments 34 pages, 24 figures, conference
Journal ref CVPR 2026
LATO：基于结构拓扑保持的3D网格流匹配
机构 * Huazhong University of Science and Technology（华中科技大学） ； Technical University of Munich（慕尼黑技术大学） ； Independent Researcher（独立研究者） ； Peking University（北京大学）
AI总结 LATO通过拓扑保持的潜在表示实现高效3D网格生成，结合流匹配技术生成复杂几何且拓扑结构良好的网格。
通过理解学习生成：基于理解的内在奖励用于统一多模态模型
机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Sun Yat-sen University（中山大学） ； Baidu Inc.（百度公司）
AI总结 本文提出GvU机制，通过内在奖励提升统一多模态模型的生成能力，同时增强其视觉理解能力，缩小理解与生成之间的能力差距。
Comments Accepted by CVPR 2026
EDIS: 通过熵动力学诊断LLM推理
机构 * South China Normal University（华南师范大学） ； Sun Yat-sen University（中山大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学）
AI总结 EDIS通过分析LLM推理过程中的熵动态变化，识别错误推理的特征模式，提供有效的诊断信号以提升推理准确性。
Comments 16 pages, 12 figures
在融合前净化：迈向无掩码的语音增强以实现鲁棒的音频-视觉语音识别
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Defense Innovation Institute, Academy of Military Sciences（国防科技创新研究院） ； Peking University（北京大学） ； High-tech Institute（高新技术研究所）
AI总结 本文提出了一种端到端的噪声鲁棒音频-视觉语音识别框架，结合语音增强技术，在无需显式生成噪声掩码的情况下提升鲁棒性。
Comments Accepted by ICASSP2026
C²Prompt：面向联邦持续学习的类感知客户端知识交互
机构 * Wangxuan Institute of Computer Technology Peking University（北京大学王轩计算机技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Inner Mongolia University of Technology（内蒙古科技大学）
AI总结 C²Prompt通过增强类层面知识一致性，解决联邦持续学习中的时间与空间遗忘问题，实现最先进的性能。
Comments Accepted by NeurIPS 2025
基于医学概念的胎儿超声图像分类器认知解释器
机构 * Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； University Town of Shenzhen, Nanshan District, Shenzhen（深圳大学城南山区深圳校区） ； Beijing Tsinghua Changgung Hospital（北京清华大学长庚医院） ； Peking University Shenzhen Hospital（北京大学深圳医院） ； Shenzhen Baoan District Maternal and Child Health Hospital（深圳宝安区妇幼保健医院）
AI总结 本文提出基于医学概念的可解释框架，通过图卷积神经网络构建概念关系，提升胎儿超声图像分类器的透明性和临床可解释性。
Comments 9 pages, 5 figures
UltraDexGrasp: 为双臂机器人学习通用灵巧抓取
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学）
AI总结 UltraDexGrasp通过合成数据训练出高效抓取策略，实现双臂机器人在多种物体上的高成功率抓取。
Comments Published at International Conference on Robotics and Automation (ICRA) 2026
Dr. Seg: 通过感知导向设计重新审视GRPO训练用于视觉大语言模型
机构 * College of Computer Science, Sichuan University（四川大学计算机科学学院） ； 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 Dr.Seg通过感知导向设计重新审视GRPO训练，提出简单框架提升视觉任务性能
基于图的多模态轻量网络用于自适应脑肿瘤分割
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Peking University（北京大学）
AI总结 本文提出了一种基于图的多模态轻量网络GMLN-BTS，通过多尺度语义提取、图结构建模和体素细化上采样模块，实现高精度且资源高效的脑肿瘤分割。
恢复丢失的文本层以实现无源跨域少样本学习
机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； 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）
AI总结 本文提出了一种方法，通过重新利用文本编码器中被忽视的层信息，提升源无关跨域少样本学习的性能。
Comments CVPR 2026
SlideSparse: 快速且灵活的(2N-2):2N结构稀疏
机构 * Peking University（北京大学） ； South China University of Technology（南方科技大学） ； Microsoft Research（微软研究院） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 SlideSparse通过滑动窗口分解和激活提升技术，在通用GPU上实现(2N-2):2N结构稀疏的高效加速，提升LLM推理效率的同时保持准确性。
Sparse-BitNet: 1.58位LLM在半结构化稀疏性中自然友好
机构 * Microsoft Research（微软研究院） ； Peking University（北京大学） ； South China University of Technology（华南理工大学）
AI总结 Sparse-BitNet通过结合1.58位量化与半结构化N:M稀疏性，提升LLM效率，实现训练和推理加速。
一种几何自适应深度变分框架用于Landau-Brazovskii模型中的相发现
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； School of Mathematical Sciences, Laboratory of Mathematics and Complex Systems, Ministry of Education, Beijing Normal University（北京师范大学数学科学学院） ； School of Mathematical Sciences, Beijing International Center for Mathematical Research, Center for Quantitative Biology, Center for Machine Learning Research, Peking University（北京大学国际数学研究所以及定量生物学中心、机器学习研究中心）
AI总结 本文提出GeoDVF框架，通过自适应几何参数和神经网络优化，解决LB模型中有序相发现的计算难题，实现稳健且几何一致的变分求解。
双向课程生成：一种用于数据高效数学推理的多智能体框架
机构 * Zhejiang University（浙江大学） ； University of Macau（澳门大学） ； Peking University（北京大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Wuhan University（武汉大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 本文提出双向课程生成框架，通过多智能体系统动态生成数据以提升数学推理效率，优化学习轨迹并减少训练样本需求。
一种通过 vanilla next-token 预测统一理解、生成和编辑的简单基线
机构 * Key Lab of High Confidence Software Technologies (Peking University), Ministry of Education, China（高可信软件技术重点实验室（北京大学），教育部，中国） ； School of Computer Science, Peking University, Beijing, China（北京大学计算机学院，北京，中国） ； School of Computer Science and Technology, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学计算机科学与技术学院，北京，中国）
AI总结 本文提出 Wallaroo，一种通过 vanilla next-token 预测统一多模态理解、生成和编辑的简单基线模型，展示了其在多任务中的竞争力。
Comments Technical report. This work serves as a straightforward autoregressive baseline for unifying understanding, generation, and editing
VISA: 通过屏蔽适应进行价值注入以实现个性化大语言模型对齐
机构 * Peking University（北京大学）
AI总结 VISA通过屏蔽适应机制，有效缓解大语言模型对齐税，实现精细化价值观对齐与语义完整性保持。
展望人机协同AI：连续性、张力与未来研究
机构 * University of Southern California（南加州大学） ； Arizona State University（亚利桑那州立大学） ； Peking University（北京大学）
AI总结 本文提出Team SA理论作为人机协同AI转型的整合锚点，探讨在适应性自主下持续对齐的挑战与未来研究方向。
不变因果路由：用于在线市场经济中规范治理
机构 * Tianjin University（天津大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Peking University（北京大学） ； University of Bristol（布里斯托大学）
AI总结 本文提出不变因果路由（ICR）框架，通过因果推理和不变因果发现，实现在线市场经济中稳定社会规范的治理，提升政策的可解释性和有效性。
为燃烧科学中的大语言模型知识注入和评估构建统一的基础框架
机构 * School of Mechanics and Engineering Science, Peking University（力学与工程科学学院，北京大学） ； AI for Science Institute（人工智能科学研究院）
AI总结 本研究提出一个统一框架，用于开发燃烧科学专用的大语言模型，通过三阶段知识注入路径提升模型性能。
Comments 5 figures, 1 table
MorphAny3D: 解锁结构潜在力量在3D变形中的应用
机构 * Nanjing University（南京大学） ； Peking University（北京大学）
AI总结 MorphAny3D通过结构潜在表示实现高质量3D变形，利用注意力机制生成合理变形序列，并支持解耦变形和3D风格迁移。
Comments Accepted by CVPR 2026; Project page: https://xiaokunsun.github.io/MorphAny3D.github.io
通过复杂度提升强化学习实现奥lympia级几何大语言模型代理
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； ICMAT Spanish National Research Council（西班牙国家研究委员会ICMAT） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 InternGeometry通过复杂度提升强化学习实现几何问题求解，仅用13K训练示例解决44个IMO问题，超越平均金牌得主得分。
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