高校专区
OmniSpatial：迈向视觉语言模型的空间推理综合基准
机构 * Tsinghua University（清华大学） ； Xian Jiaotong University（西安交通大学） ； Shanghai Jiao Tong University（上海交通大学） ； Galbot ； Peking University（北京大学） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 OmniSpatial是一个基于认知心理学的综合性空间推理基准，通过动态推理、复杂空间逻辑等四个类别，评估视觉语言模型在空间推理上的能力与局限。
Comments ICLR 2026
RefTool: 基于参考的工具创建用于知识密集型推理
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王萱计算机技术研究所） ； University of Chicago（芝加哥大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 RefTool通过基于参考的工具创建框架，提升LLMs在知识密集型任务中的推理能力，实现更准确和高效的工具生成与应用。
Comments Accepted by ICLR 2026. Code is available at https://github.com/xxxiaol/RefTool
您的推理请求将变成一个黑箱：面向云上大型语言模型的保密推理
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）） ； School of Computer Science, Peking University, Beijing, China（北京大学计算机学院） ； Tencent, Shenzhen, China（腾讯（深圳）） ； Macau university, China（澳门大学）
AI总结 Talaria通过在客户端控制的CVM中执行敏感操作并使用ReMO协议保护隐私，实现云上LLM的保密推理，同时保持性能和效率。
Comments 19 pages, 5 figures
ConFoThinking：基于整合聚焦注意力的视觉问答思考
机构 * Wangxuan Institute of Computer Technology, Peking University, Beijing, China（北京大学王轩计算机技术研究所） ； School of AI and Advanced Computing, Xi'an Jiaotong-Liverpool University, Suzhou, China（西安交通大学利物浦大学人工智能与高级计算学院）
AI总结 ConFoThinking 通过整合聚焦注意力机制，提升大语言模型在视觉问答中的感知性能。
通过奖励建模增强图像生成中的空间理解
机构 * Peking University（北京大学） ； ByteDance Seed（字节跳动种子）
AI总结 本文提出SpatialScore奖励模型，通过增强空间理解能力提升图像生成的质量和效果。
Comments Accepted at CVPR 2026. Github: https://github.com/DAGroup-PKU/SpatialT2I Project website: https://dagroup-pku.github.io/SpatialT2I/
AgenticOCR: 为高效检索增强生成解析所需内容
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学）
AI总结 AgenticOCR通过动态解析范式提升视觉文档检索增强生成系统的效率和准确性，实现按需提取和解耦检索粒度。
SR3R: 重新思考超分辨率3D重建与前馈高斯点散射
机构 * Hangzhou Dianzi University（杭州电子科技大学） ； ShanghaiTech University（上海科技大学） ； Griffith University（格里菲斯大学） ； Peking University（北京大学）
AI总结 SR3R通过前馈高斯点散射框架，直接从稀疏低分辨率视角生成高分辨率3D重建，提升跨场景泛化能力和实时性能。
Comments CVPR 2026
通过学习潜在控制动力学加速掩码图像生成
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Nankai University, Tianjin, China（南开大学） ； University of Science（科学技术大学） ； Nanjing University, Nanjing, China（南京大学） ； The University of Sydney, Sydney, Australia（悉尼大学） ； Peking University, Beijing, China（北京大学）
AI总结 本文提出MIGM-Shortcut模型，通过学习潜在控制动力学加速掩码图像生成，在保持质量的同时实现文本到图像生成的四倍加速。
内禀洛伦兹神经网络
机构 * University of Science and Technology of China（中国科学技术大学） ； University of Trento（特伦托大学） ； Peking University（北京大学）
AI总结 内禀洛伦兹神经网络通过全内禀双曲架构提升几何决策性能，结合陀螺归一化和双曲距离计算，实现优于现有方法的性能和效率。
Comments Published in ICLR 2026
Venus: 多模态大语言模型在审美指导与裁剪中的基准测试与赋能
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学计算机技术研究所）
AI总结 Venus通过两阶段框架提升多模态大语言模型的审美指导与裁剪能力，实现可解释的审美优化。
Comments Accepted by CVPR 2026
SHINE：用于EEG和MEG的顺序分层集成网络
机构 * Speech and Hearing Research Center, School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院语音与听觉研究中心） ； Center for BioMed-X Research, Academy for Advanced Interdisciplinary Studies, Peking University（北京大学先进跨学科研究 academy 生物医学-X 研究中心） ； National Key Laboratory of General Artificial Intelligence, China（中国通用人工智能国家重点实验室）
AI总结 SHINE网络通过整合EEG和MEG信号，实现了高精度的语音检测，其集成方法在LibriBrain竞赛中取得优异成绩。
Comments ranked second at LibriBrain Competition 2025 https://neural-processing-lab.github.io/2025-libribrain-competition/prizes/
通过通道级功能分解和流形正则化实现高效的退化无关图像恢复
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·泽德人工智能大学） ； University of Trento（特伦托大学） ； ETH Zürich（苏黎世联邦理工学院） ； HKUST (GZ)（香港科技大学（广州）） ； Peking University（北京大学） ； University of California, Merced（加州大学默塞德分校）
AI总结 MIRAGE通过通道级功能分解和流形正则化，在高效性与性能之间取得平衡，实现退化无关图像恢复的先进性能。
Comments Accepted by ICLR'2026, All-in-One Image Restoration, low-level vision, Transformer
通过令牌级奖励学习生成安全代码
机构 * Fuyao University of Science and Technology（福耀科技大学） ； Xiamen University（厦门大学） ； Peking University（北京大学） ； Huawei（华为）
AI总结 本文提出Vul2Safe和SRCode框架，通过令牌级奖励提升代码安全性，有效减少生成代码中的安全漏洞并提高代码质量。
Comments 18 pages, 3 figures
球对称光声源的解析表达式：统一的通用解（理论分析与推导）
机构 * Department of Biomedical Engineering, College of Future Technology, Peking University, Beijing, China（北京大学未来技术学院生物医学工程系） ； National Biomedical Imaging Center, Peking University, Beijing, China（北京大学国家生物医学成像中心）
AI总结 本文提出了一种适用于任意球对称初始分布的光声源解析解，提供了多种常见分布的表达式，并为光声成像系统设计提供了工具。
SemanticVocoder: 通过语义潜在空间弥合音频生成与音频理解
机构 * Peking University（北京大学） ； Tencent AI Lab（腾讯AI实验室） ； Shanghai AI Lab（上海AI实验室） ； SJTU（上海交通大学）
AI总结 SemanticVocoder通过引入语义潜在空间，实现了音频生成与理解的统一，提升了生成性能并推动了共享语义空间的研究。
Comments Demo: https://zeyuxie29.github.io/SemanticVocoder/
PRAC: 用于LLM激活压缩和内存高效训练的主成分随机子空间
机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院）
AI总结 PRAC通过分解激活为主成分和随机子空间，实现LLM激活压缩和内存高效训练，达到36%的内存减少且性能损失小。
通过二次回滚实现更好的RL训练数据利用
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机学院，北京大学） ； ByteDance BandAI（字节跳动BandAI）
AI总结 本文提出通过二次回滚提升RL训练数据利用效率，联合训练生成与批判能力，实验表明在相同数据下性能更优，并揭示标签平衡与噪声问题的解决方法。
通过平坦方向动力学增强加速大语言模型预训练
机构 * Peking University（北京大学） ； Zhejiang Lab, Zhejiang（浙江实验室）
AI总结 LITE通过增强平坦方向动力学提升大语言模型预训练效率
G4Splat：基于生成先验的几何引导高斯点云法
机构 * Tsinghua University（清华大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； BIGAI ； Peking University（北京大学）
AI总结 G4Splat通过几何引导的生成先验提升3D场景重建，有效解决多视角不一致性问题，实现高质量场景补全。
Comments ICLR'26. Project page: https://dali-jack.github.io/g4splat-web/
超越归因：统一的概念层面解释
机构 * School of Computer Science, Peking University, Beijing 100871, China（北京大学计算机科学学院） ； Key Lab of High Confidence Software Technologies (Peking University), Ministry of Education（高可信软件技术重点实验室（北京大学））
AI总结 UNCLE框架通过扩展局部模型无关方法，提供统一的概念层面解释，提升解释的忠实度和多样性。
pQuant：通过解耦线性量化感知训练实现有效的低比特语言模型
机构 * School of Computer Science, Peking University（北京大学计算机学院） ； College of Future Information Technology, Fudan University（复旦大学未来信息技术学院） ； Center for Information Research, Academy of Military Sciences（军事科学院信息研究所） ； Advanced Institute of Big Data（大数据高级研究所） ； Center of Machine Learning Research, Peking University（北京大学机器学习研究中心）
AI总结 pQuant通过解耦线性层为两个专门分支，提升低比特语言模型的精度与可扩展性。
Comments 10 pages, 7 figures
DICArt: 在离散状态空间中推进类别级拟合物体姿态估计
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； East China Normal University（华东师范大学） ； Peking University（北京大学） ； Emory University（埃默里大学） ； Hefei University of Technology（合肥工业大学） ； Jianghuai Advance Technology Center（江淮先进技术中心） ； Anhui Provincial Key Laboratory of Humanoid Robots（安徽省人形机器人重点实验室）
AI总结 DICArt通过离散扩散过程和层次化运动学耦合策略，提升复杂环境下类别级6D姿态估计的可靠性。
NoLan: 通过动态抑制语言先验来缓解大视觉-语言模型中的对象幻觉
机构 * National University of Singapore, Singapore（新加坡国立大学） ； Peking University Shenzhen Graduate School, China（北京大学深圳研究生院）
AI总结 NoLan通过动态抑制语言先验缓解大视觉-语言模型中的对象幻觉问题，有效提升模型准确性。
Comments Code: https://github.com/lingfengren/NoLan
几何作为上下文：调节显式3D以在场景一致视频生成中利用几何上下文
机构 * Institute of Medical Technology, Peking University（北京大学医学技术学院） ； TeleAI ； MUST
AI总结 本文提出几何作为上下文的方法，通过自回归模型迭代生成3D场景，提升视频生成的场景一致性和相机控制能力。
Comments Accepted by CVPR 2026
超越静态伪影：一种用于视觉语言模型中视频深度伪造推理的取证基准
机构 * Institute of Artificial Intelligence, China Telecom (TeleAI)（人工智能研究院，中国电信（TeleAI）） ； Peking University（北京大学） ； Fudan University（复旦大学）
AI总结 本文提出FAQ基准，通过多选任务提升视觉语言模型对视频深度伪造的时间推理能力，并通过实验验证其有效性。
Comments 16 pages, 9 figures. Submitted to CVPR 2026
联合对齐的潜在动作：迈向大规模野外VLA预训练
机构 * Peking University（北京大学） ； Renmin University of China（中国人民大学） ； BeingBeyond
AI总结 JALA通过联合对齐的潜在动作预训练框架，提升从人类数据中大规模预训练视觉-语言-动作模型的效率与性能。
Comments CVPR2026
关于垂直联邦学习（VFL）的推断（不）安全性的推断：针对推断篡改攻击的高效审计
机构 * Key Laboratory of High-Confidence \ Technologies (MOE) School of Computer Science Peking University Beijing China ； Department of Computer Science, University of Illinois Urbana-Champaign Champaign Illinois USA ； Department of Computer Science, Illinois Institute of Technology Chicago Illinois USA ； Key Laboratory of High-Confidence \ Technologies (MOE) School of Computer Science Peking University ； Department of Computer Science, University of Illinois Urbana-Champaign ； Department of Computer Science, Illinois Institute of Technology
AI总结 本文提出VeFIA框架，用于检测垂直联邦学习中的推断篡改攻击，通过可信执行环境验证数据方计算结果的正确性，有效提升安全性和隐私保护。
双适应对话用于渐进式图像生成
机构 * University of Electronic Science and Technology of China（电子科技大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） ； Peking University（北京大学） ； Emory University（埃默里大学） ； Xiamen University Malaysia（马来西亚厦门大学） ； Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； University of Warwick（沃里克大学） ； Washington University, Saint Louis（圣路易斯华盛顿大学） ； University of Toronto（多伦多大学） ； Google（谷歌）
AI总结 Twin-Co通过同步对话优化图像生成，提升生成质量和用户体验。
InftyThink: 突破大型语言模型长上下文推理的长度限制
机构 * Zhejiang University（浙江大学） ； Meituan Group（美团集团） ； Peking University（北京大学）
AI总结 InftyThink通过迭代推理与中间摘要机制，突破大型语言模型长上下文推理的长度限制，提升推理深度与效率。
Comments ICLR 2026: https://openreview.net/forum?id=T1h5em349L Project Page: https://zju-real.github.io/InftyThink Code: https://github.com/ZJU-REAL/InftyThink
具有轨迹意识的位移状态空间模型用于在线视频超分辨率
机构 * Pengcheng Labartory（鹏城实验室） ； University of Bristol（英国布里斯托大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Shenzhen Graduate School, Peking University（北京大学深圳研究生院）
AI总结 本文提出基于轨迹意识位移状态空间模型的在线视频超分辨率方法，通过长期轨迹建模和低复杂度Mamba实现高效时空信息聚合，实验表明其在性能和复杂度上均优于现有方法。
Comments ICLR2026
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