Peking University（北京大学）

How Order-Sensitive Are LLMs? OrderProbe for Deterministic Structural Reconstruction

大语言模型对顺序敏感性如何？OrderProbe用于确定性结构重建

Yingjie He, Zhaolu Kang, Kehan Jiang, Qianyuan Zhang, Jiachen Qian, Chunlei Meng, Yujie Feng, Yuan Wang, Jiabao Dou, Aming Wu, Leqi Zheng, Pengxiang Zhao, Jiaxin Liu, Zeyu Zhang, Lei Wang, Guansu Wang, Qishi Zhan, Xiaomin He, Meisheng Zhang, Jianyuan Ni

机构 * Peking University（北京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； City University of Hong Kong（香港城市大学） ； Fudan University（复旦大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学香槟分校） ； Marquette University（马凯特大学） ； Juniata College（朱尼阿特学院） 纠错

AI总结 研究通过OrderProbe基准评估大语言模型对输入顺序的敏感性，发现即使在前沿模型上，结构重建仍面临挑战，且语义能力与结构鲁棒性存在脱节。

UVE: Are MLLMs Unified Evaluators for AI-Generated Videos?

UVE: MLLMs是否能作为AI生成视频的统一评估器？

Yuanxin Liu, Rui Zhu, Shuhuai Ren, Jiacong Wang, Haoyuan Guo, Xu Sun, Lu Jiang

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，计算机科学学院，北京大学） ； ByteDance Seed（字节跳动种子） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） 纠错

AI总结 本文探讨使用多模态大语言模型作为AI生成视频的统一评估器的可行性，并通过UVE-Bench基准测试评估了18种MLLMs的性能。

Learn Before Represent: Bridging Generative and Contrastive Learning for Domain-Specific LLM Embeddings

在表示之前学习：连接生成学习与对比学习以构建领域特定的LLM嵌入

Xiaoyu Liang, Yuchen Peng, Jiale Luo, Wenhao Wang, Haoji Hu, Xincheng Zhou

机构 * Zhejiang University（浙江大学） ； Peking University（北京大学） 纠错

AI总结 本文提出LBR框架，通过生成学习和对比学习结合，在垂直领域中提升LLM嵌入的准确性和鲁棒性。

Comments 10 pages, 3 figures

Your One-Stop Solution for AI-Generated Video Detection

AI生成视频检测的一站式解决方案

Long Ma, Zihao Xue, Yan Wang, Zhiyuan Yan, Jin Xu, Xiaorui Jiang, Haiyang Yu, Yong Liao, Zhen Bi

机构 * School of Cyber Science and Technology, University of Science and Technology of China（中国科学技术大学网络科学与技术学院） ； Huzhou University（湖州大学） ； Alibaba Group（阿里巴巴集团） ； School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院） ； School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学与技术学院） ； Institute of Dataspace, Hefei Comprehensive National Science Center（合肥综合性国家科学中心数据空间研究院） 纠错

AI总结 本文提出AIGVDBench，一个涵盖31种先进生成模型和44万视频的AI生成视频检测基准，通过深入分析和发现4项新成果，为该领域的发展提供基础。

AnyECG: Evolved ECG Foundation Model for Holistic Health Profiling

AnyECG：用于整体健康概况的进化ECG基础模型

Jun Li, Hongling Zhu, Yujie Xiao, Qinghao Zhao, Yalei Ke, Gongzheng Tang, Guangkun Nie, Deyun Zhang, Jin Li, Canqing Yu, Shenda Hong

机构 * National Institute of Health Data Science, Peking University（北京大学健康数据科学国家研究院） ； Institute of Medical Technology, Health Science Center of Peking University（北京大学医学技术研究所） ； Department of Internal Medicine, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology（同济大学同济医学院内科部） ； Department of Cardiology, Peking University People’s Hospital（北京大学人民医院心内科） ； Department of Epidemiology and Biostatistics, School of Public Health, Peking University（北京大学公共卫生学院流行病与生物统计学系） ； Peking University Center for Public Health and Epidemic Preparedness & Response（北京大学公共卫生与突发卫生事件应对中心） ； Key Laboratory of Epidemiology of Major Diseases (Peking University), Ministry of Education（北京大学主要疾病流行病学重点实验室） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； HeartVoice Medical Technology（心声医疗技术） 纠错

AI总结 AnyECG通过迁移学习构建基础模型，实现对多种疾病的系统预测和长期风险评估，提升整体健康概况能力。

Comments in progress

OctoBench: Benchmarking Scaffold-Aware Instruction Following in Repository-Grounded Agentic Coding

OctoBench：面向仓库基础代理编程的支架意识指令遵循基准测试

Deming Ding, Shichun Liu, Enhui Yang, Jiahang Lin, Ziying Chen, Shihan Dou, Honglin Guo, Weiyu Cheng, Pengyu Zhao, Chengjun Xiao, Qunhong Zeng, Qi Zhang, Xuanjing Huang, Qidi Xu, Tao Gui

机构 * Fudan University（复旦大学） ； MiniMax ； Peking University（北京大学） 纠错

AI总结 OctoBench通过评估仓库基础代理编程中的支架意识指令遵循能力，揭示了任务解决与合规性之间的差距，推动更高效的编码代理发展。

QuantEval: A Benchmark for Financial Quantitative Tasks in Large Language Models

QuantEval：大型语言模型中金融量化任务的基准测试

Zhaolu Kang, Junhao Gong, Wenqing Hu, Shuo Yin, Kehan Jiang, Zhicheng Fang, Yingjie He, Chunlei Meng, Rong Fu, Dongyang Chen, Leqi Zheng, Eric Hanchen Jiang, Yunfei Feng, Yitong Leng, Junfan Zhu, Xiaoyou Chen, Xi Yang, Richeng Xuan

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； University of Macau（澳门大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Shanghai Jiao Tong University（上海交通大学） ； Imperial College London（伦敦帝国理工学院） ； University of Chicago（芝加哥大学） ； Shanghai Weina Software Technology（上海韦纳软件技术） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

AI总结 QuantEval是一个用于评估大型语言模型在金融量化任务中能力的基准测试，涵盖知识问答、数学推理和策略编程，通过回测框架评估模型性能，并展示了改进方法。

MedReflect: Teaching Medical LLMs to Self-Improve via Reflective Correction

MedReflect: 通过反思修正教学医疗LLM自我改进

Yue Huang, Yanyuan Chen, Dexuan Xu, Chenzhuo Zhao, Weihua Yue, Yu Huang

机构 * Peking University（北京大学） ； University of Virginia（弗吉尼亚大学） ； Peking University Sixth Hospital（北京大学第六医院） 纠错

AI总结 MedReflect通过自我反思机制提升医疗LLM的自主学习能力，减少外部数据依赖，实现高效医疗问题解决。

Be Your Own Red Teamer: Safety Alignment via Self-Play and Reflective Experience Replay

做自己的红队：通过自play和反思经验回放实现安全对齐

Hao Wang, Yanting Wang, Hao Li, Rui Li, Lei Sha

机构 * Beihang University（北京航空航天大学） ； Peking University（北京大学） ； Zhongguancun Laboratory（中关村实验室） 纠错

AI总结 通过自play和反思经验回放机制，使模型自主进化防御能力，提升安全对齐效果。

QoSBERT: An Uncertainty-Aware Approach based on Pre-trained Language Models for Service Quality Prediction

QoSBERT：基于预训练语言模型的不确定性感知方法用于服务质量预测

Ziliang Wang, Xiaohong Zhang, Ze Shi Li, Meng Yan

机构 * Key Laboratory 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）） ； School of Computer Science, Peking University（北京大学计算机科学学院） ； Key Laboratory of Dependable Service Computing in Cyber Physical Society (Chongqing University), Ministry of Education, China（网络物理社会可信服务计算重点实验室（重庆大学）） ； School of Big Data and Software Engineering, Chongqing University（重庆大学大数据与软件工程学院） ； Department of Computer Science at the University of Victoria（维多利亚大学计算机科学系） 纠错

AI总结 QoSBERT基于预训练语言模型，通过不确定性估计提升服务质量预测的准确性和可靠性。

Journal ref IEEE Transactions on Services Computing ( Volume: 18, Issue: 6, Nov.-Dec. 2025)

ToolSafe: Enhancing Tool Invocation Safety of LLM-based agents via Proactive Step-level Guardrail and Feedback

ToolSafe: 通过主动的步骤级防护和反馈提升基于LLM的代理的工具调用安全性

Yutao Mou, Zhangchi Xue, Lijun Li, Peiyang Liu, Shikun Zhang, Wei Ye, Jing Shao

机构 * National Engineering Research Center for Software Engineering, Peking University（软件工程国家工程研究中心，北京大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

AI总结 ToolSafe通过构建TS-Bench和TS-Guard模型，结合TS-Flow框架，有效减少LLM代理的有害工具调用并提升任务完成率。

Comments Work in Progress. Code available: https://github.com/MurrayTom/ToolSafe

Efficient Content-based Recommendation Model Training via Noise-aware Coreset Selection

通过噪声感知的聚类选择实现高效的内容基础推荐模型训练

Hung Vinh Tran, Tong Chen, Hechuan Wen, Quoc Viet Hung Nguyen, Bin Cui, Hongzhi Yin

机构 * The University of Queensland（昆士兰大学） ； Griffith University（格里菲斯大学） ； Peking University（北京大学） 纠错

AI总结 NaCS通过噪声感知的聚类选择方法，在仅使用1%训练数据的情况下，实现了93-95%的全数据集性能，提高了内容基础推荐系统的效率和质量。

Comments WebConf 2026

CoF-T2I: Video Models as Pure Visual Reasoners for Text-to-Image Generation

CoF-T2I: 视频模型作为纯视觉推理器用于文本到图像生成

Chengzhuo Tong, Mingkun Chang, Shenglong Zhang, Yuran Wang, Cheng Liang, Zhizheng Zhao, Ruichuan An, Bohan Zeng, Yang Shi, Yifan Dai, Ziming Zhao, Guanbin Li, Pengfei Wan, Yuanxing Zhang, Wentao Zhang

机构 * Peking University（北京大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Sun Yat-sen University（中山大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） 纠错

AI总结 CoF-T2I通过引入链式帧推理提升文本到图像生成的质量，通过逐步视觉细化和显式推理步骤实现高质量图像生成。

Comments 16 pages, 8 figures

FilDeep: Learning Large Deformations of Elastic-Plastic Solids with Multi-Fidelity Data

FilDeep：利用多保真数据学习弹性-塑性固体的大变形

Jianheng Tang, Shilong Tao, Zhe Feng, Haonan Sun, Menglu Wang, Zhanxing Zhu, Yunhuai Liu

机构 * Peking University（北京大学） ； University of Southampton（南安普顿大学） 纠错

AI总结 FilDeep通过结合低保真度和高保真度数据，解决大变形问题中数据数量与精度的矛盾，实现高效且精确的弹性-塑性固体大变形模拟。

Comments Accepted in Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1 (KDD '26)

Video-MSR: Benchmarking Multi-hop Spatial Reasoning Capabilities of MLLMs

Video-MSR: 多跳空间推理能力的MLLMs基准测试

Rui Zhu, Xin Shen, Shuchen Wu, Chenxi Miao, Xin Yu, Yang Li, Weikang Li, Deguo Xia, Jizhou Huang

机构 * Baidu Inc.（百度公司） ； Nanjing University（南京大学） ； The University of Queensland（昆士兰大学） ； Peking University（北京大学） 纠错

AI总结 Video-MSR通过四个任务评估MLLMs的多跳空间推理能力，发现模型在复杂推理中存在显著不足，并通过微调提升性能。

MISA: Memory-Efficient LLMs Optimization with Module-wise Importance Sampling

MISA: 通过模块级重要性采样实现内存高效的LLM优化

Yuxi Liu, Renjia Deng, Yutong He, Xue Wang, Tao Yao, Kun Yuan

机构 * Peking University（北京大学） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 MISA通过模块级重要性采样优化LLM，减少内存需求并提高收敛效率。

Comments This paper is accepted to Neural Information Processing Systems (NeurIPS) 2025

Can LLMs Generate Reliable Test Case Generators? A Study on Competition-Level Programming Problems

LLMs能否生成可靠的测试用例生成器？对竞赛级编程问题的研究

Yuhan Cao, Zian Chen, Kun Quan, Ziliang Zhang, Yu Wang, Xiaoning Dong, Yeqi Feng, Guanzhong He, Jingcheng Huang, Jianhao Li, Yixuan Tan, Jiafu Tang, Yilin Tang, Junlei Wu, Qianyu Xiao, Can Zheng, Shouchen Zhou, Yuxiang Zhu, Yiming Huang, Tianxing He

机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； ShanghaiTech University（上海科技大学） ； Wuhan University（武汉大学） ； Fuzhou University（福州大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； Nanjing University（南京大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） 纠错

AI总结 本文研究LLMs在生成竞赛级编程问题测试用例生成器方面的能力，提出TCGBench基准测试，并通过实验发现LLMs在生成针对性测试用例以暴露代码缺陷方面存在不足。

Comments 37 pages, 22 figures

AutoToM: Scaling Model-based Mental Inference via Automated Agent Modeling

AutoToM: 通过自动化代理建模实现基于模型的心理推理扩展

Zhining Zhang, Chuanyang Jin, Mung Yao Jia, Shunchi Zhang, Tianmin Shu

机构 * Peking University（北京大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 AutoToM通过自动化代理建模实现可扩展、稳健且可解释的心理推理，优于现有方法并支持在线心理推理。

Comments NeurIPS 2025 (Spotlight). 42 pages, 11 figures, 15 tables. Website at https://chuanyangjin.com/AutoToM/

GaussianFluent: Gaussian Simulation for Dynamic Scenes with Mixed Materials

GaussianFluent: 用于混合材料动态场景的高斯模拟

Bei Huang, Yixin Chen, Ruijie Lu, Gang Zeng, Hongbin Zha, Yuru Pei, Siyuan Huang

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） ； State Key Laboratory of General Artificial Intelligence, BIGAI（北京大学通用人工智能国家重点实验室，BIGAI） 纠错

AI总结 GaussianFluent通过生成模型和优化的CD-MPM方法，实现了混合材料动态场景的高保真实时渲染和脆性断裂模拟。

Comments 16 pages

Efficient Paths and Dense Rewards: Probabilistic Flow Reasoning for Large Language Models

高效路径与密集奖励：用于大语言模型的概率流推理

Yan Liu, Feng Zhang, Zhanyu Ma, Jun Xu, Jiuchong Gao, Jinghua Hao, Renqing He, Han Liu, Yangdong Deng

机构 * Meituan（美团） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Dalian University of Technology（大连理工大学） 纠错

AI总结 CoT-Flow通过概率流框架提升大语言模型的推理效率与性能，采用流引导解码和流强化学习方法实现信息高效推理路径和密集奖励函数。

UserLM-R1: Modeling Human Reasoning in User Language Models with Multi-Reward Reinforcement Learning

UserLM-R1: 通过多奖励强化学习建模人类推理在用户语言模型中的应用

Feng Zhang, Shijia Li, Chunmao Zhang, Zhanyu Ma, Jun Xu, Jiuchong Gao, Jinghua Hao, Renqing He, Jingwen Xu, Han Liu

机构 * Meituan（美团） ； Peking University（北京大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Dalian University of Technology（大连理工大学） 纠错

AI总结 UserLM-R1通过多奖励强化学习和动态目标驱动策略，提升用户语言模型在跨领域和对抗性场景中的推理与策略能力。

SkinFlow: Efficient Information Transmission for Open Dermatological Diagnosis via Dynamic Visual Encoding and Staged RL

SkinFlow: 通过动态视觉编码和分阶段强化学习实现开放性皮肤病诊断的高效信息传输

Lijun Liu, Linwei Chen, Zhishou Zhang, Meng Tian, Hengfu Cui, Ruiyang Li, Zhaocheng Liu, Qiang Ju, Qianxi Li, Hong-Yu Zhou

机构 * Baichuan Inc.（百川公司） ； Department of Dermatology Peking University First Hospital（北京大学第一医院皮肤科） ； Beijing Key Laboratory of Molecular Diagnosis on Dermatoses（北京分子皮肤病诊断重点实验室） ； National Clinical Research Center for Skin and Sexually Transmitted Diseases（国家皮肤及性传播疾病临床医学研究中心） ； NMPA Key Laboratory for Quality Control and Evaluation of Cosmetics（国家药监局化妆品质量控制与评价重点实验室） ； School of Biomedical Engineering Tsinghua University（清华大学生物医学工程学院） ； University of Hong Kong（香港大学） 纠错

AI总结 SkinFlow通过动态视觉编码和分阶段强化学习提升皮肤病诊断效率，实现比通用模型更优的准确率

SubTokenTest: A Practical Benchmark for Real-World Sub-token Understanding

SubTokenTest: 一个用于现实世界子token理解的实用基准

Shuyang Hou, Yi Hu, Muhan Zhang

机构 * Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） 纠错

AI总结 SubTokenTest通过实用任务评估大语言模型在子token理解上的能力，揭示分词过程对性能的影响，并分析字符级信息的编码方式。

MHLA: Restoring Expressivity of Linear Attention via Token-Level Multi-Head

MHLA: 通过令牌级多头恢复线性注意力的表达性

Kewei Zhang, Ye Huang, Yufan Deng, Jincheng Yu, Junsong Chen, Huan Ling, Enze Xie, Daquan Zhou

机构 * Peking University（北京大学） ； NVIDIA（英伟达） 纠错

AI总结 MHLA通过令牌级多头机制恢复线性注意力的表达性，提升多个领域任务性能

Comments Code: https://github.com/DAGroup-PKU/MHLA/ Project website: https://dagroup-pku.github.io/MHLA/

RAGShaper: Eliciting Sophisticated Agentic RAG Skills via Automated Data Synthesis

RAGShaper: 通过自动化数据合成激发复杂的代理RAG技能

Zhengwei Tao, Bo Li, Jialong Wu, Guochen Yan, Huanyao Zhang, Jiahao Xu, Haitao Mi, Wentao Zhang

机构 * Peking University（北京大学） ； Tencent AI Lab（腾讯人工智能实验室） 纠错

AI总结 RAGShaper通过自动化数据合成构建高质量RAG任务和代理轨迹，提升模型在复杂检索任务中的鲁棒性。

VLingNav: Embodied Navigation with Adaptive Reasoning and Visual-Assisted Linguistic Memory

VLingNav：基于适应性推理和视觉辅助语言记忆的具身导航

Shaoan Wang, Yuanfei Luo, Xingyu Chen, Aocheng Luo, Dongyue Li, Chang Liu, Sheng Chen, Yangang Zhang, Junzhi Yu

机构 * Peking University（北京大学） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 VLingNav通过引入适应性推理和视觉辅助语言记忆，实现了复杂具身导航任务中的高效导航与泛化能力。

Comments Project page: https://wsakobe.github.io/VLingNav-web/

JudgeRLVR: Judge First, Generate Second for Efficient Reasoning

JudgeRLVR: 先判后生成以实现高效推理

Jiangshan Duo, Hanyu Li, Hailin Zhang, Yudong Wang, Sujian Li, Liang Zhao

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） ； CFCS, School of Computer Science, Peking University（计算机学院，北京大学） ； LLM-Core Xiaomi（小智LLM核心） 纠错

AI总结 JudgeRLVR通过先判后生成的双阶段方法，提升大型语言模型在数学领域内的推理效率与准确性。

Comments 16 pages, 5 figures

OpenMic: A Multi-Agent-Based Stand-Up Comedy Generation System

OpenMic: 基于多智能体的站立喜剧生成系统

Yuyang Wu, Hanzhong Cao, Jianhao Chen, Yufei Li

机构 * School of Electronics Engineering and Computer Science, Peking University（电子工程与计算机科学学院，北京大学） 纠错

AI总结 OpenMic通过多智能体系统生成基于文化背景的站立喜剧，结合检索增强生成和专用JokeWriter提升幽默与节奏表现。

D$^2$Plan: Dual-Agent Dynamic Global Planning for Complex Retrieval-Augmented Reasoning

D$^2$Plan: 双智能体动态全局规划用于复杂检索增强推理

Kangcheng Luo, Tinglang Wu, Yansong Feng

机构 * Peking University（北京大学） 纠错

AI总结 D$^2$Plan通过双智能体协作提升复杂检索增强推理的连贯性和抗干扰能力。

Adapting Rules of Official International Mahjong for Online Players

适应官方国际麻将规则以适应在线玩家

Chucai Wang, Lingfeng Li, Yunlong Lu, Wenxin Li

机构 * School of Computer Science Peking University Beijing, China（计算机学院 清华大学 北京 中国） 纠错

AI总结 本文通过AI分析提出调整官方国际麻将规则，以补偿先发优势并优化子目标计分，使游戏更适应在线玩家需求。