高校专区
Wave2Body：将毫米波人体姿态估计重新思考为雷达到身体的令牌转换
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； University of Pittsburgh（匹兹堡大学） ； Key Laboratory of High Confidence Software Technologies, Ministry of Education (PKU)（教育部高可信软件技术重点实验室（北京大学））
AI总结 针对毫米波雷达人体姿态估计问题，提出Wave2Body框架，通过自监督毫米波令牌器等解耦学习目标，在M4Human和mmBody实验中展现出比以往方法更强的跨域泛化能力及更低计算成本。
ZeroSplat：3D高斯点云渲染中的广义指代分割
机构 * Peking University（北京大学） ； North China Electric Power University（华北电力大学） ； China University of Geosciences（中国地质大学）
AI总结 针对现有指代3D高斯点云渲染方法局限，提出ZeroSplat框架，通过多视图几何约束将2D视觉语言模型先验提升至3D空间，无需额外特征存储，在广义和单目标场景中显著优于现有方法，且效率高。
Comments Accepted to ECCV 2026
DWM：在潜在世界模型中分离世界效应与动作
机构 * Peking University（北京大学）
AI总结 研究在潜在世界模型中分离世界效应与动作的问题，提出DWM框架，通过辅助世界头和正交性约束实现预测转换的显式加法分解，在构建的W变体基准测试中取得更好效果。
大语言模型中的卷积
机构 * Peking University（北京大学） ； Huawei Technologies（华为技术有限公司） ； Tsinghua University（清华大学）
AI总结 研究大语言模型中，轻量级深度卷积能否在不大幅增模型大小的情况下提供局部归纳偏差。通过实验发现特定位置应用卷积效果最佳，采用特定残差深度卷积设计，在多个模型和数据预算下提升了下游基准平均准确率，支持其作为自注意力补充建模短程交互。
Comments 12 pages, 5 figures
用于超临界燃烧中真实流体热力学性质神经预测的热力学信息输入重新参数化
机构 * State Key Laboratory of Turbulence and Complex Systems, College of Engineering, Peking University（湍流与复杂系统国家重点实验室，北京大学工学院） ； AI for Science Institute (AISI)（科学智能研究院）
AI总结 研究超临界燃烧模拟中真实流体热力学性质评估成本高的问题，提出TAIR策略，通过用目标匹配的热力学坐标替换原始焓坐标，降低了预测温度、密度和压缩系数的RMSE，证明收益源于热力学匹配的输入设计。
ARMOR：使用离策略锚样本稳定在线大语言模型强化学习
机构 * University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； Dartmouth College（达特茅斯学院）
AI总结 研究大语言模型强化学习训练不稳定问题，提出ARMOR框架，通过锚展开利用离策略数据保留解决方案模式，混合优化重新制定策略目标实现可控探索，经实验验证可有效减轻验证崩溃，提升性能。
LP-SFT：通过多模态熵结构进行局部保持监督微调
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； College of Computing, Georgia Institute of Technology（佐治亚理工学院计算学院）
AI总结 研究监督微调中存在的问题，利用香农和雷尼熵分析揭示预训练模型的多模态熵结构，提出LP-SFT目标，在多领域实验中提升性能，平衡准确率和k准确率。
Comments 20 pages, 3 figures. Code is available at https://github.com/Wakaka161/LP-SFT
并非所有错误都是同等重要：ASCoT解决高效大语言模型推理中的晚期脆弱性
机构 * Xi’an Jiaotong University（西安交通大学） ； Peking University（北京大学） ； Institute of Automation, CASIA（中国科学院自动化研究所） ； Bytedance（字节跳动）
AI总结 ASCoT通过自适应校正机制提升大语言模型推理效率与可靠性，减少计算资源消耗的同时保持高准确性。
反向思维链生成中的事后合理化测量与缓解
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息处理国家重点实验室，计算机科学学院，北京大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanbeige Lab, BOSS Zhipin（纳贝格实验室，BOSS智联）
AI总结 针对反向思维链生成中的事后合理化问题，提出结构骨架引导推理方法，通过解耦答案依赖而非抑制答案来缓解锚定效应，在开放推理基准上提升10%性能。
Comments ICML 2026
大语言模型作为教练：不可验证任务的体验式学习
机构 * Microsoft Research（微软研究院） ； Tsinghua University（清华大学） ； Peking University（北京大学）
AI总结 研究不可验证任务，提出体验式学习（EL），将LLM反馈模型从评判转为教练，通过提炼体验知识提供密集监督，在开放式任务上表现优于基于规则的RL，泛化性好且减轻奖励作弊。
SciForma：科学图表的结构忠实生成
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机技术研究所） ； State Key Lab of CAD & CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 研究针对科学图表结构保真度问题，提出SciForma框架，分解图表质量为三个结构轴，用M-DPO优化，策划训练和评估数据，实现迭代编辑，使SciForma-9B超越开源基线和GPT-Image-1.5，提升科学图表生成的结构保真度。
Comments 30 pages, 21 figures
UniETP：统一用于通用具身任务规划的环境
机构 * Peking University（北京大学）
AI总结 针对具身任务规划中模拟器和数据集孤立的问题，提出UniETP统一接口，整合四个常用模拟器，兼具标准化与多样性，构建新数据集，通过实验评估模型具身规划能力并分析瓶颈。
Comments We are actively working on releasing the codes and data
SAGE：用于潜在世界模型规划的子目标条件动作生成
机构 * Peking University（北京大学）
AI总结 研究潜在世界模型规划中提议质量受限问题，提出先验条件规划器，利用目标条件生成器预测潜在子目标，结合不同时长子目标作先验，实验证明该方法显著提升长期规划性能。
ProEvent：面向主动智能体的以事件为中心的基准测试
机构 * School of Computing, Peking University（北京大学计算机学院）
AI总结 针对主动智能体研究忽视事件中心协助及评估难的问题，引入ProEvent基准测试，基于即时通讯聊天评估智能体维护用户时间表能力，实验发现当前智能体存在过度反应和事件取消处理难等问题，揭示了大语言模型的根本局限。
BMFA：边界少数自由能自适应筛选
机构 * Guangdong University of Technology（广东工业大学） ； School of Computer Science, Peking University（北京大学计算机科学学院）
AI总结 研究视觉Transformer处理空间冗余令牌的问题，提出边界少数自由能自适应筛选（BMFA）方法，通过构建分层近似并递归细化块来改进，经多项实验验证，该方法能降低低估、缩小差距并保持准确率。
Comments 14 pages. Experiments include synthetic analysis, COCO, LVIS, closed-loop DeiT-Tiny evaluation, and ImageNet-1K classification
ConsiSpace：学习几何一致性对视频空间推理很重要
机构 * School of Intelligent Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； School of Computer Science, Peking University（北京大学计算机科学学院） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 针对视频空间推理中现有模型难以聚合一致空间证据的问题，提出ConsiSpace框架，通过构建几何一致内存及采用统一一致性自监督强化学习，在三个空间推理基准测试上取得成绩提升，平均得分比最强基线高12.6分。
Comments ECCV 2026
泛非社会行为识别数据集：野生大猩猩的社会行为识别
机构 * University of Bristol（布里斯托大学） ； Wild Chimpanzee Foundation（野生黑猩猩基金会） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California（加利福尼亚大学） ； Peking University（北京大学） ； Max Planck Institute for Evolutionary Anthropology（马克斯·普朗克进化人类学研究所） ； Senckenberg Museum of Natural History（森肯伯格自然历史博物馆）
AI总结 研究旨在解决野生大猩猩社会行为识别数据不足问题，引入PanAf-SBR数据集，结合AlphaChimp架构建立基准，通过双向迁移学习实验发现跨数据集预训练对特定类别有益，还研究了背景上下文在其中的作用。
SkyVLaM：用于遥感中无人机视频理解的多模态大语言模型
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） ； Beijing Wuzi University（北京物资学院）
AI总结 针对无人机视频理解任务，提出多模态大语言模型SkyVLaM，通过时间基感知器构建稀疏令牌，正则化稀疏基，自适应选择密集段，联合大语言模型处理，还构建SkyVid，实验证明其能有效分配视觉令牌预算，提升语言条件视频分割效果。
Comments Accepted by WAICA 2026
STAR：用于交互识别的骨骼令牌对齐与重排
机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School（北京大学深圳研究生院通用人工智能国家重点实验室） ； University at Buffalo SUNY（纽约州立大学布法罗分校） ； Department of Computer and Information Science, University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系）
AI总结 针对人机和人与人交互识别，提出STAR方法，通过骨骼令牌对齐与重排，利用实体重排、交互式时空令牌及视觉交互编码等组件，结合骨骼与RGB视频数据学习特征，经对比学习对齐表示，实验验证其性能优于现有方法。
Comments Accepted for publication in IEEE Transactions on Multimedia (IEEE TMM)
Journal ref IEEE Transactions on Multimedia, vol. 28, pp. 4652-4665, 2026
VecFontLLM：基于锚点引导的中文矢量字体直接合成
机构 * Fuzhou University（福州大学） ； Peking University（北京大学）
AI总结 研究旨在解决直接生成中文矢量字体的难题，提出VecFontLLM这一基于锚点引导的多模态大语言模型，通过锚点预测、细化及贝塞尔控制点完成来合成矢量字形，实现高质量少样本合成，实验显示其相比现有方法有显著优势。
Comments 12 pages
VLA-ReID：具有高度相似对象的多目标跟踪中用于重新识别的视频级关联
机构 * Glasgow College, University of Electronic Science and Technology of China（电子科技大学格拉斯哥学院） ； Key Laboratory for Urban Habitat Environmental Science and Technology, School of Environment and Energy, Peking University Shenzhen Graduate School（北京大学深圳研究生院环境与能源学院城市人居环境科学与技术重点实验室） ； School of Management Science and Real Estate, Chongqing University（重庆大学管理科学与房地产学院）
AI总结 针对多目标跟踪中对象外观相似时身份保持难的问题，提出VLA-ReID方法，将重新识别建模为视频级关联，通过聚合历史轨迹特征等进行全局关联优化，实验显示该方法有效提升多项指标并减少身份切换。
Comments 11 pages, 8 figures, 2 tables
InfoDense：用于内存高效增量式人脸伪造检测的密度感知区域决定性重放
机构 * Huazhong Agricultural University（华中农业大学） ； Peking University（北京大学） ； National University of Singapore（新加坡国立大学） ； Nantong University（南通大学） ； Wuhan University（武汉大学）
AI总结 针对人脸伪造技术发展带来的检测挑战及传统方法的问题，提出密度感知区域决定性重放策略InfoDense，通过定位决定性补丁、排序候选片段、自适应合并样本等步骤，有效减轻灾难性遗忘，提升跨域泛化能力。
用于噪声标签学习的单变量基函数鲁棒损失
机构 * School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院） ； School of Earth and Space Sciences, Peking University（北京大学地球与空间科学学院）
AI总结 针对噪声标签学习问题，提出从单变量基函数构建鲁棒多类损失的框架，开发两种方案并分析其性质，推导理论标准，所提损失在多噪声设置下经实验验证有竞争力或更优。
思考、规划、绘制：统一模型中用于可控图像生成的布局感知推理
机构 * Tencent（腾讯） ； Peking University（北京大学）
AI总结 研究针对统一多模态大语言模型在可控图像生成中难以遵循复杂空间指令的问题，提出ATLAS框架，采用“思考、规划、绘制”范式及布局共享表示，经强化学习提升性能，在图像生成等任务中效果显著，还支持相关编辑与多模态基础，并引入评估基准。
Comments 22 pages, 12 figures, 9 tables
用于光声计算机断层扫描的双域自监督伪影去除框架
机构 * College of Future Technology, Peking University（北京大学未来技术学院） ； Pohang University of Science and Technology（浦项科技大学）
AI总结 针对光声计算机断层扫描因检测条件稀疏产生的重建伪影问题，提出用轻量级暹罗神经网络及复合损失函数的自监督伪影去除框架，能有效抑制伪影并提升计算效率。
Comments 13 pages, 9 figures
用于机器人动作表示的语义锚定
机构 * Peking University（北京大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 研究VLA模型微调后动作表示结构受损问题，受镜像神经元理论启发，通过系统探测证实结构变化与任务表现相关。提出即插即用方法，将动作表示锚定到语义流形并分解通道，经多基准测试验证，有效提升了模型在真实世界任务中的表现。
Comments Project Page: https://xy02-05.github.io/SemanticMN
超越并行跟踪：交互式多特征融合驱动非侵入性脑记录的语义重建
机构 * Center for BioMed-X Research, Academy for Advanced Interdisciplinary Studies,Peking University（北京大学生物医学前沿创新中心、前沿交叉学科研究院） ； 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言语听觉研究中心） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； National Biomedical Imaging Center, State Key Laboratory of Membrane Biology, Institute of Molecular Medicine, Peking-Tsinghua Center for Life Sciences, College of Future Technology, Peking University（国家生物医学成像中心、膜生物学国家重点实验室、分子医学研究所、北京大学生命科学联合中心、未来技术学院）
AI总结 研究针对非侵入性脑记录语义重建中表征不匹配问题，引入多特征融合框架，通过交互式门控机制结合静态与动态表征，经实验对比线性连接和非线性交叉注意力等方法，证明交叉注意力融合性能最佳，提供了新的脑到文本解码方法。
ResearchStudio-Reel：实现从论文到海报、视频和博客的研究最后一公里自动化
机构 * Microsoft Research（微软研究院） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Westlake University（西湖大学） ； CFAR, A*STAR（计算科学与工程研究所，新加坡科技研究局）
AI总结 研究传播自动化困难，以往方法有局限。该研究提出将最后一公里构建为技能组合，实例化ResearchStudio-Reel，包括共享提取器、可编辑生成器和交互式收敛层，能产出多种可编辑工件，效果优于现有系统。
Lil: 在长解码阶段应用后训练稀疏注意力算法时，少即是少
机构 * SCS, Peking University, Beijing, China（北京大学信息科学与技术学院，北京，中国） ； Key Lab of HCST (PKU), MOE, Beijing, China（高等教育出版社HCST重点实验室（PKU），北京，中国） ； State Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室，中国） ； Tencent, Shenzhen, China（腾讯，深圳，中国） ； Beijing Tongming Lake Information Technology Application Innovation Center, Beijing, China（北京 Tongming Lake 信息技术应用创新中心，北京，中国）
AI总结 本文研究了在长解码阶段应用稀疏注意力算法时，信息丢失导致序列变长的问题，提出早停算法减少token消耗并降低精度损失。
GAP-MLLM：几何对齐预训练以激活多模态大语言模型中的3D空间感知
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院） ； Huawei（华为）
AI总结 本文提出GAP-MLLM，通过几何对齐预训练激活多模态大语言模型中的3D空间感知，改进了传统方法在3D空间感知上的不足。
Comments Accepted by ECCV 2026. Project page: https://gapmllm.github.io/
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