高校专区
多智能体协作的反事实信用策略优化
机构 * Beihang University（北航） ； Peking University（北京大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 针对多智能体大语言模型协作中信用分配难题，提出CCPO框架，通过反事实信用估计和验证器锚定的自评估两种分配器，将团队奖励转化为个体学习信号，提升数学推理任务表现。
CreativeBench: 通过自我进化挑战基准测试和增强机器创造力
机构 * Southern University of Science and Technology（南方科技大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； University of Bristol（布里斯托大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Xi’an Jiaotong University（西安交通大学）
AI总结 提出CreativeBench基准，基于认知框架通过代码生成评估机器创造力，包含组合与探索两个子集，利用逆向工程和自我博弈自动生成挑战，并通过质量与新颖性乘积的指标区分创造与幻觉。
Comments ACL 2026. Project page: https://zethwang.github.io/creativebench.github.io/
从数字到物理：数字代理作为物理智能的自主教练
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University, Shanghai, China（上海交通大学人工智能学院） ； Zhongguancun Academy, Beijing, China（中关村学院） ； School of Integrated Circuits, Shanghai Jiao Tong University, Shanghai, China（上海交通大学集成电路学院） ； School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University, Beijing, China（北京大学计算机科学学院多媒体信息处理国家重点实验室）
AI总结 提出EmboCoach-Bench基准，评估LLM代理自主设计具身策略的能力，通过迭代调试和优化，代理在平均成功率上超越人工基线26.5%，并具备自我修正能力。
Comments 53 pages, 12 figures
通过逐步偏好调优的多模态智能体迭代工具使用探索
机构 * Beijing Key Laboratory of Intelligent Information Technology, School of Computer Science & Technology, Beijing Institute of Technology（北京智能信息科技重点实验室，计算机科学与技术学院，北京理工大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； State Key Laboratory of General Artificial Intelligence, Peking University（通用人工智能国家重点实验室，北京大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Guangdong Laboratory of Machine Perception and Intelligent Computing, Shenzhen MSU-BIT University（广东机器感知与智能计算实验室，深圳MSU-BIT大学） ； Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 提出SPORT方法，通过任务合成、步骤采样、步骤验证和偏好调优的迭代循环，使多模态智能体无需预收集数据即可自主探索和优化工具使用策略，在GTA和GAIA基准上分别提升6.41%和3.64%。
Comments 24 pages
Efficient-WAM: 一种具有低成本未来想象能力的10亿参数世界-动作模型
机构 * The University of Hong Kong（香港大学） ； Peking University（北京大学） ； Muka Robotics（Muka机器人） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanjing University（南京大学）
AI总结 提出Efficient-WAM，通过紧凑视频专家、稀疏视频潜变量和非对称去噪降低未来想象成本，在保持控制性能的同时实现30倍推理加速。
GILT：一种无需LLM、无需微调的图基础模型用于上下文学习
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Wangxuan Institute of Computer Technology, Peking University（北京大学王宣计算机技术研究所）
AI总结 提出GILT框架，通过基于令牌的上下文学习机制统一处理节点、边和图级别的分类任务，无需大语言模型或微调，实现高效泛化。
Comments Accepted as an oral presentation at the GFM @ ICML 2026 Workshop
引导噪声：将随机扰动转化为有效下降方向以实现内存高效的LLM微调
机构 * School of Intelligence Science and Technology（智能科学与技术学院） ； Institute for Artificial Intelligence（人工智能研究院） ； Peking University（北京大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室）
AI总结 提出一种即插即用框架，通过候选扰动池选择或组合与优化目标对齐的扰动，改进零阶优化梯度估计，提升LLM微调的收敛速度和任务精度。
Comments 12pages, 6figures
MPK：一种用于将张量程序转化为巨型内核的编译器和运行时系统
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） ； NVIDIA ； University of Michigan（密歇根大学） ； Independent Researcher（独立研究者） ； Peking University（北京大学）
AI总结 提出MPK，首个自动将多GPU模型推理转化为单个高性能巨型内核的编译器和运行时系统，通过SM级图表示实现跨算子软件流水线和细粒度计算通信重叠，显著降低推理延迟。
Comments 14 pages
PIGEON: 通过兴趣点选择的VLM驱动物体导航
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 (BAAI)（北京人工智能研究院） ； Peking University（北京大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
AI总结 提出PIGEON框架，将物体导航建模为基于原始观测的稀疏决策问题，通过兴趣点（PoI）作为视觉决策单元，结合VLM选择关键点，实现零样本SOTA性能并迁移至主动具身问答。
MARIC：用于图像分类的多智能体推理
机构 * Enhans, Seoul, South Korea（韩国首尔Enhans） ； Peking University, Beijing, China（中国北京北京大学）
AI总结 提出多智能体框架MARIC，通过分解图像分类为协作推理过程，利用大纲智能体、方面智能体和推理智能体进行多视角分析与综合，在四个基准数据集上显著优于基线方法。
Comments 11 pages, preprint
FedSLoP: 基于低秩梯度投影的内存高效联邦学习
机构 * Peking University（北京大学） ； Beihang University（北航）
AI总结 提出FedSLoP算法，结合随机低秩子空间投影降低通信和存储开销，理论证明以O(1/√NT)速率收敛到一阶稳定点，实验在异构MNIST上优于FedAvg等基线。
Comments 27 pages, 7 figures
Scone：通过统一理解-生成建模弥合主体驱动图像生成中的组合与区分
机构 * Peking University（北京大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Zhongguancun Academy（中关村学院） ； HKUST（香港科技大学） ； 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））
AI总结 提出Scone方法，通过统一理解-生成模型结合组合与区分能力，采用两阶段训练实现主体身份保持与干扰最小化，在双基准上优于现有开源模型。
Comments CVPR 2026 Highlight. Code: https://github.com/Ryann-Ran/Scone
SciFlow-Bench：通过逆解析评估结构感知的科学图表生成
机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Huawei Cloud BU（华为云业务部） ； Zhongguancun Academy（中关村学院） ； 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））
AI总结 提出SciFlow-Bench基准，通过逆解析将生成的图表图像转换为结构化图进行比较，以结构可恢复性而非视觉相似性评估科学图表生成。
ASA：无需骨干训练的工具调用智能体表示工程
机构 * Renmin University of China（中国人民大学） ； University of Macau（澳门大学） ； Central South University（中南大学） ； Jiangxi Normal University（江西师范大学） ； Macau Millennium College（澳门 millennium 学院） ； Peking University（北京大学）
AI总结 针对大语言模型在工具调用中的惰性代理问题，提出一种无需训练、推理时激活干预的方法ASA，通过路由条件混合引导向量和探针引导门控，显著提升工具使用F1并降低误报率。
Comments The manuscript consists of 24 pages formatted in the ACL style. Youjin Wang, Run Zhou, and Yingjie Ma contributed equally to this work. Tao Fang and Liangming Pan are the co-corresponding authors
RealDexUMI：用于灵巧机器人学习的可穿戴通用操作接口
机构 * Peking University（北京大学） ； BeingBeyond ； Beihang University（北航） ； LinkerBot ； Tsinghua University（清华大学）
AI总结 提出RealDexUMI，一种基于共享灵巧末端执行器模块的可穿戴通用操作接口，通过掌侧同构遥操作手套实现无重定向、直观精确的手部控制，在八项真实机器人任务中平均成功率达88.75%。
MIRAGE: 具有隐式推理和生成世界模型的移动智能体
机构 * Beihang University（北京航空航天大学） ； Northwestern Polytechnical University（西北工业大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学）
AI总结 提出MIRAGE框架，通过从显式推理轨迹学习连续潜在表示，使移动智能体能够内部推理并预测未来屏幕状态，在减少生成token的同时提升执行效率。
MBench: 视频世界模型记忆能力的综合基准
机构 * Tsinghua University（清华大学） ； WeChat Vision, Tecent Inc.（微信视觉，腾讯公司） ； Peking University（北京大学）
AI总结 提出MBench基准，通过实体一致性、环境一致性和因果一致性三个核心维度及其12个子维度，系统评估视频世界模型的长期记忆能力，并揭示现有方法在长期状态保持上的关键局限。
Comments Project Page: https://peanutup.github.io/MBench-project/
关于SGD噪声协方差与损失景观曲率之间的超线性关系
机构 * School of Physics, Peking University（北京大学物理系） ； Peking University Chengdu Academy for Advanced Interdisciplinary Biotechnologies（北京大学成都先进交叉生物技术研究院） ； Flatiron Institute（Flatiron研究所）
AI总结 本文发现SGD噪声协方差与Hessian矩阵之间存在超线性关系，而非简单的正比关系，并通过实验验证了层间幂律标度。
Comments 8 pages, 15 figures
面向LLM时代的自动化内核生成
机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Beijing Normal University（北京师范大学） ； Peking University（北京大学） ； Beijing Institute of Technology（北京理工大学） ； Cornell University（康奈尔大学） ； Beijing Jiaotong University（北京交通大学） ； Renmin University of China（中国人民大学） ； Hong Kong University of Science and Technology (Guangzhou)（广州科技大学）
AI总结 本文综述了利用大语言模型（LLM）和智能体系统自动化生成与优化GPU内核的方法，系统梳理了现有方法、数据集和基准，并指出了未来研究方向。
Comments In IJCAI 2026. 9 pages, 1 figure
SMART: 基于音频增强多模态大模型的镜头感知视频时刻检索
机构 * Department of Computer Science, University at Albany - SUNY（University at Albany - SUNY 计算机科学系） ； School of Software & Microelectronics, Peking University（北京大学软件与微电子学院） ； Nanjing University（南京大学） ； Xiamen University（厦门大学） ； Department of Mathematics and Statistics, University at Albany - SUNY（University at Albany - SUNY 数学与统计学系）
AI总结 提出SMART框架，融合音频与视觉特征，利用镜头感知令牌压缩技术，在多模态大模型基础上实现视频时刻检索，在Charades-STA和QVHighlights上取得显著提升。
CLPO：课程学习与策略优化相结合用于大语言模型推理
机构 * Peking University（北京大学） ； Qwen Applications Business Group, Alibaba Group（通义实验室，阿里巴巴集团） ； Xiamen University（厦门大学）
AI总结 提出CLPO框架，通过在线策略准确率动态调整问题难度，使课程与策略共同进化，在数学和通用推理基准上显著优于GRPO和DAPO。
利用大型语言模型发现专家级纳什均衡算法
机构 * CFCS, School of Computer Science, Peking University, Beijing, China（计算机科学系，北京大学，北京，中国） ； School of Computing and Data Science, The University of Hong Kong, Pokfulam, Hong Kong（计算与数据科学学院，香港大学，薄扶林，香港）
AI总结 提出LegoNE框架，将专家证明策略编码为符号语言，自动验证算法的最坏情况保证，结合推理型LLM重新发现并改进了多人博弈的近似纳什均衡算法。
Comments accepted by Nature Communications
稠密图中的鲁棒随机图匹配：基于近似消息传递类型算法
机构 * Peking University（北京大学）
AI总结 针对带潜在顶点对应的相关高斯Wigner矩阵对，提出一种近似消息传递迭代算法，在对抗性扰动下实现多项式时间匹配恢复，扰动规模可达n^{1-o(1)}。
Comments 46 pages; accepted by IEEE Trans. Inf. Theory
Journal ref IEEE Transactions on Information Theory, 72(8):6093-6111 (August 2026)
Chatlaw: 基于角色对齐的混合专家架构的多智能体法律助手
机构 * Shenzhen Graduate School, Peking University（北京大学深圳研究生院） ； Peng Cheng Laboratory（鹏城实验室） ； Law School, Peking University（北京大学法学院） ； Pandalla.ai
AI总结 提出Chatlaw多智能体法律助手，采用角色对齐的混合专家架构模拟律所协作流程，在LawBench基准上准确率比GPT-4提升7.73%，并通过真实案例验证。
Comments Accepted manuscript. Updated to match the journal version and added DOI
LoomVideo: 统一多模态输入到视频生成与编辑
机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团）
AI总结 提出LoomVideo，一种5B参数的高效统一架构，通过多模态大语言模型和零开销Scale-and-Add条件机制，实现视频生成与编辑，显著降低计算复杂度并加速推理。
RealClawBench: 来自真实开发者-智能体会话的实时OpenClaw基准测试
机构 * Peking University（北京大学） ； Qiyuan Tech（启元科技）
AI总结 针对现有基准缺乏真实性的问题，提出RealClawBench框架，通过重构执行环境和确定性可验证评分器，将真实OpenClaw会话转化为可复现、自动评分的任务，评估14个模型后最佳仅解决65.8%任务，揭示了开发者-智能体工作负载上的巨大提升空间。
Comments 19 pages, 5 figures, 8 tables
利用群体回滚中的误差多样性进行强化学习
机构 * Peking University（北京大学） ； JD.COM（京东公司） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出EDAS方法，通过利用群体回滚中的误差多样性来提升强化学习的效果，通过调整错误回滚的优势信号，鼓励模型保持多样化的推理路径，从而提高训练成功率。
Comments Code available at https://github.com/EDAS-jd/EDAS
面向视觉原生多模态深度搜索智能体的在策略数据演化
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Renmin University of China（中国人民大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； University of Edinburgh（爱丁堡大学）
AI总结 提出在策略数据演化（ODE）框架，通过图像库引用协议和闭环数据生成器，解决多模态深度搜索中视觉证据不可复用和训练数据静态问题，在8个基准上显著提升性能。
GraphWalker: 患者类比与信息增益结合用于大型语言模型的临床推理
机构 * School of Computer Science, Peking University, Beijing, China（北京大学计算机学院，北京，中国） ； National Engineering Research Center for Software Engineering, Peking University, Beijing, China（软件工程国家工程研究中心，北京大学，北京，中国）
AI总结 提出GraphWalker框架，通过联合数据驱动和模型驱动视角、发现患者队列以及采用懒惰贪心搜索，从电子健康记录中检索患者案例进行类比推理，无需参数更新即可提升临床推理性能。
稳定推理，不稳定响应：通过稳定性不对称缓解大语言模型欺骗
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； School of Chinese as a Second Language, Peking University（北京大学第二语言学院）
AI总结 针对大语言模型内在欺骗问题，提出稳定性不对称正则化（SAR），通过惩罚内部思维链稳定性与外部响应稳定性之间的不对称性来抑制欺骗，实验证明其有效性且不损害模型能力。
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