EvoVLA: Self-Evolving Vision-Language-Action Model
EvoVLA：自进化视觉-语言-动作模型
机构 * Peking University（北京大学）
AI总结 EvoVLA通过自监督框架解决VLA模型的阶段幻觉问题，提升任务成功率和样本效率，实现有效的仿真到现实转移。
高校专区
Peking University（北京大学）
Layer-wise Noise Guided Selective Wavelet Reconstruction for Robust Medical Image Segmentation
分层噪声引导的选性小波重建用于鲁棒医学图像分割
机构 * Big Data and Software College, Chongqing University（重庆大学大数据与软件学院） ； Office of Scientific Research, Peking University（北京大学科研办公室） ； Key Lab of High Confidence Software Technology, Ministry of Education (Peking University)（教育部高可信软件技术重点实验室（北京大学）） ； School of Computer Science, Peking University（北京大学计算机学院） ； Department of Cardiology and Institute of Vascular Medicine, Peking University Third Hospital（北京大学第三医院心内科和血管医学研究院）
AI总结 LNG-SWR通过分层噪声引导选性小波重建提升医学图像分割的鲁棒性，无需对抗训练也能增强模型在对抗攻击下的稳定性。
PushingBots: Collaborative Pushing via Neural Accelerated Combinatorial Hybrid Optimization
PushingBots: 通过神经加速的组合混合优化实现协作推搡
机构 * School of Advanced Manufacturing and Robotics, Peking University（先进制造与机器人学院，北京大学）
AI总结 PushingBots通过神经加速的组合混合优化实现机器人协作推搡，解决复杂环境中多物体精准推运问题。
Comments 20 pages, 24 figures. Accepted to IEEE Transactions on Robotics (T-RO), 2025
Evaluating Multimodal Large Language Models with Daily Composite Tasks in Home Environments
在家庭环境中评估多模态大语言模型的日常复合任务
机构 * State Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence（通用人工智能国家重点实验室、北京通用人工智能研究院） ； School of Psychological and Cognitive Sciences and Beijing Key Laboratory of Behavior and Mental Health, Key Laboratory of Machine Perception (Ministry of Education), Peking University（心理与认知科学学院及北京行为与心理健康重点实验室、机器感知重点实验室（教育部）） ； School of Intelligence Science and Technology, Peking University（智能科学与技术学院）
AI总结 本研究在家庭环境中评估了多模态大语言模型在日常复合任务中的表现，发现其在物体理解、空间智能和社会活动领域存在显著差距，为具身MLLMs的发展提供了初步评估框架。
MoE-CAP: Benchmarking Cost, Accuracy and Performance of Sparse Mixture-of-Experts Systems
MoE-CAP：稀疏专家混合系统成本、准确率和性能的基准测试
机构 * University of Edinburgh（爱丁堡大学） ； Microsoft Research（微软研究院） ； Peking University（北京大学） ； NVIDIA Co-leading authors（NVIDIA）
AI总结 MoE-CAP通过引入CAP雷达图和稀疏性能指标，系统性地评估稀疏混合专家系统在成本、准确率和性能之间的权衡。
FlashMesh: Faster and Better Autoregressive Mesh Synthesis via Structured Speculation
FlashMesh: 通过结构化猜测实现更快更好的自回归网格合成
机构 * South China University of Technology（南方科技大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Tencent VISVISE（腾讯VISVISE） ； Peking University（北京大学） ； Singapore Management University（新加坡国立大学）
AI总结 FlashMesh通过结构化猜测方法，实现更快更高质量的网格生成，提升自回归模型的效率和保真度。
SkyEgg: Joint Implementation Selection and Scheduling for Hardware Synthesis using E-graphs
机构 * Peking University（北京大学）
Revisiting Gradient Normalization and Clipping for Nonconvex SGD under Heavy-Tailed Noise: Necessity, Sufficiency, and Acceleration
机构 * College of Computer Science and Technology National University of Defense Technology（计算机科学与技术学院 国防科技大学） ； Center for Machine Learning Research (CMLR) Peking University（机器学习研究中心（CMLR） 北京大学）
ExplainRec: Towards Explainable Multi-Modal Zero-Shot Recommendation with Preference Attribution and Large Language Models
机构 * Department of Software \& Microelectronics Peking University Beijing, China ； Department of Software \& Microelectronics Peking University Beijing, China hangli\ ； Department of Software \& Microelectronics Peking University Beijing, China zehua\ ； Department of Software \& Microelectronics Peking University Beijing, China xiaofan\ ； Economic Law School China University of Political Science ； School of Computer Science Peking University Beijing, China
Diffusion As Self-Distillation: End-to-End Latent Diffusion In One Model
机构 * Institute of Artificial Intelligence（人工智能研究院） ； Peking University（北京大学）
Comments Tech Report. 10 pages
Open Benchmarking for Click-Through Rate Prediction
机构 * Huawei Noah's Ark Lab（华为诺亚实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学）
Comments Accepted by CIKM 2021. See BARS-CTR at https://openbenchmark.github.io/BARS/CTR
Adaptive Redundancy Regulation for Balanced Multimodal Information Refinement
机构 * Department of Computer Science and Technology, Harbin Institute of Technology（计算机科学与技术系，哈尔滨工业大学） ； Harbin Institute of Technology Zhengzhou Research Institute（哈尔滨工业大学郑州研究所） ； Harbin Institute of Technology Suzhou Research Institute（哈尔滨工业大学苏州研究所） ； School of Mathematical Sciences, University of Electronic Science and Technology of China（数学学院，电子科学与技术大学） ； School of Electronic Engineering and Computer Science, Institute of Digital Media, Peking University（电子工程与计算机科学系，数字媒体研究所，北京大学）
MMaDA-Parallel: Multimodal Large Diffusion Language Models for Thinking-Aware Editing and Generation
机构 * Peking University（北京大学） ； ByteDance（字节跳动） ； Princeton University（普林斯顿大学） ； CASIA（中国科学院自动化研究所） ； The University of Chicago（芝加哥大学）
Comments Project Page: https://tyfeld.github.io/mmadaparellel.github.io/
IPAD: Inverse Prompt for AI Detection - A Robust and Interpretable LLM-Generated Text Detector
机构 * Computer Science and Engineering, Hong Kong University of Science and Technology（香港科技大学计算机科学与工程学院） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算机科学与数据科学学院） ； School of Information Science & Engineering, Lanzhou University（兰州大学信息科学与工程学院） ； Max Planck Institute for Security and Privacy（安全与隐私研究所） ； Computer Science, The University of Michigan（密歇根大学计算机科学系） ； Center for Data Science, Peking University（北京大学数据科学中心）
ST-ProC: A Graph-Prototypical Framework for Robust Semi-Supervised Travel Mode Identification
机构 * Peking University Shenzhen, China（北京大学深圳校区） ； Imperial College London London, UK（帝国理工学院伦敦校区）
ForgeDAN: An Evolutionary Framework for Jailbreaking Aligned Large Language Models
机构 * iFLYTEK Security Laboratory（iFLYTEK安全实验室） ； Anhui SparkShield Intelligent Technology Co., Ltd.（安徽SparkShield智能科技有限公司） ； Peking University（北京大学） ； School of Automation, University of Electronic Science and Technology of China（电子科技大学自动化学院） ； Northwest University（西北大学） ； University of New South Wales（新南威尔士大学） ； National Computer Network Emergency Response Technical Team/Coordination Center of China（中国国家计算机网络应急技术处置协调中心）
Artificial Intelligence-Enabled Spirometry for Early Detection of Right Heart Failure
机构 * Department of Computer Science, Tianjin University of Technology（天津理工大学计算机科学系） ； National Institute of Health Data Science, Peking University（北京大学国家健康数据科学研究院） ； Department of Cardiology, Peking University People’s Hospital（北京大学人民医院心内科） ； DCST, BNRist, RIIT, Institute of Internet Industry, Tsinghua University（清华大学互联网产业研究院） ； HeartVoice Medical Technology（心声医疗科技） ； State Key Laboratory of Vascular Homeostasis and Remodeling, NHC Key Laboratory of Cardiovascular Molecular Biology and Regulatory Peptides, Peking University（北京大学血管稳态与重塑国家重点实验室） ； Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院）
Comments 19 pages, 5 figures
DataGen: Unified Synthetic Dataset Generation via Large Language Models
机构 * University of Notre Dame（诺丁汉大学） ； Huazhong University of Science and Technology（华中科技大学） ； MBZUAI ； University of Washington（华盛顿大学） ； Peking University（北京大学） ； University of Maryland, College Park（马里兰大学学院市分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Microsoft Research（微软研究院） ； Lehigh University（莱斯大学）
Revealing the dynamic responses of Pb under shock loading based on DFT-accuracy machine learning potential
机构 * Institute of Applied Physics and Computational Mathematics（应用物理与计算数学研究所） ； Graduate School of China Academy of Engineering Physics（中国工程物理研究院研究生院） ； National Key Laboratory of Computational Physics, Institute of Applied Physics（计算物理国家重点实验室，应用物理研究所） ； HEDPS, CAPT, College of Engineering（HEDPS、CAPT、工程学院） ； School of Physics, Peking University（北京大学物理学院）
ActVAR: Activating Mixtures of Weights and Tokens for Efficient Visual Autoregressive Generation
机构 * School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院） ； University of Electronic Science and Technology of China（电子科技大学） ； School of Computer Science, Peking University（北京大学计算机科学学院） ； SenseTime Research（商汤科技研究院） ； Shanghai Jiao Tong University（上海交通大学）
Event-CausNet: Unlocking Causal Knowledge from Text with Large Language Models for Reliable Spatio-Temporal Forecasting
机构 * Duke Kunshan University, China（杜克大学昆山分校） ； Peking University, China（北京大学） ； Tongji University, China（同济大学） ； University of Ottawa, Canada（渥太华大学）
Accelerated Distributional Temporal Difference Learning with Linear Function Approximation
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院）
InsFusion: Rethink Instance-level LiDAR-Camera Fusion for 3D Object Detection
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学计算机技术研究院）
Comments NeurIPS 2025 workshop
Conditional Panoramic Image Generation via Masked Autoregressive Modeling
机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Insta360 Research（Insta360研究院） ； National University of Singapore（新加坡国立大学） ； The University of Tokyo（东京大学）
Comments NeurIPS 2025
Fira: Can We Achieve Full-rank Training of LLMs Under Low-rank Constraint?
机构 * Beijing Institute of Technology（北京理工大学） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； Hebei Province Key Laboratory of Big Data Science and Intelligent Technology（河北省大数据科学与智能技术重点实验室）
Comments NeurIPS 2025, Project page: https://github.com/xichen-fy/Fira
LIHE: Linguistic Instance-Split Hyperbolic-Euclidean Framework for Generalized Weakly-Supervised Referring Expression Comprehension
机构 * University of Science and Technology of China（中国科学技术大学） ； The University of Hong Kong（香港大学） ； King’s College London（伦敦国王学院） ； Peking University（北京大学）
DAOpt: Modeling and Evaluation of Data-Driven Optimization under Uncertainty with LLMs
机构 * Zhejiang University（浙江大学） ； University of Toronto（多伦多大学） ； Peking University（北京大学）
TAPIP3D: Tracking Any Point in Persistent 3D Geometry
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Peking University（北京大学） ； Stanford University（斯坦福大学）
Comments NeurIPS 2025. Long-term feed-forward 3D point tracking in persistent 3D point maps. Code:https://github.com/zbw001/TAPIP3D
Beyond H&E: Unlocking Pathological Insights with Polarization Imaging
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Beijing Institute of Collaborative Innovation（北京协同创新研究院） ； Peking University Health Science Center, Peking University Third Hospital（北京大学人民医院） ； University of Oxford（牛津大学） ； Peking University（北京大学）
Comments Accepted as a regular paper at IEEE BIBM 2025
FBSDiff: Plug-and-Play Frequency Band Substitution of Diffusion Features for Highly Controllable Text-Driven Image Translation
机构 * Wangxuan Institute of Computer Technology, Peking University（王轩计算机技术研究所，北京大学）
Comments Accepted conference paper of ACM MM 2024
