MEgoHand: Multimodal Egocentric Hand-Object Interaction Motion Generation
机构 * School of Computer Science, Peking University（北京大学计算机学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； BeingBeyond
高校专区
Peking University（北京大学）
Evaluating Large Language Model with Knowledge Oriented Language Specific Simple Question Answering
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shanghai University（上海大学）
Comments Equal contribution: Bowen Jiang, Runchuan Zhu, Jiang Wu; Corresponding author: Conghui He
AdamS: Momentum Itself Can Be A Normalizer for LLM Pretraining and Post-training
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王宣计算机技术研究所） ； University of Science and Technology of China（中国科学技术大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室）
Efficient Prototype Consistency Learning in Medical Image Segmentation via Joint Uncertainty and Data Augmentation
机构 * Faculty of Science and Technology（科技学院） ； University of Macau（澳门大学） ； Key Laboratory of High Confidence Software Technologies (MOE)（高可信软件技术重点实验室） ； School of Computer Science（计算机学院） ； Peking University（北京大学）
Comments arXiv admin note: substantial text overlap with arXiv:2404.10717
MPL: Multiple Programming Languages with Large Language Models for Information Extraction
机构 * State Key Laboratory of Intelligent Power Distribution Equipment and System（智能电力设备与系统国家重点实验室） ； School of Health Sciences and Biomedical Engineering（健康科学与生物医学工程学院） ； National Engineering Research Center for Software Engineering（软件工程国家工程研究中心） ； Peking University（北京大学） ； School of Artificial Intelligence（人工智能学院）
Comments Findings of ACL2025
Safe RLHF-V: Safe Reinforcement Learning from Multi-modal Human Feedback
机构 * Peking University（北京大学） ； Hong Kong University of Science and Technology（香港科技大学）
FIRE: Flexible Integration of Data Quality Ratings for Effective Pre-Training
机构 * Peking University（北京大学） ； Beihang University（北航） ； Tsinghua University（清华大学） ； Meituan（美团）
Comments 21 pages, 11 figures
MLLM as Retriever: Interactively Learning Multimodal Retrieval for Embodied Agents
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
Comments ICLR 2025
Scalable Defense against In-the-wild Jailbreaking Attacks with Safety Context Retrieval
机构 * School of EECS, Peking University（电子工程系，北京大学） ； School of Mathematical Sciences, Peking University（数学系，北京大学） ； State Key Lab of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（通用人工智能国家重点实验室，智能科学与技术学校，北京大学） ； Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学）
Advancing LLM Safe Alignment with Safety Representation Ranking
机构 * State Key Lab of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（通用人工智能国家重点实验室，智能科学与技术学院，北京大学） ； School of Mathematical Sciences, Peking University（数学科学学院，北京大学） ； Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学）
SwarmDiff: Swarm Robotic Trajectory Planning in Cluttered Environments via Diffusion Transformer
机构 * Department of Advanced Manufacturing and Robotics, College of Engineering, Peking University（先进制造与机器人系，工程学院，北京大学） ； Department of Computer Science, The University of Hong Kong（计算机科学系，香港大学）
MIRB: Mathematical Information Retrieval Benchmark
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Beijing International Center for Mathematical Research and the New Cornerstone Science Laboratory, Peking University（北京国际数学研究中心和新基石科学实验室，北京大学） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； Center for Intelligent Computing, Great Bay Institute for Advanced Study, Great Bay University（智能计算中心，大湾研究院高级研究所，大湾大学）
Comments Our code and data are available at https://github.com/j991222/mirb and https://huggingface.co/collections/hcju/mirb-6827001711765454f58c5a76
Predictive Learning in Energy-based Models with Attractor Structures
机构 * PKU-Tsinghua Center for Life Sciences, Academy for Advanced Interdisciplinary Studies（北京大学-清华生命科学中心，先进交叉学科研究院） ； School of Psychological and Cognitive Sciences, Beijing Key Laboratory of Behavior and Mental Health, Peking University（心理学与认知科学学院，北京行为与心理健康重点实验室，北京大学） ； IDG/McGovern Institute for Brain Research. Center of Quantitative Biology, Peking University（IDG/麦克戈文脑科学研究院，定量生物学中心，北京大学）
DPO Meets PPO: Reinforced Token Optimization for RLHF
机构 * Peking University（北京大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学香槟分校） ； Microsoft Research Asia（微软亚洲研究院）
Comments ICML 2025
GS2E: Gaussian Splatting is an Effective Data Generator for Event Stream Generation
机构 * School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院） ； Holcombe Department of Electrical and Computer Engineering, Clemson University（克莱姆森大学霍尔科姆电子与计算机工程系）
Comments 21 pages, 7 figures. More details at http://intothemild.github.io/GS2E.github.io
CAD: A General Multimodal Framework for Video Deepfake Detection via Cross-Modal Alignment and Distillation
机构 * Peking University（北京大学） ； Shenzhen Graduate School（深圳研究生院） ； University of Science and Technology of China（中国科学技术大学） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
TransMedSeg: A Transferable Semantic Framework for Semi-Supervised Medical Image Segmentation
机构 * Hebei University of Technology（河北工业大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Anhui University（安徽大学） ； Peking University（北京大学）
Think Only When You Need with Large Hybrid-Reasoning Models
机构 * Microsoft Research（微软研究院） ； Peking University（北京大学）
PlanGPT-VL: Enhancing Urban Planning with Domain-Specific Vision-Language Models
机构 * Behavioral and Spatial AI Lab, Peking University & Tongji University（行为与空间人工智能实验室，北京大学 & 同济大学） ； Southern University of Science and Technology（南方科技大学）
SpaceR: Reinforcing MLLMs in Video Spatial Reasoning
机构 * National Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University（国家多媒体信息处理重点实验室，计算机学院，北京大学） ； Nanyang Technological University（南洋理工大学） ； WeChat AI, Tencent Inc., China（微信AI，腾讯公司，中国）
Training-Free Watermarking for Autoregressive Image Generation
机构 * Hong Kong Baptist University（香港 Baptist 大学） ； Wuhan University（武汉大学） ； Sun Yat-sen University（中山大学） ； Peking University（北京大学）
Replace in Translation: Boost Concept Alignment in Counterfactual Text-to-Image
机构 * Liaoning University（辽宁大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学）
Any-to-Any Learning in Computational Pathology via Triplet Multimodal Pretraining
机构 * Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科技大学）
Uni-Retrieval: A Multi-Style Retrieval Framework for STEM's Education
机构 * Nanyang Technological University, Singapore（南洋理工大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； Peking University, China（北京大学） ； Hong Kong Polytechnic University, Hong Kong, China（香港理工大学）
LongDPO: Unlock Better Long-form Generation Abilities for LLMs via Critique-augmented Stepwise Information
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） ； Pattern Recongnition Center, WechatAI, Tencent Inc（图案识别中心，微信AI，腾讯公司） ； Dept. of Comp. Sci. & Tech., Tsinghua University（计算机科学与技术系，清华大学）
Comments ACL 2025
BigReg: An Efficient Registration Pipeline for High-Resolution X-Ray and Light-Sheet Fluorescence Microscopy
机构 * Pattern Recognition Lab, Friedrich-Alexander University Erlangen-Nuremberg（埃森哲-亚历山大-弗里德里希大学模式识别实验室） ； Department of Internal Medicine 3 - Rheumatology and Immunology, University Hospital Erlangen（埃森哲-亚历山大-弗里德里希大学内科学部3-风湿病和免疫学部） ； Fraunhofer Institute for Ceramic Technologies and Systems - IKTS（弗劳恩霍夫陶瓷技术与系统研究所-IKTS） ； Institute for Nanotechnology and Correlative Microscopy - INAM GmbH（纳米技术与相关显微镜研究所-INAM GmbH） ； Institute of Medical Technology, Peking University（北京大学医学技术研究所）
Cross-Domain Diffusion with Progressive Alignment for Efficient Adaptive Retrieval
机构 * State Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University（信息处理国家重点实验室，北京大学计算机学院） ； Department of Computer Science, University of California, Los Angeles（计算机科学系，加州大学洛杉矶分校） ； Paul G. Allen School of Computer Science & Engineering, University of Washington（保罗·G·艾伦计算机科学与工程学院，华盛顿大学） ； JD Explore Academy（京东探索研究院） ； College of Computing & Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学）
Comments IEEE TIP
Journal ref IEEE Transactions on Image Processing 34 (2025) 1820-1834
MGStream: Motion-aware 3D Gaussian for Streamable Dynamic Scene Reconstruction
机构 * Peking University（北京大学） ； Pengcheng Laboratory（鹏城实验室）
LoRASuite: Efficient LoRA Adaptation Across Large Language Model Upgrades
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学）
G1: Bootstrapping Perception and Reasoning Abilities of Vision-Language Model via Reinforcement Learning
机构 * Peking University（北京大学） ； UCAS（中国科学院大学） ； Moonshot AI
Comments 21 pages, 14 figures, code released at https://github.com/chenllliang/G1
