Tsinghua University（清华大学）

Accurate and Efficient Hybrid-Ensemble Atmospheric Data Assimilation in Latent Space with Uncertainty Quantification

在潜在空间中实现准确且高效的混合-集成大气数据同化与不确定性量化

Hang Fan, Juan Nathaniel, Yi Xiao, Ce Bian, Fenghua Ling, Ben Fei, Lei Bai, Pierre Gentine

机构 * Department of Earth and Environmental Engineering, School of Engineering and Applied Sciences, Climate School, Columbia University（地球与环境工程系，工程与应用科学学院，气候学院，哥伦比亚大学） ； Learning the Earth with Artificial Intelligence and Physics (LEAP) Center, Columbia University（人工智能与物理学习地球中心，哥伦比亚大学） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学，香港，中国） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（计算机科学与技术系，清华大学，北京，中国） 纠错

AI总结 本文提出HLOBA方法，在潜在空间中实现高效准确的大气数据同化，结合贝叶斯更新与误差去相关性，提升预测与再分析能力。

Comments 23 pages, 12 figures

ManipulationNet: An Infrastructure for Benchmarking Real-World Robot Manipulation with Physical Skill Challenges and Embodied Multimodal Reasoning

ManipulationNet: 一个用于基于现实世界机器人操作的基准测试基础设施，包含物理技能挑战和具身多模态推理

Yiting Chen, Kenneth Kimble, Edward H. Adelson, Tamim Asfour, Podshara Chanrungmaneekul, Sachin Chitta, Yash Chitambar, Ziyang Chen, Ken Goldberg, Danica Kragic, Hui Li, Xiang Li, Yunzhu Li, Aaron Prather, Nancy Pollard, Maximo A. Roa-Garzon, Robert Seney, Shuo Sha, Shihefeng Wang, Yu Xiang, Kaifeng Zhang, Yuke Zhu, Kaiyu Hang

机构 * Rice University（里士大学） ； U.S. National Institute of Standards and Technology（美国国家标准与技术研究院） ； Massachusetts Institute of Technology（麻省理工学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄技术大学） ； Autodesk Research（Autodesk研究） ； University of California, Berkeley（加州大学伯克利分校） ； KTH Royal Institute of Technology（皇家理工学院） ； Tsinghua University（清华大学） ； Columbia University（哥伦比亚大学） ； ASTM International（美国材料与试验协会） ； Carnegie Mellon University（卡内基梅隆大学） ； German Aerospace Center (DLR)（德国航空航天中心） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； NVIDIA Research（NVIDIA研究） 纠错

AI总结 ManipulationNet通过标准化硬件和统一软件客户端，为机器人操作提供现实世界基准测试，促进物理技能和具身推理能力的系统性发展。

Comments 32 pages, 8 figures

ArtHOI: Articulated Human-Object Interaction Synthesis by 4D Reconstruction from Video Priors

ArtHOI: 通过视频先验进行4D重建的可变形人-物交互合成

Zihao Huang, Tianqi Liu, Zhaoxi Chen, Shaocong Xu, Saining Zhang, Lixing Xiao, Zhiguo Cao, Wei Li, Hao Zhao, Ziwei Liu

机构 * School of AIA, Huazhong University of Science and Technology（华中科技大学人工智能学院） ； the S-Lab, Nanyang Technological University (NTU)（南洋理工大学S实验室） ； the Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院） ； Zhejiang University (ZJU)（浙江大学） ； the Institute for AI Industry Research (AIR), Tsinghua University (THU)（清华大学人工智能产业研究院） 纠错

AI总结 ArtHOI通过4D重建从视频先验生成可变形人-物交互，提升接触精度和物理合理性。

Comments Project Page: https://arthoi.github.io/

HE-VPR: Height Estimation Enabled Aerial Visual Place Recognition Against Scale Variance

HE-VPR: 一种结合高度估计的空中视觉位置识别框架以应对尺度变化

Mengfan He, Xingyu Shao, Chunyu Li, Chao Chen, Liangzheng Sun, Ziyang Meng, Yuanqing Wu

机构 * Department of Precision Instrument, Tsinghua University（清华大学精密仪器系） ； School of Aerospace Engineering, Beijing Institute of Technology（北京理工大学航天工程学院） ； School of Instrumentation Science and Opto-electronics Engineering, Beijing Information Science and Technology University（北京信息科技大学仪器科学与光电工程学院） ； School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能系统工程学院） 纠错

AI总结 HE-VPR通过结合高度估计与轻量级旁路适配器，实现了高效且可扩展的空中视觉位置识别，提升了在GNSS拒止环境下的实用性。

ArthroCut: Autonomous Policy Learning for Robotic Bone Resection in Knee Arthroplasty

ArthroCut：膝关节置换术中机器人骨切除的自主策略学习

Xu Lu, Yiling Zhang, Wenquan Cheng, Longfei Ma, Fang Chen, Hongen Liao

机构 * School of Biomedical Engineering, Tsinghua University（清华大学生物医学工程学院） ； School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） ； Longwood Valley MedTech 纠错

AI总结 ArthroCut通过结合术前和术中数据，实现膝关节置换术中骨切除的自主策略学习，提升机器人手术的自主性和可解释性。

Comments Accepted for publication at the 2026 IEEE International Conference on Robotics and Automation (ICRA)

All-in-One Image Restoration via Causal-Deconfounding Wavelet-Disentangled Prompt Network

通过因果去混淆小波解耦提示网络实现一站式图像恢复

Bingnan Wang, Bin Qin, Jiangmeng Li, Fanjiang Xu, Fuchun Sun, Hui Xiong

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Software, Chinese Academy of Science（中国科学院软件研究所） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； National Research Center for Information Science and Technology (BNRist)（国家信息科学与技术研究中心（BNRist）） ； Artificial Intelligence Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）人工智能方向） 纠错

AI总结 本文提出CWP-Net，通过因果去混淆和小波解耦技术解决图像恢复中退化模式偏差和虚假相关性问题，提升恢复效果。

Comments Accepted by IEEE TIP 2026

From Narrow to Panoramic Vision: Attention-Guided Cold-Start Reshapes Multimodal Reasoning

从窄视场到全景视觉：基于注意力的冷启动重塑多模态推理

Ruilin Luo, Chufan Shi, Yizhen Zhang, Cheng Yang, Songtao Jiang, Tongkun Guan, Ruizhe Chen, Ruihang Chu, Peng Wang, Mingkun Yang, Yujiu Yang, Junyang Lin, Zhibo Yang

机构 * Tsinghua University（清华大学） ； University of South California（南加州大学） ； Qwen Team, Alibaba Group（通义实验室，阿里巴巴集团） ； University of California San Diego（南加州大学圣地亚哥分校） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出AVAR框架，通过视觉锚定与注意力引导提升多模态推理性能，实现7%的平均提升。

Comments ICLR 2026 Poster

TAP: A Token-Adaptive Predictor Framework for Training-Free Diffusion Acceleration

TAP：一种用于无训练扩散加速的令牌自适应预测框架

Haowei Zhu, Tingxuan Huang, Xing Wang, Tianyu Zhao, Jiexi Wang, Weifeng Chen, Xurui Peng, Fangmin Chen, Junhai Yong, Bin Wang

机构 * Tsinghua University（清华大学） ； ByteDance（字节跳动） 纠错

AI总结 TAP通过为每个令牌自适应选择预测器，实现无训练的扩散模型加速，提升生成效率并减少感知质量损失。

Comments Accepted by CVPR 2026

LifeBench: A Benchmark for Long-Horizon Multi-Source Memory

LifeBench: 一个用于长周期多源记忆的基准

Zihao Cheng, Weixin Wang, Yu Zhao, Ziyang Ren, Jiaxuan Chen, Ruiyang Xu, Shuai Huang, Yang Chen, Guowei Li, Mengshi Wang, Yi Xie, Ren Zhu, Zeren Jiang, Keda Lu, Yihong Li, Xiaoliang Wang, Liwei Liu, Cam-Tu Nguyen

机构 * Institute for Clarity in Documentation（清晰文档研究所） ； Inria Paris-Rocquencourt（巴黎-罗克琴库特研究所） ； Rajiv Gandhi University（拉贾夫·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒尔研究实验室） ； State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； School of Artificial Intelligence, Nanjing University（人工智能学院，南京大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

AI总结 Lifebench是一个用于长周期多源记忆的基准，通过密集连接的长周期事件模拟，推动AI代理在多样且时间延长的上下文中整合声明性和非声明性记忆推理。

Comments A total of 28 pages, 8 pages of main text, and 15 figures and tables

Confidence-Calibrated Small-Large Language Model Collaboration for Cost-Efficient Reasoning

置信度校准的小-大语言模型协作用于成本有效的推理

Chuang Zhang, Zizhen Zhu, Yihao Wei, Bing Tian, Junyi Liu, Henan Wang, Xavier Wang, Yaxiao Liu

机构 * Amazon Web Services（亚马逊网络服务） ； Tsinghua University（清华大学） 纠错

AI总结 COREA通过结合小型和大型语言模型，利用置信度校准提升推理效率，降低21.5%-16.8%成本，同时保持高准确率。

Comments Accepted to EACL 2026 Main Conference

PROSPECT: Unified Streaming Vision-Language Navigation via Semantic--Spatial Fusion and Latent Predictive Representation

PROSPECT：通过语义-空间融合和潜在预测表示实现统一的流式视觉-语言导航

Zehua Fan, Wenqi Lyu, Wenxuan Song, Linge Zhao, Yifei Yang, Xi Wang, Junjie He, Lida Huang, Haiyan Liu, Bingchuan Sun, Guangjun Bao, Xuanyao Mao, Liang Xu, Yan Wang, Feng Gao

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； University of Adelaide（阿德莱德大学） ； Wuhan University（武汉大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beijing Jiaotong University（北京交通大学） ； AIR Wuxi Innovation Center, Tsinghua University（清华大学无锡创新中心） ； Lenovo（联想集团） 纠错

AI总结 PROSPECT通过语义-空间融合和潜在预测表示，实现统一的流式视觉-语言导航，提升环境动态和空间结构的预测能力。

Why Do Unlearnable Examples Work: A Novel Perspective of Mutual Information

为何不可学习的例子有效：互信息的新视角

Yifan Zhu, Yibo Miao, Yinpeng Dong, Xiao-Shan Gao

机构 * State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（数学科学国家重点实验室，数学与系统科学研究院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； College of AI, Tsinghua University（清华大学人工智能学院） ； Shanghai Qi Zhi Institute（上海启智研究院） 纠错

AI总结 本文提出了一种基于互信息减少的不可学习方法，通过减少类内特征协方差来有效阻碍深度学习模型的泛化能力。

Comments 32 pages, ICLR 2026

MAGE: Meta-Reinforcement Learning for Language Agents toward Strategic Exploration and Exploitation

MAGE：面向战略探索与利用的语言智能体元强化学习

Lu Yang, Zelai Xu, Minyang Xie, Jiaxuan Gao, Zhao Shok, Yu Wang, Yi Wu

机构 * Tsinghua University（清华大学） 纠错

AI总结 MAGE通过元强化学习框架提升语言智能体在战略探索与利用中的性能，结合多回合训练与种群训练技术实现稳定学习和泛化能力。

Parallax to Align Them All: An OmniParallax Attention Mechanism for Distributed Multi-View Image Compression

视差对齐所有内容：一种用于分布式多视图图像压缩的 OmniParallax 注意机制

Haotian Zhang, Feiyue Long, Yixin Yu, Jian Xue, Haocheng Tang, Tongda Xu, Zhenning Shi, Yan Wang, Siwei Ma, Jiaqi Zhang

机构 * The National Engineering Laboratory for Video Technology, School of Computer Science, Peking University（国家视频技术工程实验室，计算机科学学院，北京大学） ； Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） 纠错

AI总结 ParaHydra通过OmniParallax注意机制和多信息融合模块，实现了分布式多视图图像压缩的高效编码与解码，显著提升压缩效率并降低计算开销

Comments Accepted by CVPR 2026

ProSMA-UNet: Decoder Conditioning for Proximal-Sparse Skip Feature Selection

ProSMA-UNet：解码器条件下的近邻稀疏跳连特征选择

Chun-Wun Cheng, Yanqi Cheng, Peiyuan Jing, Guang Yang, Javier A. Montoya-Zegarra, Carola-Bibiane Schönlieb, Angelica I. Aviles-Rivero

机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge, UK（应用数学与理论物理系，剑桥大学） ； School of Engineering, Zurich University of Applied Sciences, CH（工程学院，应用科学大学 Zurich） ； Bioengineering Department and ImperialX, Imperial College London, UK（生物工程系和ImperialX，伦敦帝国学院） ； Lucerne University Teaching and Research Hospital, CH（卢塞恩大学教学与研究医院） ； Yau Mathematical Sciences Center, Tsinghua University, China（尤金数学科学中心，清华大学） 纠错

AI总结 ProSMA-UNet通过解码器条件稀疏跳连特征选择提升医学图像分割性能，尤其在3D任务中表现突出。

VideoChat-M1: Collaborative Policy Planning for Video Understanding via Multi-Agent Reinforcement Learning

VideoChat-M1: 通过多智能体强化学习实现视频理解的协作策略规划

Boyu Chen, Zikang Wang, Zhengrong Yue, Kainan Yan, Chenyun Yu, Yi Huang, Zijun Liu, Yafei Wen, Xiaoxin Chen, Yang Liu, Peng Li, Yali Wang

机构 * Shenzhen Key Lab of Computer Vision and Pattern Recognition（深圳计算机视觉与模式识别重点实验室） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； VIVO AI Lab（VIVO人工智能实验室） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shenzhen Campus of Sun Yat-sen University（孙逸仙大学深圳校区） ； Shanghai Jiao Tong University（上海交通大学） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University（清华大学计算机科学与技术系，人工智能研究院） 纠错

AI总结 VideoChat-M1通过多智能体强化学习实现视频理解的协作策略规划，显著提升复杂视频任务的性能。

Comments Accepted by CVPR 2026

Improving Multi-View Reconstruction via Texture-Guided Gaussian-Mesh Joint Optimization

通过纹理引导的高斯-网格联合优化改进多视图重建

Zhejia Cai, Puhua Jiang, Shiwei Mao, Hongkun Cao, Ruqi Huang

机构 * SIGS, Tsinghua University（清华大学信息科学与技术学院） ； Peng Cheng Laboratory（鹏城实验室） 纠错

AI总结 本文提出一种通过纹理引导的高斯-网格联合优化方法，实现多视图重建中几何与外观的统一优化，提升3D重建质量以支持后续编辑任务。

Comments 10 pages, correct errors, clarify details, accepted to 3DV 2026

Kaleido: Open-Sourced Multi-Subject Reference Video Generation Model

Kaleido：开源多主体参考视频生成模型

Zhenxing Zhang, Jiayan Teng, Zhuoyi Yang, Tiankun Cao, Cheng Wang, Xiaotao Gu, Jie Tang, Dan Guo, Meng Wang

机构 * Hefei University of Technology（合肥工业大学） ； Tsinghua University（清华大学） ； Zhipu AI（智谱AI） 纠错

AI总结 Kaleido通过改进的数据构建和参考旋转位置编码，提升了多主体参考视频生成的一致性、保真度和泛化能力。

Comments 21 pages, 7 figures

Benchmarking MLLM-based Web Understanding: Reasoning, Robustness and Safety

基于MLLM的网页理解基准测试：推理、鲁棒性与安全性

Junliang Liu, Jingyu Xiao, Wenxin Tang, Zhixian Wang, Zipeng Xie, Wenxuan Wang, Minrui Zhang, Shuanghe Yu

机构 * Dalian Maritime University（大连海事大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Xi'an Jiaotong University（西安交通大学） ； Renmin University of China（中国人民大学） ； Wuhan University（武汉大学） 纠错

AI总结 本文提出WebRRSBench基准测试，评估多模态大语言模型在网页理解中的推理、鲁棒性和安全性能力，揭示模型在复杂交互任务中的不足。

When Relevance Meets Novelty: Dual-Stable Periodic Optimization for Serendipitous Recommendation

当相关性与新颖性交汇：为偶然推荐的双稳定周期优化

Hongxiang Lin, Hao Guo, Zeshun Li, Erpeng Xue, Yongqian He, Zhaoyu Hu, Lei Wang, Sheng Chen, Long Zeng

机构 * Tsinghua University（清华大学） 纠错

AI总结 本文提出CoEA方法，通过双稳定周期优化解决推荐系统中相关性与新颖性的平衡问题，提升偶然推荐效果。

RLJP: Legal Judgment Prediction via First-Order Logic Rule-enhanced with Large Language Models

通过一阶逻辑规则增强的大语言模型进行法律判决预测

Yue Zhang, Zhiliang Tian, Shicheng Zhou, Haiyang Wang, Wenqing Hou, Yuying Liu, Xuechen Zhao, Minlie Huang, Ye Wang, Bin Zhou

机构 * College of Computer Science and Technology, National University of Defense and Technology（国防科技大学计算机科学与技术学院） ； College of Electronic Engineering, National University of Defense Technology（国防科技大学电子工程学院） ； School of Data and Computer Science, Shandong Women’s University（山东女子大学数据与计算机科学学院） ； Institute for Artificial Intelligence, Tsinghua University（清华大学人工智能研究院） 纠错

AI总结 本文提出基于一阶逻辑和对比学习的规则增强方法，通过三阶段流程提升法律判决预测的适应性和准确性。

Implicit U-KAN2.0: Dynamic, Efficient and Interpretable Medical Image Segmentation

隐式U-KAN2.0：动态、高效且可解释的医学图像分割

Chun-Wun Cheng, Yining Zhao, Yanqi Cheng, Javier A. Montoya-Zegarra, Carola-Bibiane Schönlieb, Angelica I Aviles-Rivero

机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge, UK（应用数学与理论物理系，剑桥大学） ； Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign, USA（计算与数据科学学院，伊利诺伊大学厄巴纳-香槟分校） ； Zurich University of Applied Sciences, Switzerland（苏黎世应用科学大学） ； Lucerne Cantonal Hospital, Switzerland（卢塞恩州立医院） ； Lucerne University of Applied Sciences and Arts, Switzerland（卢塞恩应用科学与艺术大学） ； Yau Mathematical Sciences Center, Tsinghua University, China（尤太数学科学中心，清华大学） 纠错

AI总结 隐式U-KAN2.0通过结合MultiKAN和二次NODEs，提升了医学图像分割的可解释性和效率，同时降低了计算成本。

Comments Accepted in MICCAI 2025

FSMLP: Modelling Channel Dependencies With Simplex Theory Based Multi-Layer Perceptions In Frequency Domain

FSMLP: 基于简单理论的多层感知机在频域中建模通道依赖性

Zhengnan Li, Haoxuan Li, Hao Wang, Jun Fang, Yuting Tan, Xilong Cheng Yunxiao Qin

机构 * Communication University of China（通信大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） 纠错

AI总结 FSMLP通过引入简单体MLP层，有效缓解时间序列预测中通道依赖的过拟合问题，提升预测精度与效率。

Offline-to-Online Multi-Agent Reinforcement Learning with Offline Value Function Memory and Sequential Exploration

离线到在线多智能体强化学习：结合离线价值函数记忆与序列探索

Hai Zhong, Xun Wang, Zhuoran Li, Longbo Huang

机构 * IIIS, Tsinghua University（清华大学人工智能研究院） 纠错

AI总结 OVMSE通过离线价值函数记忆和序列探索策略，在多智能体强化学习中提升样本效率和性能。

Comments Include detailed hyperparameter configurations

Towards Self-Robust LLMs: Intrinsic Prompt Noise Resistance via CoIPO

迈向自适应鲁棒大语言模型：通过CoIPO实现内在提示噪声抵抗力

Xin Yang, Letian Li, Abudukelimu Wuerkaixi, Xuxin Cheng, Cao Liu, Ke Zeng, Xunliang Cai, Wenyuan Jiang

机构 * Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Meituan LongCat Interaction Team（美团LongCat交互团队） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 本文提出CoIPO方法，通过对比学习提升大语言模型对提示噪声的内在鲁棒性，实验表明其在NoisyPromptBench上表现优于现有方法。

PlugMem: A Task-Agnostic Plugin Memory Module for LLM Agents

PlugMem: 一种通用插件记忆模块用于LLM代理

Ke Yang, Zixi Chen, Xuan He, Jize Jiang, Michel Galley, Chenglong Wang, Jianfeng Gao, Jiawei Han, ChengXiang Zhai

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） ； Microsoft Research（微软研究院） 纠错

AI总结 PlugMem是一种通用记忆模块，通过知识中心的记忆图结构提升LLM代理在复杂任务中的记忆检索与推理能力。

3D Wavelet-Based Structural Priors for Controlled Diffusion in Whole-Body Low-Dose PET Denoising

基于3D小波的结构先验用于控制扩散的全身体低剂量PET去噪

Peiyuan Jing, Yue Yang, Chun-Wun Cheng, Zhenxuan Zhang, Liutao Yang, Thiago V. Lima, Klaus Strobel, Antoine Leimgruber, Angelica Aviles-Rivero, Guang Yang, Javier A. Montoya-Zegarra

机构 * School of Engineering, Zurich University of Applied Sciences, CH ； Bioengineering Department ； Imperial-X, Imperial College London, UK ； DAMTP, University of Cambridge, UK ； Lucerne University Teaching ； Research Hospital, CH ； Lung Institute, Imperial College London, UK ； Cardiovascular Research Centre, Royal Brompton Hospital, UK ； School of Biomedical Engineering \& Imaging Sciences, King's College London, UK ； Yau Mathematical Sciences Center, Tsinghua University, CN 纠错

AI总结 WCC-Net通过引入3D小波结构先验，提升低剂量PET去噪效果，实现更稳定的解剖结构与噪声分离。

Comments 10 pages