高校专区
无需训练的多步推理用于目标说话人提取
机构 * Beijing University of Posts and Telecommunications, China（北京邮电大学，中国） ； Center for Speech and Language Technologies, BNRist, Tsinghua University, China（语音与语言技术中心，北京理工大学，中国）
AI总结 本文提出无需训练的多步推理方法，用于目标说话人提取，通过联合度量优化平衡不同评估目标，提升实际应用中的提取性能。
动态预测采样用于主动强化学习微调大推理模型
机构 * Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 DPS通过动态预测方法减少回放成本，提升大推理模型的强化学习微调效率与性能。
Comments Accepted to ICLR 2026
4DEquine：从单目视频中解耦运动与外观进行4D马类重建
机构 * Southern University of Science and Technology（南方科技大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学）
AI总结 4DEquine通过解耦运动与外观重建，提出新框架实现高效4D马类重建，展示在真实数据集上的优越性能。
Comments Accepted to CVPR2026
LaTeX编译：在大语言模型时代面临的挑战
机构 * Southern University of Science and Technology（南方科技大学） ； Alibaba（阿里巴巴） ； Tsinghua University（清华大学） ； Rutgers University（罗格斯大学） ； Liii Network（Liii网络）
AI总结 本文提出Mogan STEM作为替代TeX的结构编辑器，通过高效的数据结构和按需插件加载，在编译效率、生成语义和工具生态系统等方面优于TeX，并展示了其在LLM微调中的优势。
Comments 25 pages, 12 figures
UrbanAlign: 域内任务中VLM与人类偏好对齐的后处理语义校准
机构 * Tsinghua University（清华大学） ； University College London（伦敦大学学院） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Peking University（北京大学） ； Southwest Jiaotong University（西南交通大学） ； Zhejiang University（浙江大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Renmin University of China（中国人民大学） ； Southeast University（东南大学）
AI总结 UrbanAlign通过后处理方法实现VLM与人类偏好的对齐，无需修改模型权重，提升领域任务的准确性和可解释性。
Comments 26 pages
GTR-Turbo：合并的检查点实际上是为代理VLM训练提供免费的教师
机构 * Tsinghua University（清华大学） ； Tencent Hunyuan（腾讯文生） ； Peking University（北京大学）
AI总结 GTR-Turbo通过合并检查点作为免费教师，提升了多模态代理训练的效率和效果。
Comments Accepted by CVPR 2026
高效音频-视觉语音分离与离散唇语语义及多尺度全局-局部注意力
机构 * Department of Computer Science and Technology, Institute for AI, BNRist, Tsinghua University, Beijing（计算机科学与技术系，人工智能研究院，BNRist，清华大学，北京） ； IDG/McGovern Institute for Brain Research, Tsinghua University, Beijing（IDG/麦克戈文脑研究 institute，清华大学，北京） ； Chinese Institute for Brain Research (CIBR), Beijing（中国脑科学研究院（CIBR），北京）
AI总结 Dolphin通过离散唇语语义和多尺度全局-局部注意力实现高效音频-视觉语音分离，提升分离质量和效率。
Comments Accepted to ICLR 2026
SEGA: 从单张图像生成可驾驶的3D高斯头人偶
机构 * Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； ByteDance（字节跳动） ； Pengcheng Lab（鹏城实验室） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 SEGA通过结合通用先验模型与层次UV空间高斯散点框架，实现从单张图像生成可驾驶的3D高斯头人偶，提升泛化能力和实时性能。
基于大语言模型的出行行为预测
机构 * Department of Civil Engineering, Tsinghua University, Beijing, China（清华大学土木工程系） ； Department of Civil and Environmental Engineering, Massachusetts Institute of Technology, Cambridge, MA 02139（麻省理工学院土木与环境工程系） ； Department of Urban Studies and Planning, Massachusetts Institute of Technology, Cambridge, MA 20139（麻省理工学院城市研究与规划系） ； Department of Management Science and Engineering, Stanford University, Stanford, CA 94305（斯坦福大学管理科学与工程系）
AI总结 本文提出利用大语言模型进行出行行为预测，通过零样本提示和文本嵌入两种方法，实现了与传统模型相当的预测性能。
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