Tsinghua University（清华大学）

A Multi-task Large Reasoning Model for Molecular Science

分子科学的多任务大规模推理模型

Pengfei Liu, Shuang Ge, Jun Tao, Zhixiang Ren

机构 * Pengcheng Laboratory（鹏城实验室） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生学院） 纠错

AI总结 本文提出多任务大规模推理模型，结合科学逻辑与深度学习，通过强化学习提升分子推理能力，在10项任务中实现50.3%的性能提升，验证了显式推理机制的有效性。

Spectral Defense Against Resource-Targeting Attack in 3D Gaussian Splatting

频谱防御对抗资源攻击在3D高斯点云中

Yang Chen, Yi Yu, Jiaming He, Yueqi Duan, Zheng Zhu, Yap-Peng Tan

机构 * Nanyang Technological University（南洋理工大学） ； UESTC ； Tsinghua University（清华大学） ； GigaAI ； VinUniversity（文大学） 纠错

AI总结 本文提出频谱防御方法，通过3D频率滤波和2D频谱正则化，有效抑制资源攻击导致的高斯点云过度增长，提升3DGS的鲁棒性、精度和安全性。

Cheers: Decoupling Patch Details from Semantic Representations Enables Unified Multimodal Comprehension and Generation

Cheers：解耦补丁细节与语义表示以实现统一的多模态理解和生成

Yichen Zhang, Da Peng, Zonghao Guo, Zijian Zhang, Xuesong Yang, Tong Sun, Shichu Sun, Yidan Zhang, Yanghao Li, Haiyan Zhao, Wang Xu, Qi Shi, Yangang Sun, Chi Chen, Shuo Wang, Yukun Yan, Xu Han, Qiang Ma, Wei Ke, Liang Wang, Zhiyuan Liu, Maosong Sun

机构 * Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 Cheers通过解耦补丁细节与语义表示，实现统一的多模态理解和生成，提升图像生成的保真度，并在多个基准测试中表现优异，同时实现4倍的token压缩效率。

Comments 17 pages, 5 figures

MoKus: Leveraging Cross-Modal Knowledge Transfer for Knowledge-Aware Concept Customization

MoKus: 利用跨模态知识迁移实现知识感知的概念定制

Chenyang Zhu, Hongxiang Li, Xiu Li, Long Chen

机构 * Tsinghua University（清华大学） ； HKUST（香港科技大学） 纠错

AI总结 本文提出MoKus框架，通过跨模态知识迁移实现知识感知的概念定制，解决稀有token在预训练数据中缺失导致的性能不稳定问题，并引入KnowCusBench基准测试，验证了方法在概念定制任务中的优越性。

Comments Project Page: https://chenyangzhu1.github.io/MoKus/

CM-Bench: A Comprehensive Cross-Modal Feature Matching Benchmark Bridging Visible and Infrared Images

CM-Bench：一个综合的跨模态特征匹配基准，连接可见图像和红外图像

Liangzheng Sun, Mengfan He, Xingyu Shao, Binbin Li, Zhiqiang Yan, Chunyu Li, Ziyang Meng, Fei Xing

机构 * School of Instrument 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） ； Department of Precision Instrument, Tsinghua University（清华大学精密仪器系） 纠错

AI总结 本文提出CM-Bench，涵盖30种跨模态特征匹配算法，用于评估同源性估计、相对姿态估计和基于特征匹配的地理定位，包含自适应预处理和新的红外-卫星跨模态数据集。

Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data

从不完美的人类运动数据中学习竞技型人形网球技能

Zhikai Zhang, Haofei Lu, Yunrui Lian, Ziqing Chen, Yun Liu, Chenghuai Lin, Han Xue, Zicheng Zeng, Zekun Qi, Shaolin Zheng, Qing Luan, Jingbo Wang, Junliang Xing, He Wang, Li Yi

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Galbot Inc.（Galbot公司） ； Shanghai Qi Zhi Institute（上海启智研究所） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 本文提出LATENT系统，通过不完美的网球运动数据学习人形机器人网球技能，提升真实场景中的网球表现。

The Economics of AI Supply Chain Regulation

人工智能供应链监管的经济学

Sihan Qian, Amit Mehra, Dengpan Liu

机构 * School of Economics and Management, Tsinghua University（清华大学经济管理学院） ； Naveen Jindal School of Management, The University of Texas at Dallas（德克萨斯大学达拉斯分校纳文·金达尔管理学院） 纠错

AI总结 本文通过博弈模型分析AI供应链中政策干预对消费者剩余的影响，发现促进价格竞争的政策在高计算成本时有效，而促进质量竞争的政策始终提升消费者剩余。

Comments An earlier version of this paper, titled "The Economics of Fine-Tuning for Large-Scale AI Models," was presented at WISE 2023, where it won the Best Student Paper Award

A Spectral Revisit of the Distributional Bellman Operator under the Cramér Metric

对Cramér度量下分布贝尔曼算子的谱再审视

Keru Wang, Yixin Deng, Yao Lyu, Stephen Redmond, Shengbo Eben Li

机构 * School of Electrical and Electronic Engineering, University College Dublin（电子工程学院） ； School of Vehicle and Mobility, Tsinghua University（车辆与移动技术学院） ； College of Artificial Intelligence, Tsinghua University（人工智能学院） 纠错

AI总结 本文研究分布强化学习中贝尔曼更新对分布的影响，通过Cramér度量分析贝尔曼算子的收缩性质，构建正则化谱希尔伯特表示以实现CDF层级几何结构。

Think with 3D: Geometric Imagination Grounded Spatial Reasoning from Limited Views

用3D思考：从有限视角出发的几何想象引导的空间推理

Zhangquan Chen, Manyuan Zhang, Xinlei Yu, Xufang Luo, Mingze Sun, Zihao Pan, Xiang An, Yan Feng, Peng Pei, Xunliang Cai, Ruqi Huang

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Meituan（美团） ； National University of Singapore（新加坡国立大学） ； Beihang University（北航） ； LMMs-Lab（LMMs实验室） 纠错

AI总结 本文提出3DThinker框架，通过利用图像中的丰富几何信息实现空间推理，无需3D先验输入或显式标注3D数据，在多个基准测试中优于现有方法。

Comments 25 pages, 17 figures

Journal ref CVPR 2026

AeroGPT: Leveraging Large-Scale Audio Model for Aero-Engine Bearing Fault Diagnosis

AeroGPT：利用大规模音频模型进行航空发动机轴承故障诊断

Jiale Liu, Dandan Peng, Huan Wang, Chenyu Liu, Yan-Fu Li, Min Xie

机构 * School of Physics and Astronomy, The University of Edinburgh（爱丁堡大学物理与天文学学院） ； Glasgow College, University of Electronic Science and Technology of China（电子科技大学格拉斯哥学院） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电子与电气工程系） ； Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； School of Mechanical Engineering, Northwestern Polytechnical University（西北工业大学机械工程学院） ； Department of Industrial Engineering, Tsinghua University（清华大学工业工程系） ； City University of Hong Kong Shenzhen Research Institute（香港城市大学深圳研究院） 纠错

AI总结 本文提出AeroGPT框架，通过迁移通用音频知识到航空发动机轴承故障诊断，结合振动信号对齐和生成故障分类，实现无需后处理的可解释故障诊断，实验验证其在航空发动机轴承数据集上的高准确率。