高校专区
UniDex：一种机器人基础套件，用于从第一人称人类视频中实现通用灵巧手控制
机构 * Tsinghua University（清华大学） ； Shanghai Qizhi Institute（上海启智研究院） ； Sun Yat-sen University（中山大学） ； The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 本文提出UniDex，通过机器人中心数据集、统一视觉-语言-动作策略和实用人类数据采集设置，实现通用灵巧手控制。UniDex-VLA在两项不同手的挑战性工具使用任务中达到81%的平均任务进度，优于现有VLA基线。
Comments Accepted by CVPR 2026
基于指南的检索增强生成用于眼科临床决策支持
机构 * University of International Business and Economics（国际商务经济大学） ； Tsinghua University（清华大学） ； Heidelberg Institute of Global Health（海德堡全球健康研究院）
AI总结 本文提出Oph-Guid-RAG系统，通过多模态视觉RAG方法提升眼科临床问答与决策支持，通过可控检索框架和多模态推理提升证据基础和鲁棒性。
PRM-as-a-Judge：细粒度机器人审计的密集评估范式
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； 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，计算机科学系，北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Tsinghua University（清华大学） ； University of Sydney（悉尼大学） ； Beihang University（北航大学）
AI总结 本文提出PRM-as-a-Judge方法，通过过程奖励模型对轨迹视频进行密集评估，引入OPD指标系统，验证了宏一致性与微分辨率特性，揭示了主流策略在长周期任务中的行为特征与失败模式。
心灵超越空间：多模态大语言模型能否进行心理导航？
机构 * Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院） ； Dept. of Comp. Sci. and Tech., Institute for AI, Tsinghua-Bosch Joint ML Center, THBI Lab, BNRist Center, Tsinghua University（清华大学-博世联合机器学习中心、THBI实验室、BNRist中心、清华大学计算机科学与技术系） ； School of Automation Science and Electrical Engineering , Beihang University（北京航空航天大学自动化科学与电气工程学院） ； college of AI, Tsinghua University（清华大学人工智能学院） ； Department of Computer Science and Technology , Tsinghua University（清华大学计算机科学与技术系）
AI总结 本文提出Video2Mental基准测试，评估多模态大语言模型的空间导航能力，发现标准预训练模型无法自然生成空间表示，NavMind通过显式认知地图提升导航性能。
自适应稳健估计器用于多智能体强化学习
机构 * Beihang University（北京理工大学） ； Peking University（北京大学） ； Chinese Academy of Sciences（中国科学院） ； Tsinghua University（清华大学） ； Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家）
AI总结 本文提出自适应稳健估计器和双智能体回答-批判-重写框架，解决多智能体协作中的信用分配和奖励噪声问题，提升训练稳定性与鲁棒性。
Fast-WAM: 世界动作模型是否需要测试时的未来想象？
机构 * IIIS, Tsinghua University（清华大学智能技术学院） ； Galaxea AI
AI总结 本文探讨了世界动作模型是否需要在测试时进行显式未来想象，通过提出Fast-WAM架构，发现训练时的视频共训练对性能影响更大，且Fast-WAM在模拟和现实任务中表现出色，实现实时运行。
通过基于案例的提示提升基于大语言模型的ICU死亡预测公平性
机构 * School of Computer Science and Engineering, Tianjin University of Technology, Tianjin, China（天津理工大学计算机科学与工程学院） ； Institute for Artificial Intelligence, Peking University, Beijing, China（北京大学人工智能研究院） ； DCST, BNRist, RIIT, Institute of Internet Industry, Tsinghua University, Beijing, China（清华大学信息产业研究院） ； National Institute of Health Data Science, Peking University, Beijing, China（北京大学健康数据科学国家研究院）
AI总结 本文提出一种临床适应性提示框架，通过整合去偏策略和历史误判案例，提升ICU死亡预测的公平性和性能，实验显示AUROC和AUPRC显著提升，预测差异大幅减少。
TTP: 视觉-语言模型上的对抗检测与鲁棒适应的测试时填充
机构 * NLPR & MAIS, Institute of Automation, Chinese Academy of Sciences（神经网络与模式识别实验室及自动化研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 本文提出TTP框架，通过测试时填充实现对抗检测与鲁棒适应，提升视觉-语言模型在对抗攻击下的鲁棒性而不影响清洁准确性。
Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
SCAIL：通过上下文学习3D一致姿态表示实现工作室级角色动画
机构 * Tsinghua University（清华大学）
AI总结 SCAIL通过创新的3D姿态表示和全上下文姿态注入机制，提升角色动画的结构保真度和时间一致性，实现工作室级控制。
LEO-VL：面向可扩展3D视觉-语言学习的高效场景表示
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 本文提出LEO-VL，一种基于高效场景表示CFG的3D视觉-语言模型，通过改进训练数据和引入SceneDPO提升鲁棒性，在多个3D-VL基准测试中取得最佳性能。
Comments Project page: https://leo-vl.github.io
Formula-R1：通过公式驱动强化学习激励LLM对复杂表格进行数值计算的推理
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Nankai University（南开大学） ； Tsinghua University（清华大学） ； Shandong University（山东大学） ； Microsoft Research（微软研究院）
AI总结 本文提出Formula-R1，通过公式驱动强化学习框架提升LLM对复杂表格的推理能力，尤其在多步数值计算任务中表现优异，且优于现有方法。
在大面部角度变化下实现身份一致的视频生成
机构 * Tsinghua University（清华大学） ； Baidu Inc., China（百度公司） ； University of Bristol（布里斯托大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文提出Mv²ID框架，通过区域遮蔽训练策略和参考解耦RoPE机制，解决大角度变化下的身份一致性与自然运动平衡问题，并构建大规模数据集和评估指标。
CounterScene: 生成世界模型中的反事实因果推理用于安全关键闭环评估
机构 * Tuojing Intelligence（途京智能） ； King's College London（伦敦大学国王学院） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学）
AI总结 CounterScene通过结构化反事实推理生成安全关键驾驶场景，通过因果对抗代理识别和冲突感知交互世界模型，提升长周期碰撞率并保持轨迹真实性。
Comments 28 pages, 7 figures
基于知识的因果发现预训练模型
机构 * Renmin University of China（中国人民大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学）
AI总结 本文提出一种整合弱先验知识的因果发现预训练模型，通过双源编码器-解码器架构和多样预训练数据集，提升模型在不同先验强度下的适应能力，实验显示在分布内、分布外及现实数据集上均优于现有基线。
GaussianPile：一种统一的稀疏高斯散射框架用于基于切片的体积分离重建
机构 * Tsinghua University（清华大学） ； Zhongguancun Academy（中关村学院） ； Beijing Normal University（北京师范大学） ； Nankai University（南开大学） ； Beijing Institute of Technology（北京理工大学） ； Beihang University（北航）
AI总结 本文提出GaussianPile框架，结合3D高斯散射与成像系统感知的聚焦模型，通过切片感知堆叠策略、可微投影算子和紧凑编码优化流程，实现高效体积分离重建，提升压缩效率与诊断精度。
Comments Accepted by IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026 (CVPR 2026)
当OpenClaw遇见医院：迈向动态临床工作流的智能操作系统
机构 * Independent Researcher（独立研究者） ； National Institute for Data Science in Health and Medicine, Xiamen University, Xiamen, China（健康医学数据科学国家研究院，厦门大学，厦门，中国） ； Yue’erwan Internet Hospital Co., Ltd.（悦尔湾互联网医院有限公司） ； School of Biomedical Engineering, Tsinghua University, Beijing, China（生物医学工程学院，清华大学，北京，中国） ； National University of Singapore, Singapore（新加坡国立大学） ； Yttrium-90 Precision Interventional Radiotherapy Center of Liver Cancer, Beijing Tsinghua Changgung Hospital, School of Clinical Medicine, Tsinghua University, Beijing, China（肝癌钇-90精准介入放射治疗中心，北京清华大学昌平医院，临床医学学院，清华大学，北京，中国） ； Hepatobiliary and Pancreatic Centre, Beijing Tsinghua Changgung Hospital, School of Clinical Medicine, Tsinghua University, Beijing, China（肝胆胰中心，北京清华大学昌平医院，临床医学学院，清华大学，北京，中国）
AI总结 本文提出一种适应医院环境的LLM代理架构，通过受限执行环境、文档导向交互模型、分页索引内存架构和可组合医疗技能库，实现临床工作流的协调，保障安全、透明和可审计性。
您的推理模型是推理还是猜测？对分层推理模型的机理分析
机构 * Shanghai Qi Zhi Institute, Shanghai, China（上海启智研究院） ； Department of Physics, Tsinghua University, Beijing, China（清华大学物理系） ； College of AI, Tsinghua University, Beijing, China（清华大学人工智能学院）
AI总结 研究揭示分层推理模型在简单谜题中易失效，存在猜测动态和多固定点问题，提出数据增强、输入扰动和模型自举策略提升Sudoku-Extreme准确率至96.9%。
ArtiSG: 通过人类示范的可动物体操作构建功能3D场景图
机构 * Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； Openmind ； Pengcheng Laboratory（鹏城实验室）
AI总结 ArtiSG通过编码人类示范到结构化机器人记忆中，构建功能3D场景图，解决现有方法在可动物体操作信息获取上的不足，提升机器人在真实环境中的任务执行能力。
前瞻性扩散：改进预测扩散模型中的采样一致性
机构 * School of Software, BNRist, Tsinghua University（软件学院，BNRist，清华大学）
AI总结 本文提出Foresight Diffusion，通过解耦条件理解和目标去噪提升预测扩散模型的采样一致性，实验显示其在机器人视频预测和科学时空预测中表现优异。
Comments Accepted at ICLR 2026
SSR：测试时的推测并行扩展推理
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Tsinghua University（清华大学）
AI总结 SSR提出一种无需训练的框架，通过引入分步推测解码加速推理而不牺牲正确性，提升数学推理任务的效率与准确性。
UniAnimate-DiT：基于大规模视频扩散变换器的人像图像动画
机构 * Key Laboratory of Image Processing and Intelligent Control, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学图像处理与智能控制重点实验室，人工智能与自动化学院） ； Alibaba Group（阿里巴巴集团） ； Tsinghua University（清华大学）
AI总结 本文提出UniAnimate-DiT，利用Wan2.1模型实现一致的人像动画，通过LoRA技术优化参数，设计轻量姿态编码器并整合参考外观，实验表明其能生成高质量且时间一致的动画，支持从480p到720P的超分辨率。
Comments The training and inference code (based on Wan2.1) is available at https://github.com/ali-vilab/UniAnimate-DiT
精确的量化方法用于姿态表示学习
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Tsinghua University（清华大学） ； The University of Queensland（昆士兰大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 本文提出了一种可微的软量化器以提升姿态表示学习的精度，通过两阶段训练策略和类间距离引导校准策略，有效解决了二值化输入下的收敛问题，实验验证了方法的优越性。
GraphiContact: 人体-场景鲁棒接触感知用于交互系统
机构 * Tsinghua University, China（清华大学, 中国） ； XR System Application Research Center, Nanchang Research Institute, Zhejiang University, China（浙江大学南昌研究院XR系统应用研究中心, 中国） ； Beijing University of Posts and Telecommunications, China（北京邮电大学, 中国） ； University of Chinese Academy of Sciences, China（中国科学院大学, 中国） ； National University of Singapore, Singapore（新加坡国立大学, 新加坡）
AI总结 本文提出GraphiContact框架，结合单图像3D人体网格重建，利用重建的体几何结构进行接触推理，通过引入SIMU训练策略提升鲁棒性，在五个基准数据集上实现了接触预测和3D人体重建的提升。
Comments 15 pages, 9 figures, Accepted at ICME 2026
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