Tsinghua University（清华大学）

Training the Knowledge Base through Evidence Distillation and Write-Back Enrichment

通过证据蒸馏和写回丰富训练知识库

Yuxing Lu, Xukai Zhao, Wei Wu, Jinzhuo Wang

机构 * Peking University（北京大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出WriteBack-RAG框架，通过标注示例识别检索成功区域，提取相关文档并蒸馏为紧凑知识单元，提升RAG系统性能，平均提升2.14%。

Comments 15 pages

HiSpatial: Taming Hierarchical 3D Spatial Understanding in Vision-Language Models

HiSpatial：在视觉-语言模型中驯服层次化3D空间理解

Huizhi Liang, Yichao Shen, Yu Deng, Sicheng Xu, Zhiyuan Feng, Tong Zhang, Yaobo Liang, Jiaolong Yang

机构 * Tsinghua University（清华大学） ； Microsoft Research Asia（微软亚洲研究院） ； Xi’an Jiaotong University（西安交通大学） ； University of the Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出一种层次化框架，通过分解VLM中3D空间理解的学习过程，从几何感知到抽象空间推理，生成多样化任务和场景的3D空间VQA对，提升视觉-语言模型的空间理解能力。

Comments Accepted by CVPR 2026. Project page: https://microsoft.github.io/HiSpatial

Hessian-informed machine learning interatomic potential towards bridging theory and experiments

基于Hessian的机器学习互作用势：连接理论与实验的桥梁

Bangchen Yin, Jian Ouyang, Zhen Fan, Kailai Lin, Hanshi Hu, Dingshun Lv, Weiluo Ren, Hai Xiao, Ji Chen, Changsu Cao

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； Department of Chemistry, Tsinghua University（清华大学化学系） ； School of Physics, Peking University（北京大学物理学院） ； Interdisciplinary Institute of Light-Element Quantum Materials, Frontiers Science Center for Nano-Optoelectronics, State Key Laboratory of Artificial Microstructure and Mesoscopic Physics, Peking University（北京大学轻元素量子材料交叉研究所、纳米光电子前沿科学中心、人工微结构与介观物理国家重点实验室） 纠错

AI总结 本文提出一种基于Hessian的机器学习互作用势，通过高效训练协议HINT显著提升过渡态搜索并实现化学精度的吉布斯自由能预测，同时准确处理强非谐氢化物。

Comments 13 pages, 4 figures

AnyID: Ultra-Fidelity Universal Identity-Preserving Video Generation from Any Visual References

AnyID: 从任意视觉参考生成超保真度的通用身份保持视频

Jiahao Wang, Hualian Sheng, Sijia Cai, Yuxiao Yang, Weizhan Zhang, Caixia Yan, Bing Deng, Jieping Ye

机构 * School of Computer Science and Technology, MOEKLINNS, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院、MOEKLINNS） ； Alibaba Cloud Computing（阿里云计算有限公司） ； Tsinghua University（清华大学） 纠错

AI总结 AnyID通过引入可扩展的多参考架构和主参考生成范式，实现从多种异构身份输入生成高保真的视频，通过大规模数据集训练和强化学习微调提升身份保真度和属性可控性。

Probing the Lack of Stable Internal Beliefs in LLMs

探测大型语言模型中稳定内部信念的缺乏

Yifan Luo, Kangping Xu, Yanzhen Lu, Yang Yuan, Andrew Chi-Chih Yao

机构 * IIIS, Tsinghua University（清华大学交叉信息研究院） ； Shanghai Qizhi Institute（上海期智研究院） 纠错

AI总结 本研究探讨了LLM在多轮交互中维持隐含一致性的能力，发现其隐含目标易随对话变化，需引入机制以锚定长期目标，以提升对话系统中的人格建模效果。

Comments Accepted by NeurIPS 2025 Workshop Mexico City PersonaNLP

Photon: Speedup Volume Understanding with Efficient Multimodal Large Language Models

Photon：通过高效多模态大语言模型加速体积理解

Chengyu Fang, Heng Guo, Zheng Jiang, Chunming He, Xiu Li, Minfeng Xu

机构 * Tsinghua University（清华大学） ； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院） ； Hupan Lab（湖畔实验室） ； Duke University（杜克大学） 纠错

AI总结 Photon通过高效多模态大语言模型实现3D医学影像的体积理解，采用自适应令牌调度和梯度传播技术降低计算成本，提升模型可靠性与效率。

Comments Accepted by ICLR 2026

RS-SSM: Refining Forgotten Specifics in State Space Model for Video Semantic Segmentation

RS-SSM：通过状态空间模型细化遗忘的特定信息以实现视频语义分割

Kai Zhu, Zhenyu Cui, Zehua Zang, Jiahuan Zhou

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机技术研究所） ； Tsinghua University（清华大学） ； Institute of Software Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出RS-SSM模型，通过互补细化遗忘的时空细节，提升视频语义分割的像素级处理能力，在四个基准上取得最佳性能。

Comments Accepted by CVPR 2026

3D Gaussian Splatting with Self-Constrained Priors for High Fidelity Surface Reconstruction

具有自约束先验的3D高斯点云用于高保真的表面重建

Takeshi Noda, Yu-Shen Liu, Zhizhong Han

机构 * School of Software, Tsinghua University（清华大学软件学院） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系） 纠错

AI总结 本文提出自约束先验以约束3D高斯学习，提升深度渲染精度，通过融合当前3D高斯生成的深度图得到TSDF网格，生成带状约束以优化高斯分布，同时定期更新以提高准确性。

Comments Accepted by CVPR 2026. Project page: https://takeshie.github.io/GSPrior

Mario: Multimodal Graph Reasoning with Large Language Models

Mario：基于大语言模型的多模态图推理

Yuanfu Sun, Kang Li, Pengkang Guo, Jiajin Liu, Qiaoyu Tan

机构 * New York University Shanghai（上海纽约大学） ； New York University（纽约大学） ； Tsinghua University（清华大学） ； EPFL（瑞士联邦理工学院洛桑） 纠错

AI总结 Mario通过多模态图推理框架解决跨模态一致性与异构模态偏好问题，实现对多模态图的有效推理，优于现有图模型。

Comments CVPR 2026

MeanFuser: Fast One-Step Multi-Modal Trajectory Generation and Adaptive Reconstruction via MeanFlow for End-to-End Autonomous Driving

MeanFuser: 一种基于MeanFlow的高效多模态轨迹生成与自适应重构方法用于端到端自动驾驶

Junli Wang, Yinan Zheng, Xueyi Liu, Zebin Xing, Pengfei Li, Guang Li, Kun Ma, Guang Chen, Hangjun Ye, Zhongpu Xia, Long Chen, Qichao Zhang

机构 * SKL-MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Xiaomi EV（小米汽车） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学智能产业研究院） 纠错

AI总结 本文提出MeanFuser，通过引入Gaussian Mixture Noise、MeanFlow Identity和轻量级ARM模块，实现了高效且鲁棒的多模态轨迹生成与自适应重构，提升了端到端自动驾驶的性能和效率。

Comments Accepted by CVPR 2026

DiffuGuard: How Intrinsic Safety is Lost and Found in Diffusion Large Language Models

DiffuGuard: 差分扩散语言模型中内在安全的丧失与恢复

Zherui Li, Zheng Nie, Zhenhong Zhou, Yue Liu, Yitong Zhang, Yu Cheng, Qingsong Wen, Kun Wang, Yufei Guo, Jiaheng Zhang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Squirrel Ai Learning（松鼠AI） ； Peking University（北京大学） 纠错

AI总结 本文分析了差分扩散语言模型在对抗攻击中的脆弱性，提出DiffuGuard框架通过随机退火重标记和块级审计修复提升模型安全性，有效降低攻击成功率。

Comments Accepted by ICLR2026

From What to Why: A Multi-Agent System for Evidence-based Chemical Reaction Condition Reasoning

从何到为何：一个用于基于证据的化学反应条件推理的多智能体系统

Cheng Yang, Jiaxuan Lu, Haiyuan Wan, Junchi Yu, Feiwei Qin

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； University of Oxford（牛津大学） 纠错

AI总结 本文提出ChemMAS多智能体系统，通过机制 grounding、多通道回忆、约束感知辩论和理由聚合，提升化学反应条件推荐的可解释性，实验表明其在准确率和可解释性上优于现有方法。

Comments Accepted by ICLR 2026

Predicting Human Mobility during Extreme Events via LLM-Enhanced Cross-City Learning

通过LLM增强的跨城市学习预测极端事件中的人类移动

Yinzhou Tang, Huandong Wang, Xiaochen Fan, Yong Li

机构 * Department of Electronic Engineering, Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University（清华大学电子工程系、北京信息科学与技术国家研究中心） 纠错

AI总结 本文提出X-MLM框架，利用LLM建模移动意图，跨城市转移极端事件对移动意图的影响知识，提升极端事件中的人类移动预测性能。

Self-Calibrated CLIP for Training-Free Open-Vocabulary Segmentation

自校准CLIP用于无训练开放词汇分割

Sule Bai, Yong Liu, Yifei Han, Haoji Zhang, Yansong Tang, Jie Zhou, Jiwen Lu

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Department of Automation, Tsinghua University（清华大学自动化系） 纠错

AI总结 本文提出自校准CLIP，通过消除异常token影响，提升CLIP在开放词汇分割中的表现，实现更精细的特征表示和语义一致性。

Comments Accepted by IEEE TIP

Chance-Constrained Iterative Linear-Quadratic Stochastic Games

机会约束迭代线性二次随机博弈

Hai Zhong, Yutaka Shimizu, Jianyu Chen

机构 * Institute for Interdisciplinary Sciences, Tsinghua University（清华大学交叉信息研究院） ； Tier IV, Inc.（Tier IV公司） ； Shanghai Qizhi Institute（上海期智研究院） 纠错

AI总结 本文提出CCILQGames算法，通过增广拉格朗日方法解决机会约束随机博弈问题，在自动驾驶场景中验证了其生成安全交互策略的能力。

Comments Updated version of the published IEEE RA-L paper. Assumption 1 and strategy space definition revised to make the information structure explicit. Theorem 1 assumptions are more explict. No changes to algorithm or experimental results

MANDERA: Malicious Node Detection in Federated Learning via Ranking

MANDERA: 通过排序检测联邦学习中的恶意节点

Wanchuang Zhu, Benjamin Zi Hao Zhao, Simon Luo, Tongliang Liu, Ke Deng

机构 * University of Sydney（悉尼大学） ； School of Computing, Macquarie University（麦考瑞大学计算学院） ； School of Computer Science and Engineering, The University of New South Wales（新南威尔士大学计算机科学与工程学院） ； Department of Statistics and Data Science, Tsinghua University（清华大学统计与数据科学系） 纠错

AI总结 MANDERA通过将原始梯度空间转换为排序矩阵，有效检测联邦学习中的恶意梯度，适用于不同数据集和攻击类型。

Comments 21 pages, 11 figures, The Annals of Applied Statistics

COIN: Collaborative Interaction-Aware Multi-Agent Reinforcement Learning for Self-Driving Systems

COIN: 基于协作交互的多智能体强化学习用于自动驾驶系统

Yifeng Zhang, Jieming Chen, Tingguang Zhou, Tanishq Duhan, Jianghong Dong, Yuhong Cao, Guillaume Sartoretti

机构 * Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore（新加坡国立大学设计与工程学院机械工程系） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电机及电子工程学系） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） 纠错

AI总结 本文提出COIN框架，通过改进的CIG-TD3算法和双层交互感知集中批评者架构，提升多智能体自动驾驶系统在复杂动态场景中的安全性和效率。

TopoMesh: High-Fidelity Mesh Autoencoding via Topological Unification

TopoMesh: 通过拓扑统一实现高保真的网格自编码

Guan Luo, Xiu Li, Rui Chen, Xuanyu Yi, Jing Lin, Chia-Hao Chen, Jiahang Liu, Song-Hai Zhang, Jianfeng Zhang

机构 * Tsinghua University（清华大学） ； ByteDance Seed（字节跳动种子） ； HKUST（香港科技大学） 纠错

AI总结 TopoMesh通过拓扑统一框架解决网格生成中的拓扑不匹配问题，利用稀疏体素VAE实现高保真重建，提升几何细节和锐利特征的保留能力。

Comments Accepted to CVPR 2026. Project page: https://logan0601.github.io/projects/topomesh/index.html

SPR-128K: A New Benchmark for Spatial Plausibility Reasoning with Multimodal Large Language Models

SPR-128K：一种多模态大语言模型空间合理性推理的新基准

Zhiyuan Hu, Zheng Sun, Yi Wei, Long Yu

机构 * Tsinghua University（清华大学） ； Alibaba Health Information Technology Limited（阿里巴巴健康信息技术有限公司） 纠错

AI总结 本文提出SPR-128K数据集及DPA-GRPO方法，解决图像筛选中多模态大语言模型空间推理能力不足的问题，实验表明小型模型在该任务上优于主流模型。

Retrieval-Reasoning Large Language Model-based Synthetic Clinical Trial Generation

基于检索-推理的大型语言模型合成临床试验生成

Zerui Xu, Fang Wu, Yingzhou Lu, Yuanyuan Zhang, Yue Zhao

机构 * Institute for Clarity in Documentation（清晰文档研究所） ； Inria Paris-Rocquencourt（巴黎- Rocquencourt 国家信息与自动化研究所） ； Rajiv Gandhi University（拉吉夫·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒实验室） ； University of Chicago（芝加哥大学） ； Stanford University（斯坦福大学） ； Purdue University（普渡大学） ； University of Southern California（南加州大学） 纠错

AI总结 本文提出基于检索-推理框架的合成临床试验生成方法，利用LLM生成标注二元结果的合成试验报告，通过检索模块和推理模块提升生成质量，实验证明合成数据可有效增强真实数据集并提升临床试验预测性能。

Comments Published in ACM BCB 2025. 9 pages, 4 figures, 5 tables (Main paper + Supplementary Materials)

Journal ref Proceedings of the 16th ACM International Conference on Bioinformatics, Computational Biology, and Health Informatics (ACM BCB 2025)

Revisit, Extend, and Enhance Hessian-Free Influence Functions

重新审视、扩展和增强Hessian-Free影响函数

Ziao Yang, Han Yue, Jian Chen, Hongfu Liu

机构 * Brandeis University（布兰迪大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文重新审视TracIn方法，扩展其应用至公平性和鲁棒性，并通过集成策略增强其性能，通过合成数据和噪声标签检测等实验验证有效性。