Learning to Commit: Generating Organic Pull Requests via Online Repository Memory
学习承诺：通过在线仓库记忆生成有机的拉取请求
机构 * Tsinghua University（清华大学）
AI总结 本文提出Learning to Commit框架，通过在线仓库记忆提升生成拉取请求的有机性，通过对比历史提交改进代码风格和架构约束。
Comments Preprint. Work in progress
高校专区
Tsinghua University（清华大学）
PerceptionComp: A Video Benchmark for Complex Perception-Centric Reasoning
PerceptionComp：一个复杂感知导向推理的视频基准测试
机构 * Tsinghua University（清华大学） ； University of Washington（华盛顿大学） ； Nanyang Technological University（南洋理工大学）
AI总结 PerceptionComp是一个手动标注的复杂长时景视频推理基准测试，要求多时间片段的视觉证据和逻辑约束，涉及多个感知子任务，测试人类和模型在感知推理中的性能瓶颈。
Comments Project Page: https://perceptioncomp.github.io
Beyond Language: Grounding Referring Expressions with Hand Pointing in Egocentric Vision
超越语言：基于手部指向的自我中心视觉指称表达定位
机构 * Tsinghua University（清华大学） ； Dalian University of Technology（大连理工大学） ； Northwestern Polytechnical University（西北工业大学） ； Apple（苹果公司）
AI总结 本文提出EgoPoint-Ground数据集，通过手部指向与语音结合的指称机制，改进视觉指称表达的定位方法，并提出SV-CoT框架提升多模态理解能力。
A Boltzmann-machine-enhanced Transformer For DNA Sequence Classification
一种增强型变换器用于DNA序列分类
机构 * Tsinghua University（清华大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出了一种结合玻尔兹曼机和变换器的模型，用于DNA序列分类，通过引入结构化的二进制门控变量和能量函数约束，提升对潜在相互作用和高阶依赖的建模能力。
Comments 19 pages
Mitigating the Reasoning Tax in Vision-Language Fine-Tuning with Input-Adaptive Depth Aggregation
通过输入自适应深度聚合缓解视觉语言微调中的推理税
机构 * Tsinghua University（清华大学）
AI总结 本文提出IADA机制，通过输入自适应的跨深度检索提升视觉语言模型的推理能力，实验表明其在参数效率方面优于LoRA微调。
Experimental study on surveillance video-based indoor occupancy measurement with occupant-centric control
基于监控视频的室内占用测量实验研究：以以 occupant-centric 控制为中心
机构 * Center for Intelligent and Networked Systems, Department of Automation, BNRist, Tsinghua University（清华大学自动化系智能与网络化系统中心，北京信息科学与技术国家研究中心） ； Urban Mobility Lab, Massachusetts Institute of Technology（麻省理工学院城市移动实验室） ； Singapore-MIT Alliance for Research and Technology Centre, Massachusetts Institute of Technology（麻省理工学院新加坡-麻省理工学院研究与技术联盟中心）
AI总结 本文研究了基于监控视频的室内占用测量方法，通过比较检测、跟踪和LLM优化流程，展示了LLM对提高测量精度和减少误报的影响，最终在HVAC控制中实现了17.94%的节能潜力。
Pioneering Perceptual Video Fluency Assessment: A Novel Task with Benchmark Dataset and Baseline
开创性视频流畅度评估：一种新任务及其基准数据集和基线
机构 * Tsinghua University（清华大学） ； Kuaishou Technology（快手科技）
AI总结 本文提出视频流畅度评估(VFA)作为独立任务，构建了面向流畅度的数据集FluVid，并开发了包含23种方法的基准，提出FluNet模型通过时间排列自注意力提升流畅度信息。
Comments 14 pages, 6 figures. Accepted by CVPR 2026 findings track
Neural Uncertainty Principle: A Unified View of Adversarial Fragility and LLM Hallucination
神经不确定性原理：对抗脆弱性与大语言模型幻觉的统一视角
机构 * Northwest Institute of Nuclear Technology（西北核技术研究所） ； Tsinghua University（清华大学）
AI总结 本文揭示对抗脆弱性与大语言模型幻觉的共同几何起源，提出神经不确定性原理，通过输入与损失梯度的不确定性界限，提供统一的可靠性分析框架。
Comments 16 pages,3 figures
To See is Not to Master: Teaching LLMs to Use Private Libraries for Code Generation
看清并非掌握：教LLM使用私有库进行代码生成
机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； Proxseer Inc.（Proxseer公司） ； School of Computer Science, Nanjing University（南京大学计算机科学与技术学院） ； Software Institute, Nanjing University（南京大学软件学院） ； School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院）
AI总结 本文提出PriCoder方法，通过自动生成数据教LLM有效调用私有库API，提升私有库代码生成能力，实验显示在多种设置下pass@1指标提升超20%。
Comments 12 pages
AtomMem : Learnable Dynamic Agentic Memory with Atomic Memory Operation
AtomMem：具有原子内存操作的可学习动态代理记忆
机构 * Renmin University of China（中国人民大学） ； Tsinghua University（清华大学）
AI总结 AtomMem通过将内存管理转化为动态决策问题，结合监督微调与强化学习，实现了任务对齐的自主内存策略，优于传统静态工作流方法。
Versatile Recompression-Aware Perceptual Image Super-Resolution
多功能的感知图像超分辨率：考虑再压缩
机构 * AIR, Tsinghua University（清华大学智能产业研究院） ； AGUS Tech ； HKUST（香港科技大学） ； Kuaishou Technology（快手科技）
AI总结 本文提出VRPSR，通过将压缩建模为条件文本到图像生成，利用预训练扩散模型构建通用编码器模拟器，并提出针对感知超分辨率的训练技术，实现SR与再压缩的联合优化，取得10%-40%的比特率节省。
Score2Instruct: Scaling Up Video Quality-Centric Instructions via Automated Dimension Scoring
Score2Instruct: 通过自动化维度评分扩展视频质量导向的指令
机构 * Tsinghua University（清华大学） ； Kuaishou Technology（快手科技）
AI总结 本文提出Score2Instruct管道，通过自动化生成视频质量指令数据，提升视频大模型的质量评分和解释能力，构建了S2I-Bench基准测试集并验证了方法的有效性。
Comments 16 pages, 5 figures. Accepted by CVPR 2026 main conference
Editable-DeepSC: Reliable Cross-Modal Semantic Communications for Facial Editing
可编辑的深度语义通信：面向面部编辑的可靠跨模态语义通信
机构 * School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与技术学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出Editable-DeepSC，一种用于面部编辑的跨模态语义通信方法，通过联合编辑-信道编码和SNR感知信道编码，提升传输效率与编辑质量。
QPT V2: Masked Image Modeling Advances Visual Scoring
QPT V2：掩码图像建模在视觉评分中的进展
机构 * Tsinghua University（清华大学） ； Kuaishou Technology（快手科技）
AI总结 本文提出QPT V2框架，通过掩码图像建模提升视觉质量和审美评分能力，通过数据筛选、降质引入和模型结构调整，在11个下游基准测试中表现优异。
Comments 8 pages, 6 figures. Accepted by ACM MM 24
DRiffusion: Draft-and-Refine Process Parallelizes Diffusion Models with Ease
DRiffusion：通过草稿与精修过程轻松并行化扩散模型
机构 * CSAIL, MIT（麻省理工学院计算机科学与人工智能实验室） ； Tsinghua University（清华大学） ； IST, Nanjing University（南京大学智能科学与技术学院） ； School of Software, Tsinghua University（清华大学软件学院） ； FuturististAI Lab, Shanghai Tsinghua International Innovation Center（上海清华国际创新中心未来人工智能实验室）
AI总结 DRiffusion通过草稿与精修过程并行化扩散模型，提升采样速度同时保持生成质量，实验显示在多个模型上实现1.4至3.7倍加速，质量指标仅小幅下降。
ViGoR-Bench: How Far Are Visual Generative Models From Zero-Shot Visual Reasoners?
ViGoR-Bench：视觉生成模型距离零样本视觉推理还有多远？
机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
AI总结 本文提出ViGoR-Bench基准，通过跨模态覆盖、双轨评估、证据驱动裁判和细粒度分析，揭示生成模型在因果推理和空间认知上的缺陷，验证了先进模型在零样本推理上的不足。
FedRE: A Representation Entanglement Framework for Model-Heterogeneous Federated Learning
FedRE：一种用于模型异质联邦学习的表示纠缠框架
机构 * Teleinfo, CAICT（中国信息通信研究院） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of British Columbia（不列颠哥伦比亚大学） ； China University of Mining and Technology-Beijing（中国矿业大学（北京）） ； China University of Mining and Technology（中国矿业大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 FedRE提出了一种表示纠缠框架，通过纠缠表示和纠缠标签编码提升模型异质联邦学习的性能，平衡模型效果、隐私保护和通信开销。
Comments Accepted by CVPR 2026
