高校专区
批量上下文强化：一种任务扩展定律以实现高效推理
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学）
AI总结 本文提出批量上下文强化方法，通过在共享上下文窗口中同时解决多个问题，实现高效推理，减少token消耗并提升准确性。
Comments 43 pages, 5 figures, 24 tables
基于大语言模型的鲁棒人才推荐方法
机构 * Department of Management Science and Engineering, Tsinghua University（清华大学管理科学与工程系）
AI总结 本文提出L3TR框架，通过块注意力机制和局部位置编码缓解位置偏差，结合ID采样方法解决训练与推理阶段候选集大小不一致问题，提升人才推荐效果。
简洁即更好：函数调用语言代理中的非单调链式思维预算效应
机构 * IIIS, Tsinghua University（清华大学交叉信息研究院）
AI总结 研究探讨了链式思维预算对函数调用代理性能的影响，发现简短的链式思维显著提升准确性，而延长的链式思维反而降低性能，提出Function-Routing CoT方法提升可靠性。
Comments 21 pages
LatentUM：通过潜在空间统一模型释放交错跨模态推理的潜力
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 本文提出LatentUM，通过共享语义潜在空间实现跨模态推理与生成，提升计算效率并减少编码器偏差，取得视觉空间规划基准的最优性能。
PAM：一种用于仿真到现实手-物体互动视频生成的姿态-外观-运动引擎
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； BAAI（北京智源人工智能研究院） ； SJTU（上海交通大学） ； Eastern Institute of Technology（东方理工高等研究院） ； University of Cambridge（剑桥大学）
AI总结 本文提出PAM引擎，整合姿态、外观和运动生成可控的HOI视频，通过实验验证其在DexYCB和OAKINK2数据集上的性能优势。
Comments Accepted to CVPR 2026 Code: https://github.com/GasaiYU/PAM
ProCeedRL: 带探索演示的强化学习过程批评用于LLM代理推理
机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） ； Independent Researcher（独立研究者） ； Shanghai Qizhi Institute（上海期智研究院）
AI总结 本文提出ProCeedRL，通过过程批评和探索性演示提升LLM在多轮代理任务中的推理能力，解决探索过程中错误累积问题，提高探索效率。
LI-DSN：一种分层交互双流网络用于EEG解码
机构 * School of Biomedical Engineering, Tsinghua Laboratory of Brain and Intelligence, and IDG/McGovern Institute for Brain Research, Tsinghua University（清华大学生物医学工程学院、清华脑与智能实验室、IDG/麦戈文脑科学研究院） ； School of Life Sciences, Tsinghua University（清华大学生命科学学院） ； Department of Biomedical Engineering, Southern University of Science and Technology（南方科技大学生物医学工程系） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系）
AI总结 本文提出LI-DSN，通过分层交互机制解决双流网络中信息孤岛问题，引入TSIA机制和自适应融合策略，在八个EEG数据集上验证其优越的解码性能。
Tex3D: 通过对抗性3D纹理将物体作为攻击面用于视觉-语言-动作模型
机构 * East China Normal University（华东师范大学） ； Zhongguancun Academy（中关村学院） ； CFAR, A*STAR, Singapore（新加坡科技研究局CFAR） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本文提出Tex3D框架，通过对抗性3D纹理攻击视觉-语言-动作模型，揭示其在物理环境中面临的关键漏洞，展示了在仿真和真实机器人任务中显著降低模型性能的实验结果。
跨域血管分割：通过潜在相似性挖掘和迭代联合优化
机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
AI总结 本文提出一种跨域血管分割框架，通过挖掘潜在血管相似性并迭代联合优化生成与分割网络，提升跨域图像合成质量和分割精度，实验显示在临床场景中表现优异。
高效平衡思考推理
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Zhongguancun Academy（中关村学院） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本文提出ReBalance框架，通过平衡思考提升推理效率，减少冗余并提高准确性，适用于多种推理任务。
Comments Accepted by ICLR 2026
迈向抗蒸馏的大语言模型：信息论视角
机构 * Tsinghua University（清华大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 本文从信息论角度分析蒸馏防御问题，提出通过最小化条件互信息来提升模型抗蒸馏能力，设计变换矩阵净化输出以增强安全性，实验表明方法有效降低蒸馏性能并保持任务准确性。
通过链看穿：通过CoT压缩和对比偏好优化缓解多模态推理模型的幻觉
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 本文提出C3PO框架，通过CoT压缩和对比偏好优化缓解多模态推理模型的幻觉问题，通过过滤冗余思考 token 提升信号效率，并利用高质量反馈和定制诱导器增强对比学习效果。
SALAD: 通过高效的线性注意微调实现高稀疏性注意
机构 * Tsinghua University（清华大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出SALAD，通过并行的稀疏注意与轻量线性注意分支，结合多级静态-动态缩放策略，实现高达90%的稀疏性和1.52-2.03倍的推理加速，同时保持生成质量。
多源迁移学习中源权重和转移量的统一优化：一种渐近框架
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）人工智能学院）
AI总结 本文提出UOWQ框架，通过渐近分析将多源迁移学习建模为参数估计问题，理论证明了合理调整权重时使用全部源样本最优，并通过实验验证了框架的有效性。
DR-LoRA：动态秩LoRA用于混合专家模型的微调
机构 * City University of Hong Kong（香港城市大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； University of Michigan（密歇根大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 DR-LoRA通过动态分配不同秩的LoRA模块，提升混合专家模型微调效果，实验表明其优于传统方法。
KARL：面向知识密集型视觉定位的知识感知推理与强化学习
机构 * University of Macau（澳门大学） ； Shandong University（山东大学） ； Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出KARL框架，通过知识引导的推理数据和强化学习方法，提升模型在知识密集型视觉定位任务中的表现，实现跨领域泛化能力的提升。
ExGes：基于音频驱动的 gesture 合成中的 expressive 人类运动检索与调节
机构 * Renmin University（中国人民大学） ； Kuaishou Technology（快手科技） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学）
AI总结 本文提出ExGes框架，通过运动库构建、运动检索模块和精度控制模块，提升音频驱动手势合成的表达性和与音频语义的一致性，实验表明其在Fréchet Gesture Distance和运动多样性上优于现有方法。
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