高校专区
AgentGL: 通过强化学习实现基于LLM的代理图学习
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）
AI总结 AgentGL通过强化学习框架实现图学习，结合图导航与LLM推理，提升复杂关系环境下的自主导航与推理能力，优于现有基线方法。
Comments ACL 2026 Main Conference
通过贝叶斯优化实现高效且原则性的科学发现：教程
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Haihe Laboratory of Sustainable Chemical Transformations（海河可持续化学转化实验室） ； Shanghai University（上海大学） ； University College London（伦敦大学学院）
AI总结 本文通过贝叶斯优化框架，系统阐述了如何通过自动化科学发现循环提升实验效率，涵盖催化、材料科学等领域的案例研究及技术扩展。
TransAgent：通过细粒度执行对齐增强基于LLM的代码翻译
机构 * Fudan University（复旦大学） ； Tsinghua University（清华大学）
AI总结 TransAgent通过细粒度执行对齐本地化错误代码块，提升LLM代码翻译的准确性与修复性能，优于现有方法33.3%和56.7%。
Comments Accepted by FSE'26
SVC 2026: 第二届多模态欺骗检测挑战赛及首个领域通用远程生理测量挑战
机构 * Wuhan University（武汉大学） ； Great Bay University（大湾区大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Sun Yat-sen University（中山大学） ； Hefei University of Technology（合肥工业大学） ； University of Barcelona（巴塞罗那大学）
AI总结 本文提出SVC 2026挑战赛，旨在通过多模态欺骗检测和远程脉搏波测速估计任务，推动对细微视觉信号的鲁棒表示学习研究。
Comments Accepted by the SVC workshop @ CVPR 2026
GaussianGrow：基于3D点云与文本引导的几何感知Gaussian生成
机构 * School of Software, Tsinghua University（清华大学软件学院） ； Kuaishou Technology（快手科技） ； CAIR and CIDSAI, NYU Abu Dhabi（纽约大学阿布扎比分校CAIR和CIDSAI）
AI总结 本文提出GaussianGrow，通过学习从3D点云中生长Gaussian，结合多视角扩散模型和文本引导，提升生成几何精度与质量。
Comments Accepted by CVPR 2026. Project page: https://weiqi-zhang.github.io/GaussianGrow
黑客还是幻觉？对基于LLM的自动化渗透测试的全面分析
机构 * School of Cyber Science and Engineering, Sichuan University（四川大学网络空间安全学院） ； Institute for Network Sciences and Cyberspace, Tsinghua University（清华大学网络科学与网络空间研究院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； National University of Singapore（新加坡国立大学） ； College of Electronic Engineering, National University of Defense Technology（国防科技大学电子工程学院） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院）
AI总结 本文对基于LLM的自动化渗透测试框架进行系统分析和大规模评估，揭示其架构设计和性能差异，为未来研究提供结构化分类和基准。
大语言模型能否重新发明基础算法？
机构 * Xiongan AI Institute（雄安人工智能研究院） ； Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） ； Shanghai Qi Zhi Institute（上海期智研究院） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 本文研究大语言模型能否在受控环境中重新发明基础算法，通过Unlearn-and-Reinvent流程验证模型在无提示、低提示和高提示下的表现，发现生成验证器在推理过程中起到关键作用。
高效机器遗忘与最小最大最优性
机构 * Institute of Statistics and Big Data, Renmin University of China（中国人民大学统计与大数据研究院） ； Department of Statistics, Rutgers University（罗格斯大学统计系） ； Department of Statistics and Data Science, Tsinghua University（清华大学统计与数据科学系）
AI总结 本文提出一种通用损失函数的机器遗忘统计框架，针对平方损失开发了Unlearning Least Squares方法，证明其在仅使用预训练估计器、遗忘样本和少量剩余样本时的最小最大最优性，并建立了无需全量重训练的推断程序。
并非所有智能体都重要：从全局注意力稀释到风险优先的游戏规划
机构 * School of Cyberspace Security, Southeast University（东南大学网络空间安全学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Vehicle and Mobility School, Tsinghua University（清华大学车辆与运载学院）
AI总结 本文提出风险优先游戏规划方法，通过GameAD框架提升自动驾驶轨迹安全性，实验表明其在复杂环境中表现更优。
Comments 14 pages, 5 figures
针对恶劣天气的分支路由用于鲁棒的激光雷达-雷达3D目标检测
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； College of Computer and Data Science, Fuzhou University（福州大学计算机与数据科学学院） ； Institute of Information Engineering, CAS（中国科学院信息工程研究所）
AI总结 本文提出一种基于天气条件的分支路由方法，通过动态调整模态偏好提升恶劣天气下3D目标检测的鲁棒性，实验表明其在K-Radar基准上达到最佳性能。
一个用于连续时间跳跃扩散控制的Actor-Critic框架
机构 * Yau Mathematical Sciences Center, Tsinghua University（清华大学丘成桐数学科学中心） ； Department of Mathematics, Tsinghua University（清华大学数学系） ； Department of Mathematics, University of California, Santa Barbara（加州大学圣塔芭芭拉分校数学系） ； Department of Statistics and Applied Probability, University of California, Santa Barbara（加州大学圣塔芭芭拉分校统计与应用概率系） ； Yanqi Lake Beijing Institute of Mathematical Sciences and Applications（北京雁栖湖应用数学研究院）
AI总结 本文提出一个无网格求解器，用于解决熵正则化控制问题和具有跳跃的随机博弈，通过时间非齐性小q函数和适当的职业测度，结合条件归一化流参数化Actor，实现灵活的非高斯策略，并在多个金融和博弈场景中验证了方法的有效性。
Comments 29 pages, 7 figures, 4 tables
VLA-InfoEntropy：一种无需训练的视觉-注意力信息熵方法，用于视觉-语言-动作模型的推理加速与成功
机构 * Ping An Technology (Shenzhen) Co., Ltd.（平安科技（深圳）有限公司） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 本文提出VLA-InfoEntropy方法，通过图像熵和注意力熵结合时间步信息，动态调整模型关注区域，减少冗余并提升推理效率。
Comments Accepted to the 2026 IEEE International Conference on Multimedia and Expo (ICME 2026)
Fast-dVLA：加速离散扩散VLA以实现实时性能
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； ShanghaiTech University（上海科技大学） ； Shanghai Institute of Technical Physics, CAS（中国科学院上海技术物理研究所） ； AIR, Tsinghua University（清华大学智能产业研究院） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学）
AI总结 本文提出一种方法，通过分离辅助任务训练目标，在参数空间中提升通用能力与任务特定动作分布，从而在减少计算开销的同时提高性能。
RL-VLA$^3$：一种灵活且异步的强化学习框架用于VLA训练
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； Tianjin University（天津大学） ； JDT AI Infra（京东科技AI基础设施） ； Swinburne University of Technology（斯威本科技大学）
AI总结 本文提出RL-VLA$^3$，一种异步强化学习框架，通过动态批调度和灵活环境分片策略，提升VLA训练效率，实验显示其在8至256GPU上均取得85.2%的吞吐量提升。
I2E: 从图像像素到可操作的交互环境：用于文本引导的图像编辑
机构 * Huazhong University of Science and Technology（华中科技大学） ； Kuaishou Technology（快手科技） ； Central China Normal University（华中师范大学） ； Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 I2E提出一种'分解-然后-行动'范式，通过分解器将无结构图像转换为可操作的对象层，并利用物理感知的视觉-语言-行动代理进行复杂指令解析，同时构建I2E-Bench基准测试集，实验表明其在处理复杂组合指令和保持物理合理性方面优于现有方法。
支持适应性特征程序在多样模型中的证据
机构 * Tsinghua University（清华大学）
AI总结 本文通过理论分析探讨神经网络优势，提出适应性特征程序并提供证据支持其在多种模型中的有效性。
ForgeryGPT: 一种多模态大语言模型用于可解释的图像伪造检测与定位
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 ForgeryGPT通过多模态大语言模型捕捉伪造图像的高阶取证知识关联，实现可解释的图像伪造检测与定位，提升检测精度和交互能力。
Comments 13 pages, 9 figures
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