Prism: Symbolic Superoptimization of Tensor Programs
Prism: 张量程序的符号超优化
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） ； Weizmann Institute of Science（魏茨曼科学研究院）
AI总结 Prism通过符号化层级表示实现张量程序的符号超优化，结合符号推理与自动调优，提升效率并减少优化时间。
高校专区
Tsinghua University（清华大学）
Beyond Visual Cues: Semantic-Driven Token Filtering and Expert Routing for Anytime Person ReID
超越视觉线索：基于语义的标记过滤和专家路由用于即时人物重识别
机构 * Tsinghua University（清华大学） ； Independent Researcher（独立研究者） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出STFER框架，利用大视觉-语言模型生成身份一致的文本，提升对服装变化和模态转换的鲁棒性，通过语义驱动的标记过滤和专家路由实现多场景鲁棒性，实验表明模型在AT-USTC数据集上达到最优性能。
Searching Meta Reasoning Skeleton to Guide LLM Reasoning
通过搜索元推理骨架来指导大语言模型推理
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Beijing Institute of Mathematical Sciences and Applications（北京数学科学与应用研究所） ； State Key laboratory of Space Network and Communications, Tsinghua University（清华大学空间网络与通信国家重点实验室）
AI总结 本文提出AutoMR框架，通过图表示搜索查询感知的元推理骨架，提升大语言模型推理性能。
AIM: Asymmetric Information Masking for Visual Question Answering Continual Learning
AIM：面向视觉问答持续学习的非对称信息掩码
机构 * Sun Yat-Sen University（中山大学） ； National Supercomputing Center in Shenzhen（深圳国家超算中心） ； Tsinghua University（清华大学）
AI总结 针对视觉问答持续学习中因模型结构不对称导致的灾难性遗忘问题，提出AIM方法，通过模态特定敏感性指导的针对性掩码平衡稳定性与可塑性，提升在VQA v2和GQA任务中的平均性能和平均遗忘度。
Comments 18 pages, 9 figures. Submitted to ACM MM 2026
SPAGBias: Uncovering and Tracing Structured Spatial Gender Bias in Large Language Models
SPAGBias：揭示和追踪大型语言模型中的结构化空间性别偏见
机构 * School of Information Science, Beijing Language and Culture University（北京语言大学信息科学学院） ； Libraries, Renmin University of China（中国人民大学图书馆） ； School of Humanities, Tsinghua University（清华大学人文学院） ； Shanghai University of Finance and Economics（上海财经大学） ； National Print Media Language Resources Monitoring & Research Center（国家印刷媒体语言资源监测与研究中心）
AI总结 本文提出SPAGBias框架，系统评估LLM中的空间性别偏见，通过62种城市微空间分类、提示库和三层诊断方法，揭示性别空间关联及偏见来源，扩展了偏见研究到空间领域。
Comments Accepted by ACL 2026
MARS$^2$: Scaling Multi-Agent Tree Search via Reinforcement Learning for Code Generation
MARS$^2$：通过强化学习提升多智能体树搜索用于代码生成
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Tsinghua University（清华大学）
AI总结 MARS$^2$通过多智能体协作与树搜索结合，提升强化学习在代码生成中的性能，实验表明其在多种模型和训练设置下均有效。
Comments Accepted by ACL 2026
Giving Faces Their Feelings Back: Explicit Emotion Control for Feedforward Single-Image 3D Head Avatars
赋予面孔情感：面向单图像3D头像的显式情绪控制
机构 * Nanjing University（南京大学） ； Microsoft Research Asia（微软亚洲研究院） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 本文提出一种显式情绪控制框架，通过双路径调节机制在不修改核心设计的情况下，将情绪作为独立控制信号注入单图像3D头像重建中，实现情绪与身份的解耦和可控情绪转移。
End-to-End Learning-based Operation of Integrated Energy Systems for Buildings and Data Centers
建筑与数据中心一体化能源系统的端到端学习操作
机构 * School of Automation Science and Engineering, Xi’an Jiaotong University（西安交通大学自动化科学与工程学院） ； College of Automation, Nanjing University of Posts and Telecommunications（南京邮电大学自动化学院） ； Center for Intelligent and Networked Systems, Department of Automation, Tsinghua University（清华大学自动化系智能与网络化系统中心）
AI总结 本文提出端到端学习方法优化建筑与数据中心一体化能源系统，通过回收数据中心废热提升能效，并在不确定性下实现运营优化。
Comments 7 pages, 4 figures
NuHF Claw: A Risk Constrained Cognitive Agent Framework for Human Centered Procedure Support in Digital Nuclear Control Rooms
NuHF Claw：一种面向数字核控制室的人本流程支持的风险约束认知代理框架
机构 * Institute of Nuclear and New Energy Technology, Tsinghua University（清华大学核能与新能源技术研究院） ； National Key Laboratory of Human Factors Engineering（人因工程国家重点实验室） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）
AI总结 本文提出NuHF Claw框架，通过风险约束代理运行时，将认知状态推断与概率安全评估结合，实现实时自主系统行为调控，提升核控制室操作安全性。
MemGround: Long-Term Memory Evaluation Kit for Large Language Models in Gamified Scenarios
MemGround：用于大型语言模型在游戏化场景中的长期记忆评估套件
机构 * Tsinghua University（清华大学） ； Renmin University of China（中国人民大学） ； CASIA
AI总结 MemGround通过游戏化交互场景评估LLM的长期记忆能力，提出三级框架和多维指标，揭示先进模型在动态跟踪和复杂推理上的不足。
Seek-and-Solve: Benchmarking MLLMs for Visual Clue-Driven Reasoning in Daily Scenarios
寻找并解决：用于日常场景中视觉线索驱动推理的MLLMs基准测试
机构 * Dalian University of Technology（大连理工大学） ； WeChat, Tencent Inc.（微信，腾讯公司） ； Tsinghua University（清华大学）
AI总结 本文提出DailyClue基准测试，旨在评估MLLMs在日常场景中通过视觉线索进行推理的能力，强调真实日常活动和挑战性查询设计，推动模型深入理解与推理。
Comments Accepted by ACL Findings 2026. Project page: https://xiaominli1020.github.io/DailyClue/
IF-RewardBench: Benchmarking Judge Models for Instruction-Following Evaluation
IF-RewardBench：用于指令遵循评估的评判模型基准测试
机构 * The Conversational Artificial Intelligence (CoAI) Group, Tsinghua University（清华大学对话人工智能（CoAI）小组） ； Zhipu AI（智谱AI） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 本文提出IF-RewardBench，一个全面的指令遵循元评估基准，通过构建偏好图评估评判模型的排序能力，揭示现有模型缺陷，并展示其在下游任务中的更强相关性。
Comments ACL 2026
Beyond Literal Mapping: Benchmarking and Improving Non-Literal Translation Evaluation
超越字面映射：非字面翻译评估的基准测试与改进
机构 * 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） ； Zhipu AI（智谱AI） ； The Knowledge Engineering Group (KEG), Tsinghua University（清华大学知识工程组） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院）
AI总结 本文提出RATE框架，通过反思核心代理动态调用专用子代理，提升非字面翻译评估的准确性，实验显示其在系统和段级相关性上比现有方法提高至少3.2分。
Comments Accepted to ACL 2026 Main Conference
AgentIAD: Agentic Industrial Anomaly Detection via Adaptive Memory Augmentation
AgentIAD: 通过自适应记忆增强的代理工业异常检测
机构 * AIR, Tsinghua University（清华大学AIR） ； Etude AI ； Stony Brook University（石溪大学）
AI总结 本文提出AgentIAD框架，通过统一的动作空间实现迭代工业检测，利用视觉记忆和检索记忆进行多轮感知-行动推理，提升异常检测准确性和可解释性。
Prompt-R1: Collaborative Automatic Prompting Framework via End-to-end Reinforcement Learning
Prompt-R1: 通过端到端强化学习实现的协作自动提示框架
机构 * Hainan University（海南大学） ； Nanyang Technological University（南洋理工大学） ； Hithink Research（慧思研究） ； HKUST (Guangzhou)（香港科技大学（广州）） ； IDEA Research（IDEA研究院） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； Nanjing University of Science and Technology（南京理工大学）
AI总结 本文提出Prompt-R1框架，通过小规模LLM与大规模LLM协作，利用强化学习提升复杂问题解决能力，实验表明其在多个数据集上表现优异。
IF-CRITIC: Towards a Fine-Grained LLM Critic for Instruction-Following Evaluation
IF-CRITIC：面向指令遵循评估的细粒度LLM批评者
机构 * The Conversational Artificial Intelligence (CoAI) Group, Tsinghua University（清华大学对话人工智能（CoAI）小组） ； Zhipu AI（智谱AI） ； University of Electronic Science and Technology of China（电子科技大学） ； The Knowledge Engineering Group (KEG), Tsinghua University（清华大学知识工程小组（KEG））
AI总结 本文提出IF-CRITIC，通过细粒度、高效且可靠的评估方法提升LLM指令遵循能力，采用检查清单生成器和约束级偏好优化训练模型，实验表明其优于现有基线模型。
Comments ACL 2026
DeepPrune: Parallel Scaling without Inter-trace Redundancy
DeepPrune: 无需跨轨迹冗余的并行扩展
机构 * Tsinghua University（清华大学） ； ShanghaiTech University（上海科技大学）
AI总结 本文提出DeepPrune框架，通过动态剪枝解决并行推理中的冗余问题，实现65.73%-88.50%的token减少，保持高精度。
Comments Accepted by ACL 2026 Findings, please check out the project page: https://deepprune.github.io/
LayerScope: Predictive Cross-Layer Scheduling for Efficient Multi-Batch MoE Inference on Legacy Servers
LayerScope：面向传统服务器的高效多批MoE推断的预测跨层调度
机构 * National University of Defense Technology（国防科技大学） ； Tsinghua University（清华大学）
AI总结 LayerScope通过预测驱动的专家调度系统，解决MoE模型在传统服务器上部署时的内存和PCIe延迟瓶颈问题，提升吞吐量和降低延迟。
Comments publishing in ICS 2026
EEGDM: Learning EEG Representation with Latent Diffusion Model
EEGDM: 通过潜在扩散模型学习EEG表示
机构 * Tsinghua University（清华大学） ； Tianjin University（天津大学）
AI总结 EEGDM提出一种基于潜在扩散模型的自监督框架，通过生成EEG信号来捕捉全局动态和长程依赖，实现高质量的EEG信号重建和鲁棒表示学习。
