高校专区
UniT：迈向人类到人形机器人政策学习和世界建模的统一物理语言
机构 * XPENG Robotics（小鹏机器人） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学）
AI总结 UniT通过三分支交叉重建机制建立统一物理语言，实现人类到人形机器人的跨身体迁移，提升政策学习和世界建模的效率与鲁棒性。
Comments Project page: https://xpeng-robotics.github.io/unit/
CoInteract：通过空间结构化共生成实现物理一致的人-物体交互视频合成
机构 * Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团）
AI总结 CoInteract通过空间结构化共生成方法，在人-物体交互视频合成中提升结构稳定性与物理合理性，采用扩散变换器框架结合人类感知混合专家和双流训练策略，实现更真实的交互效果。
Comments The project page: https://xinxiaozhe12345.github.io/CoInteract_Project/
HarmoniDiff-RS：无训练扩散谐调用于卫星图像合成
机构 * The University of Sheffield（谢菲尔德大学） ； Tsinghua University（清华大学）
AI总结 本文提出HarmoniDiff-RS，一种无训练的扩散框架，用于在不同领域条件下谐调合成卫星图像。通过潜在均值偏移操作对齐源域和目标域，结合时间步的潜在融合策略生成候选合成图像，并利用轻量级和谐分类器选择最一致的结果。
Comments 8 pages, 6 figures, CVPR 2026 findings. Code is available at https://github.com/XiaoqiZhuang/HarmoniDiff-RS
MESA：一种无需训练的多示例深度框架，用于恢复古代铭文纹理
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of Ioannina（伊奥安纳大学） ； Inria Paris-Rocquencourt（巴黎-罗克琴堡研究所） ； Rajiv Gandhi University（拉朱·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒尔研究实验室）
AI总结 MESA通过多示例和风格感知方法，利用保存良好的铭文示例指导损坏文本的重建，通过编码VGG19卷积特征为Gram矩阵捕捉纹理和笔画结构，并结合OCR估计的字符宽度优化滤波器尺度，实现高效修复。
SMART-Ship：一个综合的同步多模对齐遥感目标数据集和基准，用于靠泊船舶分析
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院）
AI总结 本文提出SMART-Ship数据集，包含多模遥感图像，用于靠泊船舶分析，通过精细标注支持多模遥感任务，并评估了代表性方法。
Diff-SBSR: 学习多模态特征增强的扩散模型用于零样本素描基础3D形状检索
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 本文提出利用文本到图像扩散模型解决零样本素描基础3D形状检索问题，通过多模态特征增强策略提升语义上下文捕捉能力，实验表明方法在公开基准上优于现有技术。
HoWToBench: LLM在人类水平写作能力的综合评估方法：写作树
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 本文提出Tree-of-Writing方法，通过树状流程结构评估LLM写作能力，构建包含12类文体和1302条指令的中文写作基准，实现与人类判断的高相关性。
Comments 49 pages, 6 figures, 19 tables, ACL 2026 main
HELM：增强型长时程记忆用于视觉-语言-动作操控
机构 * Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） ； Bengbu University（Bengbu大学）
AI总结 HELM通过解决记忆、验证和恢复三大缺陷，提升长时程视觉-语言-动作任务性能，其核心贡献是学习的State Verifier在任务成功率上显著优于传统方法。
Comments 9 pages, 2 figures
ARGUS：通过数据流不变量指导的代理GPU优化
机构 * CausalFlow Inc.（CausalFlow公司） ； HKUST（香港科技大学） ； Tsinghua University（清华大学） ； Stanford University（斯坦福大学） ； UCAS ； UC Riverside（UC河滨分校）
AI总结 ARGUS通过数据流不变量指导代理生成高效GPU内核，解决传统代理在关键计算任务中的性能不足问题，实现接近人工优化的性能和广泛的任务泛化能力。
MASS-RAG：多代理合成检索增强生成
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） ； Department of Mathematical Sciences, Tsinghua University（清华大学数学科学系）
AI总结 MASS-RAG通过多代理结构处理证据，提升检索增强生成在噪声、不完整或异质证据下的表现，实验显示其在相关证据分散于检索结果时性能更优。
Comments ACL 2026 Findings, 19 pages
IncreFA: 破解生成模型归因的静态壁垒
机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Tsinghua University（清华大学）
AI总结 IncreFA将归因重新定义为结构化增量学习问题，通过层级约束和潜在记忆库机制，在28个生成模型上实现最先进的归因准确率和未见检测率。
Comments Accepted to CVPR 2026, with appendix
不止是部分之和：解码多模态仇恨言论检测中的意图转变
机构 * Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 本文提出H-VLI基准和ARCADE框架，通过模拟法庭辩论解码多模态仇恨言论中的隐含意图转变，提升检测性能。
从逐字到概要：基于语义信息瓶颈的金字塔多模态记忆压缩用于长视界视频智能体
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳校区） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出MM-Mem架构，通过金字塔多模态记忆压缩，结合语义信息瓶颈目标，实现长视界视频理解中的高效记忆组织与任务相关信息保留。
Comments Accepted by ACL 2026 Main. 17 pages, 7 figures, 8 tables. TL;DR: We propose MM-Mem, a cognition-inspired, dual-trace hierarchical memory framework for long-horizon video understanding grounded in Fuzzy-Trace Theory. It features adaptive memory compression via the Information Bottleneck and employs an entropy-driven top-down retrieval to access fine-grained details only when necessary
FaithLens：检测并解释忠实性幻觉
机构 * Tsinghua University（清华大学） ； DeepLang AI ； Fudan University（复旦大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学香槟分校） ； Peking University（北京大学）
AI总结 本文提出FaithLens模型，通过合成训练数据和规则强化学习，有效检测并解释大语言模型中的忠实性幻觉，优于GPT-5.2和o3模型，提升可信度与效率。
Comments ACL 2026 (Findings)
StepFly: 用于事件诊断的代理自动化故障排查指南
机构 * Tsinghua University（清华大学） ； Microsoft（微软） ； Microsoft Research（微软研究院） ； Renmin University of China（中国人民大学）
AI总结 StepFly通过三阶段框架实现故障排查指南自动化，提升TSG质量并支持并行执行，实测在GPT-4.1上达到94%的成功率。
通过基于群体的轮询缓解大语言模型中的判断偏好偏差
机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院，中国沈阳） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系，中国北京） ； Software College, Northeastern University, Shenyang, China（东北大学软件学院，中国沈阳） ； Huawei, China（华为，中国）
AI总结 本文提出Genii框架，通过多智能体协作优化缓解LLM判断偏好偏差，无需人工标注数据，提升评估性能。
没有计划的愿望只是愿望：为长周期智能体任务高效且有效的全局规划器训练
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； DeepLang AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出EAGLET方法，通过两步流程训练高效规划器，提升智能体规划能力，实验显示其在长周期任务中优于现有方法，且训练成本降低8倍。
Comments ACL 2026
FluentAvatar: 通过音素引导的自回归建模实现无闪烁的说话头动画
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Pengcheng Laboratory（鹏城实验室）
AI总结 本文提出FluentAvatar，通过音素引导的自回归模型解决现有扩散模型中帧间闪烁问题，实现了高质量的说话头动画生成。
通过解码时贡献稀疏性加速预填
机构 * Microsoft Research（微软研究院） ； Tsinghua University（清华大学）
AI总结 本文提出TriangleMix方法，利用解码时贡献稀疏性减少注意力计算开销，实现显著加速，同时与动态稀疏方法结合进一步提升性能。
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