Tsinghua University（清华大学）

Meta-CoT: Enhancing Granularity and Generalization in Image Editing

Meta-CoT：提升图像编辑的粒度与泛化能力

Shiyi Zhang, Yiji Cheng, Tiankai Hang, Zijin Yin, Runze He, Yu Xu, Wenxun Dai, Yunlong Lin, Chunyu Wang, Qinglin Lu, Yansong Tang

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Hunyuan, Tencent（腾讯 Hunyuan） 纠错

AI总结 Meta-CoT通过双重分解提升图像编辑的粒度和泛化能力，通过任务-目标-理解能力三元组分解和五元基本元任务训练策略，显著提高编辑性能。

Comments Accepted by CVPR2026, Project Page: https://shiyi-zh0408.github.io/projectpages/Meta-CoT/

Towards Lawful Autonomous Driving: Deriving Scenario-Aware Driving Requirements from Traffic Laws and Regulations

迈向合法自动驾驶：从交通法规中推导场景感知的驾驶要求

Bowen Jian, Rongjie Yu, Hong Wang, Liqiang Wang, Zihang Zou

机构 * College of Transportation, Tongji University（同济大学交通运输学院） ； The Key Laboratory of Road and Traffic Engineering, Ministry of Education（教育部道路与交通工程重点实验室） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动性学院） ； College of Computer Science, University of Central Florida（佛罗里达中央大学计算机科学学院） ； Optixway AI 纠错

AI总结 本文提出一种基于交通场景分类的新型方法，利用大语言模型推导法律要求，提升自动驾驶系统的合规性与准确性。

RACANet: Reliability-Aware Crowd Anchor Network for RGB-T Crowd Counting

RACANet：面向RGB-T人群计数的可靠性感知人群锚网络

Jinghao Shi, Mengqi Lei, Kunliang He, Yun Li, Wei Bao, Siqi Li

机构 * School of Computer Science, China University of Geosciences, Wuhan（中国地质大学（武汉）计算机科学学院） ； School of Software, Tsinghua University（清华大学软件学院） 纠错

AI总结 本文提出RACANet，通过两阶段融合框架解决RGB-T人群计数中跨模态融合的可靠性建模问题，引入轻量级预训练和局部锚点融合模块，提升计数精度与可解释性。

EXACT: an explainable anomaly-aware vision foundation model for analysis of 3D chest CT

EXACT：一种可解释的异常感知视觉基础模型，用于3D胸部CT分析

Xuguang Bai, Mingxuan Liu, Tongxi Song, Yifei Chen, Hongjia Yang, Kasidit Anmahapong, Zihan Li, Ying Zhou, Qiyuan Tian

机构 * School of Biomedical Engineering, Tsinghua University（清华大学生物医学工程学院） ； Department of Radiology, Mianyang Central Hospital（绵阳市中心医院放射科） ； Center for Biomedical Imaging Research, Tsinghua University（清华大学生物医学成像研究中心） 纠错

AI总结 EXACT通过学习空间解析表示，提升3D胸部CT的异常检测与可解释性，优于现有医学基础模型，适用于多疾病诊断和报告生成。

Quantum Knowledge Graph: Modeling Context-Dependent Triplet Validity

量子知识图谱：建模依赖上下文的三元组有效性

Yao Wang, Zixu Geng, Jun Yan

机构 * HKAI-Sci, City University of Hong Kong（香港城市大学HKAI-Sci） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Pratt School of Engineering, Duke University（德克萨斯大学达拉斯分校普拉特工程学院） 纠错

AI总结 本文提出量子知识图谱(QKG)，通过将三元组有效性建模为上下文特定函数，提升医疗问答中事实适用性的判断，实验表明QKG在结合上下文匹配时显著提升验证效果。

Comments 15 pages main text, 6 pages appendix, 5 figures, preprint

From Noisy Historical Maps to Time-Series Oil Palm Mapping Without Annotation in Malaysia and Indonesia (2020-2024)

从嘈杂的历史地图到无需标注的时间序列油棕映射：马来西亚和印度尼西亚（2020-2024）

Nuttaset Kuapanich, Juepeng Zheng, Bohan Shi, Jiaying Liu, Jiayin Jiang, Jiatao Huang, Shenghan Tan, Qingmei Li, Haohuan Fu

机构 * School of Artificial Intelligence, Sun Yat-Sen University, Zhuhai, China.（中山大学人工智能学院，中国珠海） ； National Supercomputing Center in Shenzhen, Shenzhen, China.（深圳国家超算中心，中国深圳） ； Khoury College of Computer Sciences, Northeastern University, Boston, United States of America.（东北大学计算机科学学院，美国波士顿） ； Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, China.（清华大学深圳国际研究生院，中国深圳） 纠错

AI总结 本文提出利用哨兵-2影像生成高分辨率油棕种植园地图，通过优化的U-Net架构和DMI算法，在无需人工标注的情况下，实现了2020至2024年马来西亚和印度尼西亚的高精度监测。

LLMs Reading the Rhythms of Daily Life: Aligned Understanding for Behavior Prediction and Generation

LLMs阅读日常生活节奏：行为预测与生成的对齐理解

Fanjin Meng, Jingtao Ding, Nian Li, Yizhou Sun, Yong Li

机构 * Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，BNRist，清华大学） 纠错

AI总结 本文提出BUA框架，通过结构化课程学习将LLMs融入人类行为建模，提升行为预测与生成能力，实验证明其在复杂行为建模中的有效性。

NI Sampling: Accelerating Discrete Diffusion Sampling by Token Order Optimization

基于令牌顺序优化的NI采样：通过令牌顺序优化加速离散扩散采样

Enshu Liu, Xuefei Ning, Yu Wang, Zinan Lin

机构 * Department of EE, Tsinghua University（清华大学电子工程系） ； Microsoft Research（微软研究院） 纠错

AI总结 本文提出NI采样方法，通过优化令牌采样顺序显著提升离散扩散模型的采样效率，实验表明在保持准确性的同时，加速效果达14.3倍。

Comments Accepted by ICLR 2026

Generative Control as Optimization: Time Unconditional Flow Matching for Adaptive and Robust Robotic Control

生成控制作为优化：用于自适应和鲁棒机器人控制的时间无条件流匹配

Zunzhe Zhang, Runhan Huang, Yicheng Liu, Shaoting Zhu, Linzhan Mou, Hang Zhao

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China（清华大学交叉信息研究院） ； Department of Computer Science, Princeton University, New Jersey, US（普林斯顿大学计算机科学系） ； Galaxea Inc., Beijing, China（Galaxea公司） 纠错

AI总结 GeCO通过将动作合成转化为迭代优化，解决了传统流匹配在状态复杂度上计算效率低的问题，实现了自适应的计算分配和无监督的安全检测。

Comments 18 pages, 6 figures

Aegis: Automated Error Generation and Attribution for Multi-Agent Systems

Aegis：多智能体系统的自动化错误生成与归因

Fanqi Kong, Ruijie Zhang, Huaxiao Yin, Guibin Zhang, Xiaofei Zhang, Ziang Chen, Zhaowei Zhang, Xiaoyuan Zhang, Song-Chun Zhu, Xue Feng

机构 * Peking University Beijing Institute of General Artificial Intelligence（北京大学北京通用人工智能研究院） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 本文提出Aegis框架，通过自动化生成大规模多智能体系统错误数据，提升错误归因能力，实验表明其模型性能可与专有模型媲美。

Exploring the Secondary Risks of Large Language Models

探索大型语言模型的二次风险

Jiawei Chen, Zhengwei Fang, Yu Tian, Jiawei Du, Chao Yu, Zhaoxia Yin, Hang Su

机构 * Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学） ； Beijing Zhongguancun Academy（北京中关村学院） ； Department of Computer Science and Technology, THBI Lab, Tsinghua University（计算机科学与技术系，清华大学THBI实验室） ； CFAR, A*STAR, Singapore（新加坡A*STAR CFAR） 纠错

AI总结 本文提出二次风险作为新型失败模式，通过SecLens框架系统评估，揭示了大型语言模型在良性交互中存在广泛且转移性强的有害行为，强调需加强安全机制。

Comments 18 pages, 5 figures

V-GRPO: Online Reinforcement Learning for Denoising Generative Models Is Easier than You Think

V-GRPO：去噪生成模型的在线强化学习比你想象的更容易

Bingda Tang, Yuhui Zhang, Xiaohan Wang, Jiayuan Mao, Ludwig Schmidt, Serena Yeung-Levy

机构 * Stanford University（斯坦福大学） ； Tsinghua University（清华大学） ； Amazon FAR（亚马逊FAR） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出V-GRPO方法，通过结合ELBO近似与GRPO算法，实现稳定高效的去噪生成模型在线强化学习，优于传统MDP方法，在文本到图像合成中取得最佳性能。

Learning Curves and Benign Overfitting of Spectral Algorithms in Large Dimensions

谱算法在高维空间中的学习曲线与良性过拟合

Weihao Lu, Qian Lin, Yingcun Xia, Dongming Huang

机构 * Department of Statistics and Data Science, National University of Singapore（新加坡国立大学统计与数据科学系） ； Department of Statistics and Data Science, Tsinghua University（清华大学统计与数据科学系） 纠错

AI总结 本文研究了高维环境下谱算法的学习曲线和良性过拟合现象，揭示了在不同正则化条件下学习曲线的三阶段特性，并展示了在特定光滑性条件下良性过拟合的出现。

AnalogRetriever: Learning Cross-Modal Representations for Analog Circuit Retrieval

AnalogRetriever: 为模拟电路检索学习跨模态表示

Yihan Wang, Lei Li, Yao Lai, Jing Wang, Yan Lu

机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； University of Cambridge（剑桥大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） 纠错

AI总结 本文提出AnalogRetriever，通过构建高质量数据集和三模态检索框架，实现跨模态的模拟电路检索，实验表明其在六个方向上的Recall@1达到75.2%，显著优于现有方法。

Comments 10 pages, 7 figures. Yihan Wang and Lei Li contributed equally to this paper

h-MINT: Modeling Pocket-Ligand Binding with Hierarchical Molecular Interaction Network

h-MINT：基于分层分子相互作用网络的口袋-配体结合建模

Yanru Qu, Yijie Zhang, Wenjuan Tan, Xiangzhe Kong, Xiangxin Zhou, Chaoran Cheng, Mathieu Blanchette, Jiaxuan You, Ge Liu

机构 * Department of Computer Science, UIUC（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； DOE Center for Advanced Bioenergy and Bioproducts Innovation, UIUC（美国能源部先进生物能源与生物产品创新中心，伊利诺伊大学厄巴纳-香槟分校） ； School of Computer Science, McGill University（麦吉尔大学计算机科学系） ； MILA-Québec AI Institute（魁北克AI研究所） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究 institute） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

AI总结 本文提出h-MINT模型，通过重叠BPE分词和分层分子相互作用网络，改进分子表示以提升结合亲和力预测和虚拟筛选性能。

Federated Cross-Modal Retrieval with Missing Modalities via Semantic Routing and Adapter Personalization

联邦跨模态检索与缺失模态的语义路由和适配器个性化

Hefeng Zhou, Xuan Liu, Sicheng Chen, Wutong Zhang, Wu Yan, Jiong Lou, Chentao Wu, Guangtao Xue, Wei Zhao, Jie Li

机构 * Institute for Clarity in Documentation（清晰文档研究所） ； Inria Paris-Rocquencourt（巴黎-鲁克桑克鲁特研究所） ； Rajiv Gandhi University（拉吉夫·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕尔默研究实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Hohai University（河海大学） ； Shaanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出RCSR框架，通过语义路由和适配器个性化解决联邦跨模态检索中异构数据和缺失模态的问题，提升全局检索准确性和训练稳定性。

MTServe: Efficient Serving for Generative Recommendation Models with Hierarchical Caches

MTServe: 生成推荐模型高效服务的分层缓存系统

Xin Wang, Chi Ma, Shaobin Chen, Pu Wang, Menglei Zhou, Junyi Qiu, Qiaorui Chen, Jiayu Sun, Shijie Liu, Zehuan Wang, Lei Yu, Chuan Liu, Fei Jiang, Wei Lin, Hao Wang, Jiawei Jiang, Xiao Yan

机构 * Institute for Clarity in Documentation（清晰文档研究所） ； Inria Paris-Rocquencourt（巴黎-罗quant研究所） ； Rajiv Gandhi University（拉吉夫·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒实验室） 纠错

AI总结 MTServe通过分层缓存管理减少生成推荐模型的推理开销，利用主机内存扩展GPU内存，结合异步数据传输和局部性驱动替换策略，在保持高命中率的同时实现3.1倍加速。

A Digital Pathology Resource for Liver Cancer Quantification with Datasets, Benchmarks, and Tools

用于肝癌定量的数字病理资源：包含数据集、基准和工具

Ying Xiao, Shimiao Tang, Xitong Ling, Weiming Chen, Jun Wang, Jiawen Li, Huaitian Yuan, Jianghui Yang, Bowen Li, Huan Li, Yiting Meng, Tian Guan, Yonghong He, Hongfang Yin

机构 * Department of Pathology, Beijing Tsinghua Changgung Hospital, School of Clinical Medicine, Tsinghua Medicine, Tsinghua University, Beijing, China（北京清华长庚医院病理科，临床医学学院，清华大学医学院，清华大学，北京，中国） ； Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（深圳国际研究生院，清华大学，深圳，中国） 纠错

AI总结 本文提出HepatoBench数据集及HepatoQuant工具，解决肝癌细粒度组织成分识别难题，提供统一的定量分析流程。

KARL: Mitigating Hallucinations in LLMs via Knowledge-Boundary-Aware Reinforcement Learning

KARL：通过知识边界感知强化学习缓解大语言模型的幻觉

Cheng Gao, Cheng Huang, Kangyang Luo, Ziqing Qiao, Shuzheng Si, Huimin Chen, Chaojun Xiao, Maosong Sun

机构 * Tsinghua University（清华大学） 纠错

AI总结 KARL通过知识边界感知强化学习框架，动态调整大语言模型的回避行为，有效抑制幻觉并保持高精度。

Comments 21 pages, 8 figures

Thinking with Reasoning Skills: Fewer Tokens, More Accuracy

通过推理技能思考：更少的标记，更高的准确性

Guangxiang Zhao, Qilong Shi, Xusen Xiao, Xiangzheng Zhang, Tong Yang, Lin Sun

机构 * Qiyuan Tech（启元科技） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） 纠错

AI总结 本文提出通过存储和检索推理技能来减少推理标记并提升性能，适用于编码和数学推理任务。

Comments 10 pages, The 64th Annual Meeting of the Association for Computational Linguistics -- Industry Track

Anonymization-Enhanced Privacy Protection for Mobile GUI Agents: Available but Invisible

增强隐私保护的移动GUI代理：可用但不可见

Lepeng Zhao, Zhenhua Zou, Shuo Li, Zhuotao Liu

机构 * Tsinghua University（清华大学） 纠错

AI总结 本文提出一种基于匿名化的隐私保护框架，通过检测敏感UI内容并替换为非识别性占位符，实现敏感信息在任务执行中可用但不可见，减少隐私泄露同时保持代理的无缝使用。

Comments 15 pages, 4 figures

Beyond Experience Retrieval: Learning to Generate Utility-Optimized Structured Experience for Frozen LLMs

超越经验检索：学习生成优化的结构化经验以冻结LLM

Xuancheng Li, Haitao Li, Yujia Zhou, Yiqun Liu, Qingyao Ai

机构 * Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系，北京，中国） ； Quancheng Laboratory（千晨实验室） 纠错

AI总结 本文提出SEAM模块，通过单次前向传递生成实例定制的经验条目，优化冻结LLM的执行效率，实验显示在数学推理基准上准确率提升显著。

Scoring, Reasoning, and Selecting the Best! Ensembling Large Language Models via a Peer-Review Process

评分、推理与选择最佳！通过同行评审过程进行大型语言模型的集成

Zhijun Chen, Zeyu Ji, Qianren Mao, Hao Wu, Jinhuan Song, Junhang Cheng, Bangjie Qin, Zhuoran Li, Jingzheng Li, Kai Sun, Zizhe Wang, Yikun Ban, Zhu Sun, Xiangyang Ji, Hailong Sun

机构 * Beihang University, Beijing, China（北京航空航天大学） ； Zhongguancun Laboratory, Beijing, China（中关村实验室） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Xi'an Jiaotong University, Xi'an, China（西安交通大学） ； Tsinghua University, Beijing, China（清华大学） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

AI总结 本文提出LLM-PeerReview方法，通过同行评审机制集成多个大型语言模型，提升响应质量。实验显示其在多个数据集上优于Smoothie-Global，适用于事实性问答、数学推理等任务。

InfiniPipe: Elastic Pipeline Parallelism for Efficient Variable-Length Long-Context LLM Training

InfiniPipe：弹性流水线并行用于高效可变长度长上下文LLM训练

Shiju Wang, Yujie Wang, Ao Sun, Fangcheng Fu, Zijian Zhu, Bin Cui, Xu Han, Kaisheng Ma

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 本文提出弹性流水线并行和阶段感知切片级自适应检查点，以应对资源和工作负载异质性，实验证明InfiniPipe比现有系统快1.69倍。

ConsDreamer: Advancing Multi-View Consistency for Zero-Shot Text-to-3D Generation

ConsDreamer：推进多视图一致性以实现零样本文本到3D生成

Yuan Zhou, Shilong Jin, Litao Hua, Wanjun Lv, Haoran Duan, Jungong Han

机构 * School of Artificial Intelligence, Nanjing University of Information Science and Technology（南京信息工程大学人工智能学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Lenovo（联想） 纠错

AI总结 ConsDreamer通过消除视图偏差和几何一致性约束，解决多面Janus问题，提升零样本文本到3D生成的多视图一致性。

Comments Accepted by IEEE Transactions on Image Processing, Code is available at: https://github.com/GAInuist/ConsDreamer

NVILA: Efficient Frontier Visual Language Models

NVILA：高效的前沿视觉语言模型

Zhijian Liu, Ligeng Zhu, Baifeng Shi, Zhuoyang Zhang, Yuming Lou, Shang Yang, Haocheng Xi, Shiyi Cao, Yuxian Gu, Dacheng Li, Xiuyu Li, Yunhao Fang, Yukang Chen, Cheng-Yu Hsieh, De-An Huang, An-Chieh Cheng, Vishwesh Nath, Jinyi Hu, Sifei Liu, Ranjay Krishna, Daguang Xu, Xiaolong Wang, Pavlo Molchanov, Jan Kautz, Hongxu Yin, Song Han, Yao Lu

机构 * NVIDIA ； MIT（麻省理工学院） ； UC Berkeley（加州大学伯克利分校） ； UC San Diego（加州大学圣地亚哥分校） ； University of Washington（华盛顿大学） ； Tsinghua University（清华大学） 纠错

AI总结 NVILA通过'缩放后再压缩'方法提升效率与准确性，降低训练和推理成本，适用于高分辨率图像和长视频处理。

Comments CVPR 2025. Project page: https://z-lab.ai/projects/nvila/

AWQ: Activation-aware Weight Quantization for LLM Compression and Acceleration

AWQ：基于激活的权重量化用于LLM压缩与加速

Ji Lin, Jiaming Tang, Haotian Tang, Shang Yang, Wei-Ming Chen, Wei-Chen Wang, Guangxuan Xiao, Xingyu Dang, Chuang Gan, Song Han

机构 * MIT（麻省理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； NVIDIA（英伟达） ； Tsinghua University（清华大学） ； UMass Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

AI总结 本文提出AWQ方法，通过识别重要权重通道减少量化误差，实现低比特权重量化，提升LLM的压缩与加速性能，并在多个基准测试中表现优异。

Comments MLSys 2024 Best Paper Award. Code available at: https://github.com/mit-han-lab/llm-awq

Seer: Language Instructed Video Prediction with Latent Diffusion Models

Seer：基于潜在扩散模型的语言指导视频预测

Xianfan Gu, Chuan Wen, Weirui Ye, Jiaming Song, Yang Gao

机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； IIIS, Tsinghua University（清华大学人工智能研究院） ； Shanghai AI Lab（上海人工智能实验室） ； NVIDIA 纠错

AI总结 Seer通过扩展预训练文本到图像扩散模型的时间轴，提出高效模型以实现文本条件视频预测，提升机器人未来预测能力，实验表明其在多个数据集上性能优越。

Comments 31 pages, 24 figures