BAMI: Training-Free Bias Mitigation in GUI Grounding
BAMI：无需训练的GUI定位偏差缓解
机构 * Tsinghua University, China（清华大学，中国） ； Lenovo Research, China（联想研究院，中国）
AI总结 本文提出BAMI方法，通过粗到细聚焦和候选选择缓解GUI定位中的精度偏差和歧义偏差，提升模型在无训练设置下的准确性。
Comments Accepted by CVPR 2026
高校专区
Tsinghua University（清华大学）
Relit-LiVE: Relight Video by Jointly Learning Environment Video
Relit-LiVE: 通过联合学习环境视频实现视频照明
机构 * Nanjing University（南京大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Huazhong University of Science and Technology（华中科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 Relit-LiVE通过引入原始参考图像和环境视频预测方法，实现了无需相机姿态先验知识的物理一致视频照明，提升了真实场景下的照明效果和时间稳定性。
Comments Accepted at SIGGRAPH 2026. Project site: https://github.com/zhuxing0/Relit-LiVE
Agentic AIs Are the Missing Paradigm for Out-of-Distribution Generalization in Foundation Models
代理AI是基础模型在分布外泛化中的缺失范式
机构 * Tsinghua University（清华大学）
AI总结 本文提出代理系统是解决基础模型分布外泛化问题的必要范式，通过四个步骤论证代理系统在结构上超越了传统模型中心范式，提出了参数覆盖上限的理论，并反驳了七项反论点。
Comments 13 pages, 2 figures
OA-WAM: Object-Addressable World Action Model for Robust Robot Manipulation
OA-WAM：面向鲁棒机器人操作的对象可寻址世界动作模型
机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学）
AI总结 OA-WAM通过分解帧为N+1槽状态，结合文本、图像和动作历史，提升机器人操作的鲁棒性，其可寻址对象状态在场景扰动下表现更优。
SparseForge: Efficient Semi-Structured LLM Sparsification via Annealing of Hessian-Guided Soft-Mask
SparseForge：通过Hessian引导的软掩码退火实现高效的半结构化LLM稀疏化
机构 * Tsinghua University（清华大学）
AI总结 SparseForge通过优化稀疏掩码而非扩大重训练token数量，实现高效的半结构化LLM稀疏化，提升稀疏恢复效率，实验显示其在准确率与效率的权衡上优于现有方法。
Teaching Thinking Models to Reason with Tools: A Full-Pipeline Recipe for Tool-Integrated Reasoning
教授思考模型进行工具推理：一种完整的全管道配方用于工具集成推理
机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出一种全管道配方，通过注入自然工具使用行为提升强思考模型的工具集成推理能力，同时保持文本推理能力，展示在Qwen3模型上取得最佳性能。
Perceive, Route and Modulate: Dynamic Pattern Recalibration for Time Series Forecasting
感知、路由与调制：时间序列预测中的动态模式再校准
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； Squirrel Ai Learning
AI总结 本文提出动态模式再校准（DPR），通过轻量级'感知-路由-调制'流程，实现时间序列预测中动态模式的自适应调整，提升模型对局部动态变化的响应能力。
Comments 22 pages, 6 figures. Preprint
CKT-WAM: Parameter-Efficient Context Knowledge Transfer Between World Action Models
CKT-WAM: 在世界动作模型之间高效传递上下文知识
机构 * Tsinghua University（清华大学） ； LivsynRobotics ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 CKT-WAM通过文本嵌入空间中的紧凑上下文传递教师WAM知识，提升零样本泛化能力，在LIBERO-Plus上达到86.1%的成功率，且在现实任务中表现出色。
Revisiting Uncertainty: On Evidential Learning for Partially Relevant Video Retrieval
重新审视不确定性：关于部分相关视频检索的证据学习
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院，清华大学，深圳，中国） ； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学，深圳，中国） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室，深圳，中国）
AI总结 本文提出Holmes框架，通过多粒度跨模态证据聚合量化和建模不确定性，解决视频检索中因查询简短与视频内容丰富带来的语义模糊问题。
Comments Accepted by ICML 2026. 16 pages, 6 figures, 3 tables
TheraAgent: Self-Improving Therapeutic Agent for Precise and Comprehensive Treatment Planning
TheraAgent：自我改进的治疗剂用于精准且全面的治疗计划
机构 * Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University, Beijing, China（计算机科学与技术系，人工智能研究院，清华大学，北京，中国） ； Institute for AI Industry Research (AIR), Tsinghua University, Beijing, China（人工智能产业研究院（AIR），清华大学，北京，中国） ； School of Computing, National University of Singapore, Singapore（计算学院，新加坡国立大学，新加坡）
AI总结 TheraAgent通过迭代生成-判断-改进流程提升治疗计划的精准度和完整性，实验显示其在HealthBench上表现优异，专家评估中胜率高达86%。
Comments Accepted to ACL 2026
Unified 4D World Action Modeling from Video Priors with Asynchronous Denoising
从视频先验构建统一的4D世界动作模型
机构 * Tsinghua University（清华大学） ； Xiaomi Robotics（小米机器人） ； Peking University（北京大学） ； CASIA
AI总结 本文提出X-WAM，统一了实时机器人动作执行与高保真的4D世界合成，在单一框架中解决传统统一世界模型仅建模2D像素空间且无法平衡动作效率与世界建模质量的问题。
Comments Project website: https://sharinka0715.github.io/X-WAM/
Making Reconstruction FID Predictive of Diffusion Generation FID
使重建FID成为扩散生成FID的预测指标
机构 * Tsinghua University（清华大学） ； University of Cambridge（剑桥大学） ； Peking University（北京大学） ； Kuaishou Technology（快手科技）
AI总结 本文提出插值FID(iFID)，通过在潜在空间中检索最近邻并插值其潜在表示，解码后计算与原数据集的FID，从而与生成FID强相关。
Decentralized Attention Fails Centralized Signals: Rethinking Transformers for Medical Time Series
去中心化注意力失败于中心化信号：重新思考用于医疗时间序列的Transformer
机构 * Department of Biomedical Engineering, PolyU（PolyU 生物医学工程系） ； School of Nursing, PolyU（PolyU 护理学院） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学尤太数学科学中心）
AI总结 本文提出CoTAR模块，通过集中化MLP替代去中心化注意力，以更好地捕捉医疗时间序列数据中的中心化依赖关系，提升模型效果与效率。
Comments Accepted by ICLR 2026 (Oral). arXiv admin note: text overlap with arXiv:2405.19363 by other authors
SuperWing: a comprehensive transonic wing dataset for data-driven aerodynamic design
SuperWing：一个综合的跨音速机翼数据集用于数据驱动的空气动力学设计
机构 * School of Aerospace Engineering, Tsinghua University, Beijing, China（清华大学北京航空航天工程学院） ； School of Computation, Information and Technology, Technical University of Munich, Germany（慕尼黑技术大学计算、信息与技术学院）
AI总结 SuperWing数据集通过4239种参数化机翼几何和28856个RANS解，为数据驱动的空气动力学设计提供广泛的数据支持，展示了其在预测表面流动和零样本泛化方面的有效性。
AsyncVLA: Asynchronous Flow Matching for Vision-Language-Action Models
AsyncVLA: 视觉-语言-动作模型中的异步流匹配
机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Lumos Robotics（Lumos机器人）
AI总结 本文提出AsyncVLA，一种引入异步流匹配的视觉-语言-动作模型框架，通过非均匀时间调度和自修正机制提升长周期任务的稳定性与效率。
Generative AI Meets 6G and Beyond: Diffusion Models for Semantic Communications
生成AI遇见6G与未来：扩散模型在语义通信中的应用
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Tsinghua University（清华大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文探讨生成AI与6G通信的结合，介绍扩散模型在语义通信中的应用，分析其在可控生成、高效推理和跨域适应中的核心方法及贡献。
Comments Accepted by IEEE COMST, GitHub repository: https://github.com/qin-jingyun/Awesome-DiffComm, project page: https://qin-jingyun.github.io/Awesome-DiffComm
NOWS: Neural Operator Warm Starts for Accelerating Iterative Solvers
NOWS: 用于加速迭代求解器的神经算子预热
机构 * Leibniz University Hannover（莱布尼茨汉诺威大学） ； Institute of Photonics（光子研究所） ； Department of Mathematics and Physics（数学与物理系） ； Tsinghua University（清华大学） ； Institute of Structural Mechanics（结构力学研究所） ； Bauhaus-Universität Weimar（魏玛建筑学院）
AI总结 NOWS结合神经算子的快速推理与传统求解器的严谨性，通过生成高质量初始猜测加速迭代求解，显著降低计算时间并保持稳定性。
Do Neural Operators Forget Geometry? The Forgetting Hypothesis in Deep Operator Learning
神经算子是否遗忘几何？深度算子学习中的遗忘假设
机构 * Qiuzhen College, Tsinghua University, Beijing, China（清华大学北京校区Quizhen学院） ； Yau Mathematical Sciences Center, Tsinghua University, Beijing, China（清华大学Yau数学科学中心）
AI总结 本文研究了神经算子在不规则几何上性能下降的原因，提出几何遗忘假设，并引入轻量级几何记忆注入机制以缓解遗忘问题，揭示几何保留是结构需求而非设计选择。
HCInfer: An Efficient Inference System via Error Compensation for Resource-Constrained Devices
HCInfer：通过误差补偿实现资源受限设备的高效推理系统
机构 * Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 本文提出HCInfer系统，通过将残差补偿任务卸载到CPU，利用GPU执行压缩主干网络，并引入异步补偿管道和敏感性感知的动态秩分配，以提高精度恢复和吞吐量。
LeakDojo: Decoding the Leakage Threats of RAG Systems
LeakDojo：解码RAG系统的泄漏威胁
机构 * Tsinghua University, China（清华大学, 中国） ； Ant International, China（蚂蚁集团, 中国） ； Nanyang Technological University, Singapore（南洋理工大学, 新加坡）
AI总结 LeakDojo通过可控评估揭示RAG系统泄漏风险，发现查询生成和对抗指令独立影响泄漏，且指令能力越强泄漏风险越高，RAG可信度提升可能增加泄漏风险。
Comments Findings of ACL 2026
Steering Visual Generation in Unified Multimodal Models with Understanding Supervision
通过理解监督引导统一多模态模型的视觉生成
机构 * Tsinghua University（清华大学） ； Kolors Team, Kuaishou Technology（快手技术团队）
AI总结 本文提出UNO框架，通过将理解作为监督信号引导生成，提升多模态模型在图像生成与编辑中的性能。
HyperLens: Quantifying Cognitive Effort in LLMs with Fine-grained Confidence Trajectory
HyperLens: 通过细粒度置信轨迹量化大语言模型中的认知努力
机构 * IIIS, Tsinghua University（清华大学信息学院） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 HyperLens通过分析大语言模型推理过程中的置信轨迹，量化认知努力，揭示复杂任务对更高认知努力的需求，并诊断监督微调对领域任务性能的影响。
Comments 33 pages
EgoEMG: A Multimodal Egocentric Dataset with Bilateral EMG and Vision for Hand Pose Estimation
EgoEMG：一个用于手姿态估计的多模态自体视角数据集，包含双侧EMG和视觉信息
机构 * Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 EgoEMG数据集融合双侧EMG和视觉信息，用于手姿态估计，包含16通道EMG、IMU、RGB视频和RGB-D视频，涵盖41名参与者60种手势，提供EMG-to-pose、vision-to-pose和融合任务的基准测试。
Comments 34 pages, 13 figures, 15 tables. Submitted to NeurIPS 2026
Inference-Time Budget Control for LLM Search Agents
推理时预算控制用于大语言模型搜索代理
机构 * City University of Hong Kong（香港城市大学） ； Tsinghua University（清华大学） ； Alibaba Ant Group（阿里巴巴集团）
AI总结 本文研究了多跳问答中推理时双预算控制问题，通过两阶段控制策略，在搜索阶段根据任务级信息价值评分选择检索、分解或回答承诺，在最终阶段根据证据选择性修正答案，实验表明该方法在多个基准上取得积极收益。
An Empirical Study of Proactive Coding Assistants in Real-World Software Development
对现实软件开发中主动编码助手的实证研究
机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； Fitten Tech Co., Ltd.（Fitten科技有限公司）
AI总结 本文通过大规模实证研究，分析了模拟与现实数据在主动意图预测中的差异，提出ProCodeBench基准，并指出模拟数据无法替代真实数据。
Learning a Delighting Prior for Facial Appearance Capture in the Wild
为野外面部外观捕捉学习一种愉悦先验
机构 * School of Software（软件学院） ； BNRist, Tsinghua University（清华大学计算机系） ； ShanghaiTech University（上海科技大学） ； Deemos Technology Co., Ltd.（德莫斯科技有限公司）
AI总结 本文提出通过训练强大愉悦网络作为先验来约束优化，结合异构数据源实现高质量反射率估计，同时开源模型和数据集推动高精度面部捕捉研究。
Comments ACM Transactions on Graphics (Proc. of SIGGRAPH), 2026. Code: https://github.com/yxuhan/OpenDelight Project Page: https://yxuhan.github.io/OpenDelight/index.html
DexSim2Real: Foundation Model-Guided Sim-to-Real Transfer for Generalizable Dexterous Manipulation
DexSim2Real: 基于基础模型的仿真到现实迁移用于通用的灵巧操作
机构 * Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） ； Bengbu University（Bengbu大学） ； UCSI University（UCSI大学）
AI总结 本文提出DexSim2Real框架，结合基础模型引导的域随机化、触觉视觉交叉注意力策略和渐进技能课程，提升灵巧操作的仿真到现实迁移性能，实验表明其在现实世界中的成功率达到78.2%。
Comments 13 pages, 2 figures, 5 tables
MesonGS++: Post-training Compression of 3D Gaussian Splatting with Hyperparameter Searching
MesonGS++: 3D高斯散射的后训练压缩与超参数搜索
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shenzhen Technology University（深圳技术大学） ； Xiamen University（厦门大学） ； Simon Fraser University（西蒙弗雷泽大学） ； Jiangxing Intelligence Inc.（江兴智能有限公司）
AI总结 MesonGS++提出了一种基于超参数搜索的3D高斯散射后训练压缩方法，通过联合重要性剪枝、八叉树几何编码等技术，实现34倍压缩并保持渲染质量，优于现有方法并精准满足目标存储预算。
HOI-aware Adaptive Network for Weakly-supervised Action Segmentation
面向HOI的自适应网络用于弱监督动作分割
机构 * Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 本文提出AdaAct网络，通过利用视频级的时空局部人-物交互作为先验知识，动态适应HOI序列以区分模糊动作，实验验证了方法的有效性。
Comments Accepted to IJCAI 2023
MACE-Dance: Motion-Appearance Cascaded Experts for Music-Driven Dance Video Generation
MACE-Dance: 基于动作-外观级联专家的音乐驱动舞蹈视频生成
机构 * Renmin University of China（中国人民大学） ； AMAP, Alibaba Group（阿里集团AMAP） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学）
AI总结 本文提出MACE-Dance框架，结合级联混合专家模型，实现音乐驱动的高质量舞蹈视频生成，通过动作和外观专家分别生成3D动作和视频，提升视觉一致性和动作真实感。
Comments Accepted by SIGGRAPH 2026
