高校专区
WorldVLN: 用于空域视觉-语言导航的自回归世界动作模型
机构 * Tsinghua University（清华大学） ； Shandong University（山东大学） ； Manifold AI ； Beijing Institute of Technology（北京理工大学） ； Northeastern University（东北大学）
AI总结 WorldVLN提出一种自回归世界动作模型，通过预测潜在世界演变并生成可执行的航点动作，提升空域视觉-语言导航性能，优于现有基线模型。
一种增强检索的变压器用于全球集装箱航运多步骤港口序列预测
机构 * Department of Industrial Engineering, Tsinghua University（清华大学工业工程系） ； Department of Logistics and Maritime Studies, The Hong Kong Polytechnic University（香港理工大学物流与海运研究系）
AI总结 本文提出CCRE框架，通过检索增强的历史编码器和Transformer轨迹编码器，提升多步骤港口序列预测的准确性和稳定性，实验结果显示其在第一目的地和三步预测上的准确率显著高于基线模型。
少即是多：我们是否需要为扩散模型的强化学习微调进行每一步优化？
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学） ； Stanford University（斯坦福大学）
AI总结 本文研究了扩散模型强化学习微调中优化步骤的影响，提出AdaScope方法通过动态控制训练时机提升生成质量并降低计算成本。
Journal ref CVPR2026
嵌入扰动探索偏好优化用于流模型
机构 * Tsinghua University（清华大学） ； AMAP, Alibaba Group（阿里集团AMAP）
AI总结 本文提出E²PO框架，通过嵌入层面扰动维持优化稳定性，提升生成模型对人类偏好的对齐效果。
Comments Accepted by ICML 2026
AOT-POT：面向大规模PDE预训练的自适应算子变换
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Department of Electronic Engineering, Tsinghua University, China（清华大学电子工程系）
AI总结 本文提出AOT-POT方法，通过自适应算子变换将复杂多样的PDE解算子转化为统一形式，提升预训练效果，实验表明其在12个PDE基准上表现优异，参数仅增加3%。
CLOVER：端到端自动驾驶规划的闭环价值估计与排序
机构 * Department of Automation, University of Science and Technology of China（中国科学技术大学自动化系） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； School of Electronic Information Engineering, Beihang University（北航电子信息技术学院） ； National College for Excellent Engineers, Beihang University（北航卓越工程师学院）
AI总结 CLOVER通过闭环价值估计与排序框架，解决端到端自动驾驶规划中训练与评估不匹配的问题，通过生成器和评分器的轻量级架构提升规划器性能，实现更准确的候选轨迹排序。
CrystalReasoner: 基于推理和强化学习的性质条件晶体结构生成
机构 * Tsinghua University（清华大学） ； Radical AI ； New York University（纽约大学）
AI总结 CrystalReasoner通过引入物理先验和强化学习，实现从自然语言指令生成稳定且具有特定性质的晶体结构，提升了生成精度和科学合理性。
Comments Our work is available at https://crystalreasoner.github.io/, with code at https://github.com/wyy603/CrystalReasoner
GSDrive: 通过多模式未来轨迹探查与3D高斯点散布环境强化驾驶策略
机构 * Intelligent Space Robotics Laboratory, Skolkovo Institute of Science and Technology（斯克尔科维科学与技术研究院智能空间机器人实验室） ； Research Center for Intelligent Computing Systems, SKLP, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所智能计算系统研究中心，SKLP） ； Department of Electrical and Electronic Engineering, The University of Hong Kong, China（香港大学电子与电气工程系） ； SuZhou Automotive Research Institute, Tsinghua University（清华大学苏州汽车研究院） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院）
AI总结 GSDrive通过多模式轨迹探查和3D高斯点散布环境，结合模仿学习与强化学习，提升端到端自动驾驶的训练效果与鲁棒性。
Comments 2nd version
FutureWorld: 一个用于预测代理的实时强化学习环境，具有现实世界结果奖励
机构 * College of Software, Nankai University（南开大学软件学院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； IIIS, Tsinghua University（清华大学智能系统与信息工程研究院） ； Zhongguancun Academy, Beijing, China（北京中关村学院）
AI总结 本文提出FutureWorld，一个实时强化学习环境，通过闭环预测、结果实现与参数更新，提升预测准确性与校准能力。
Comments The code will be released in the near future. The experiments are currently ongoing
小规模可泛化提示预测模型可引导大推理模型的高效强化学习后训练
机构 * Department of Automation, Tsinghua University, Beijing, China（自动化系，清华大学，北京，中国） ； LLM Department, Tencent, Beijing, China（大模型部门，腾讯，北京，中国）
AI总结 本文提出GPS方法，通过轻量级生成模型进行提示难度的贝叶斯推断，结合中间难度优先和历史锚定多样性，提升大模型强化学习后的训练效率和测试效率。
兼顾最佳的双世界方法用于厚尾马尔可夫决策过程
机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China（清华大学交叉信息研究院） ； Beijing ZhuoShi Capital Co., Ltd., China（北京中关村资本有限公司） ； ESD, Singapore University of Technology and Design, Singapore（新加坡科技与设计大学ESD学院）
AI总结 本文提出HT-FTRL-OM和HT-FTRL-UOB算法，针对厚尾马尔可夫决策过程，在对抗环境和自界环境实现最佳双世界保证，分别获得实例无关和对数实例依赖的 regret。
稀疏动作生成：通过实时剪枝加速扩散策略
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） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Department of Computer Science（计算机科学系）
AI总结 本文提出SAG方法，通过自适应剪枝和重用机制实现稀疏动作生成，提升实时视觉运动控制效率，实验显示生成速度提升4倍。
Skyra：通过 grounded artifact reasoning 实现 AI 生成视频检测
机构 * Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 本文提出 Skyra，一种专门用于识别 AI 生成视频中人类可感知的视觉瑕疵的多模态大语言模型，通过这些瑕疵作为基础证据进行检测和解释，同时构建了首个大规模 AI 生成视频瑕疵数据集并提出两阶段训练策略。
Comments Camera Ready Version. Project Page: https://github.com/JoeLeelyf/Skyra
LLM-EDT: 基于大语言模型的跨领域序列推荐增强方法与双阶段训练
机构 * City University of Hong Kong Hong Kong China ； Xi'an Jiaotong University \& City University of Hong Kong Xi'an China ； University of Science ； Independent Researcher Beijing China ； Tsinghua University Beijing China ； City University of Hong Kong ； Xi'an Jiaotong University \& City University of Hong Kong ； Independent Researcher ； Tsinghua University
AI总结 本文提出LLM-EDT，通过双阶段训练策略解决跨领域序列推荐中的领域不平衡和过渡问题，引入可转移物品增强器和领域感知配置模块，提升推荐效果。
VideoVerse: 你的T2V生成器有世界模型能力来合成视频吗？
机构 * Sun Yat-sen University（中山大学） ； Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； OPPO Research Institute（OPPO研究院）
AI总结 VideoVerse通过评估T2V模型对复杂时间因果关系和世界知识的理解能力，揭示现有模型与理想世界建模能力的差距。
Comments 26 Pages, 10 Figures, 14 Tables
动态树RPO：通过结构化采样打破独立轨迹瓶颈
机构 * Sun Yat-sen University（中山大学） ； Tsinghua University（清华大学） ； Beijing University of Chemical Technology（北京化工大学）
AI总结 本文提出动态树RPO，通过树状结构采样策略和动态噪声强度，提升文本到图像生成的质量与效率，同时结合层调优强化学习方法，在多个基准测试中表现出色。
Comments Fig.3 updated
TemplateRL: 结构化模板引导的强化学习用于大语言模型推理
机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Princeton University（普林斯顿大学） ； Shanghai AI Lab（上海人工智能实验室） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
AI总结 TemplateRL通过结构化模板引导强化学习提升大语言模型推理能力，通过MCTS构建问题解决模板库并整合到RL训练中，提高轨迹命中率并减少无效探索，实验显示在AIME和AMC上表现优于GRPO。
Comments Accepted by ACL 2026
DealMaTe: 通过扩散变换器实现多维材料传输
机构 * Tsinghua University（清华大学） ； Pengcheng Laboratory（鹏城实验室） ； National Cheng-Kung University（国立成功大学） ； Great Bay University（大湾大学） ； Dongguan Key Laboratory for Intelligence and Information Technology（东莞智能与信息技术重点实验室）
AI总结 DealMaTe通过深度、规范和光照图像实现材料传输，采用简化扩散框架，消除文本引导和参考网络，设计轻量3D信息注入方法，优化注意力机制，实现高效高质量的材料传输。
MaTe：仅需图像进行材料迁移的扩散变换器
机构 * Tsinghua University（清华大学） ； PengCheng Laboratory（鹏城实验室） ； Lenovo Research（联想研究院） ； National Cheng-Kung University（国立成功大学）
AI总结 MaTe通过多模态注意力机制实现材料迁移，无需文本指导或辅助网络，提升了生成质量和效率。
MyoChallenge 2025: 人类运动智能的新基准
机构 * McGill University（麦吉尔大学） ； National University of Singapore（国立新加坡大学） ； Imperial College London（伦敦帝国理工学院） ； King’s College London（伦敦国王学院） ； Tsinghua University（清华大学） ； EPFL（苏黎世联邦理工学院） ； CASIA（中国科学院自动化所） ； University of Twente（代尔夫特理工大学） ； MyoLab
AI总结 本文提出MyoChallenge 2025基准，通过高保真骨骼肌模型与机器学习算法结合，推动运动控制智能研究，包含乒乓球和足球点球两个任务，促进多学科交叉研究。
RIDE: 基于Retinex的解耦方法用于揭示隐藏物体
机构 * Duke University（杜克大学） ； Tsinghua University（清华大学） ； Harvard University（哈佛大学）
AI总结 RIDE通过Retinex理论提出同域图像分解方法，解决隐藏物体分割问题，利用判别性差距定理提升前景与背景的区分度。
Solvita：通过代理进化增强大型语言模型以应对编程竞赛
机构 * Nanjing University（南京大学） ； Tsinghua University（清华大学） ； Independent Researcher（独立研究者）
AI总结 Solvita通过闭环系统和可训练知识网络，使代理动态学习，提升编程竞赛任务的准确性和经验积累。
视觉语言模型的深度预对齐
机构 * Tsinghua University ； Shanghai Qi Zhi Institute ； Taobao \& Tmall Group of Alibaba
AI总结 本文提出深度预对齐(DPA)，通过替换传统ViT编码器为小型VLM作为感知器，实现视觉特征与目标大语言模型文本空间的深度对齐，提升了多模态基准性能，并降低了语言能力遗忘。
Comments Accepted by ICML 2026. Project Website: https://github.com/THUMAI-Lab/Deep-Pre-Alignment
基于空间相关性的物理信息神经网络课程学习
机构 * Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 本文提出基于空间相关性的课程学习框架，解决PINN训练中的高维非凸损失景观、多目标约束不平衡和信息传播无效问题，通过空间因果权重、低频信息桥和区域自适应重加权策略提升训练稳定性与解的准确性。
Comments 37 pages, 14 figures, 9 tables
拟合并不足够：在极量化的LLM中平滑性
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Tsinghua University（清华大学）
AI总结 本文指出极量化LLM存在平滑性退化问题，通过平滑性代理发现量化位宽越小退化越严重，提出保持平滑性的方法提升性能，强调平滑性在极端量化中的重要性。
Comments 19 pages, 4 tables, 14 figures
SKILL0：基于上下文的代理强化学习用于技能内化
机构 * Zhejiang University（浙江大学） ； Meituan（美团） ； Tsinghua University（清华大学）
AI总结 SKILL0通过在训练时逐步减少技能上下文，使模型在无任务检索情况下实现自主行为，实验显示在多个任务中性能提升显著。
重要采样误分配信用：用于结果监督强化学习的非对称比率
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Kuaishou Technology（快手科技） ； Tsinghua University（清华大学）
AI总结 本文揭示了在结果监督强化学习中，重要采样比率因角色转变导致正优势token与负优势token的权重失衡，提出非对称重要采样策略ASPO以纠正此问题，提升训练稳定性与性能。
稳定知识，促进推理：双令牌约束用于RLVR
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Kuaishou Technology（快手科技） ； Tsinghua University（清华大学）
AI总结 本文提出Archer框架，通过双令牌约束在RLVR中平衡优化，提升LLM的推理和知识保持能力，实验显示在数学推理和代码生成任务中表现优异。
在异构环境中联邦Q学习的收敛速度研究
机构 * Northeastern University（东北大学） ； Tsinghua University（清华大学）
AI总结 本文研究了在异构环境中同步联邦Q学习的收敛速度，发现K增加时误差下降线性加速，但E>1会导致性能下降，证明了误差衰减速度为Θ(E/T)。
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