高校专区
分步评分奖励用于大语言模型推理
机构 * Peking University（北京大学） ； JD Explore Academy（京东探索学院） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文提出一种分步评分奖励方法，通过引入LLM判官对每个评分项进行归因，规范化每步评分，并结合优势估计器提高推理准确性和减少自我纠正循环。
Comments Code available at https://github.com/akarinmoe/SRaR
EgoIntrospect: 一个用于用户中心内部状态推理的注视数据集和基准
机构 * Tsinghua University（清华大学） ； Tongji University（同济大学） ； Renmin University of China（中国人民大学） ； The University of Tokyo（东京大学） ； Lenovo Group（联想集团） ； Peking University（北京大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 本文提出EgoIntrospect数据集，用于研究用户中心内部状态推理，通过自注释揭示用户与AI助手的交互意图，评估多模态大语言模型在从注视观察中推理用户内部状态的能力。
基于位置感知的多项逻辑带宽学习：从乘法位置效应到一般位置效应
机构 * Leonard N. Stern School of Business, New York University（纽约大学勒纳商学院） ； Qiuzhen College, Tsinghua University（清华大学齐臻学院） ； Department of Management Science, School of Management, Fudan University（复旦大学管理学院管理科学系） ； Yau Mathematical Sciences Center & Department of Mathematical Sciences, Tsinghua University（清华大学尤数学科学中心及数学科学系）
AI总结 本文研究了动态联合品类选择与排列问题，其中每个产品的吸引力取决于其内在吸引力和显示位置，在多项逻辑（MNL）选择框架下。研究从乘法位置效应模型扩展到一般位置效应模型，为两种模型设计了基于轮次的学习算法，并建立了首个最优后悔分析。此外，这些基于轮次的算法为现代平台提供了必要的实时操作。对于乘法模型，开发了具有截断机制的交叉位置成对最大似然估计器，并证明算法P2MLE-UCB达到$ ilde{O}(\sqrt{NT})$的后悔，匹配下限并弥补了先前基于周期的分析留下的$\sqrt{K}$差距。对于一般模型，建立了最小最大下界并提出了GP2-UCB算法，具有匹配的上界。此外，设计了基于Dinkelbach方法和最大权二分图匹配的高效子程序，用于每轮联合品类和排列优化。在合成数据和Expedia数据集上的数值实验表明，我们的算法在性能上始终优于最先进的基准。
VoxScene: 基于锚点的体素扩散用于室内场景布置
机构 * Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学） ； University of Cambridge（剑桥大学） ； Peking University（北京大学）
AI总结 本文提出VoxScene，一种基于锚点的体素扩散框架，用于3D场景合成。通过引入显式的、以物体为中心的体素表示，解决了现有方法在处理密集环境时的物理碰撞和结构纠缠问题，实现了高保真体素网格的生成，提升了场景布置的物理合理性和形状多样性。
基于排名的校准：可靠多模态强化学习
机构 * Dept. of Comp. Sci. & Tech., Institute for AI, BNRist Center, Tsinghua-Bosch Joint ML Center, THBI Lab, Tsinghua University, Beijing（计算机科学与技术系，人工智能研究院，BNRist中心，清华大学-博世联合机器学习中心，THBI实验室，清华大学，北京） ； Dept. of Automation, Tsinghua University, Beijing（自动化系，清华大学，北京）
AI总结 本文提出Ranking-Aware Calibration方法，通过利用组内强化学习自然产生的比较信号，提升多模态强化学习的校准能力，从而提高任务准确性和校准效果。
NORM-Nav: 通过自然语言行为约束实现零样本移动机器人导航
机构 * College of Information Science and Technology, Beijing University of Chemical Technology（北京化工大学信息科学与技术学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Institute of Systems Engineering and Collaborative Laboratory for Intelligent Science and Systems, Macau University of Science and Technology（澳门大学系统工程与智能科学与系统联合实验室） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院）
AI总结 本文提出NORM-Nav框架，通过将自然语言行为约束整合到基于成本图的规划中，提升移动机器人在人类环境中导航的社交适应性，实验表明其在任务成功率和轨迹贴近人类参考方面优于基线方法。
利用人工智能解决逆偏微分方程问题：过去、现在与展望
机构 * Collaborative Innovation Center of Artificial Intelligence (CCAI), Zhejiang University（人工智能协同创新中心（CCAI），浙江大学） ； School of Mathematical Sciences, Zhejiang University（浙江大学数学科学学院） ； Tsinghua University（清华大学） ； Center for Interdisciplinary Applied Mathematics, School of Mathematical Sciences, Zhejiang University（浙江大学数学科学学院交叉应用数学中心）
AI总结 本文综述了利用人工智能解决逆偏微分方程问题的最新进展，涵盖了逆问题、逆设计和控制问题三大类，总结了科学和工业领域中的典型应用，并讨论了开放挑战和未来前景。
Comments 35 pages, 4 figures
Lever：智能手机上的推测LLM推理
机构 * Tsinghua University（清华大学） ； Beihang University（北航） ； University of Pittsburgh（匹兹堡大学）
AI总结 本文提出Lever系统，通过联合优化推测解码的三个阶段，在智能手机上实现高效的闪存支持的LLM推理，显著降低了推理延迟。
异步代理强化学习中缺失旧日志：语义不匹配及用于离线策略修正的修复方法
机构 * Tianjin University（天津大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； JDT AI Infra（京东AI基础设施）
AI总结 本文研究了异步代理强化学习中因缺失旧日志导致的语义不匹配问题，提出三种精确获取旧日志的策略及近似修正方法，改进了PPO-EWMA方法，提升了训练速度和优化性能。
$h$-control: 无需训练的相机控制 via 块条件吉布斯细化
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； South China University of Technology（华南理工大学）
AI总结 本文提出$h$-control，通过改进采样器结构，解决免训练视频生成中相机控制的逆向问题，提升轨迹一致性与视觉质量的平衡，实现在多个数据集上的最佳表现。
ExpThink：基于经验的强化学习用于自适应思路链压缩
机构 * Baidu Inc.（百度公司） ； Shenzhen University（深圳大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； D-INFK, ETH Zürich（ETH Zürich 计算机科学与技术研究所）
AI总结 本文提出ExpThink框架，通过经验引导奖励塑造和难度自适应优势机制，实现思路链压缩的准确优先、压缩次之的训练目标，实验表明其在多个数学推理基准上显著提升压缩效率和准确性。
Comments 39 pages, 18 figures. Code and model checkpoints will be released upon publication
NaviRAG：迈向检索增强生成的主动知识导航
机构 * Tsinghua University（清华大学） ； Nanjing University（南京大学） ； Northeastern University（东北大学）
AI总结 NaviRAG通过主动知识导航框架提升检索增强生成的复杂任务处理能力，通过分层知识组织和动态信息检索提高检索准确率和生成性能。
EmergentBridge: 提升统一多模态嵌入模型中的零样本跨模态迁移
机构 * Tsinghua University（清华大学） ； 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） ； JD iCity, JD Technology, JD Intelligent Cities Research（京东i城、京东科技、京东智能城市研究院）
AI总结 本文提出EmergentBridge框架，通过学习噪声桥梁锚点和子空间对齐，提升未配对模态对的零样本迁移性能，无需 exhaustive pairwise 监督。
释放扩散模型在端到端自动驾驶中的潜力
机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学）
AI总结 本文通过大规模实车数据和道路测试，系统研究了扩散模型在端到端自动驾驶中的规划能力，提出Hyper Diffusion Planner框架，实现10倍性能提升。
实时对齐奖励模型超越语义
机构 * Beihang University（北京航空航天大学） ； Tsinghua University（清华大学） ； Renmin University of China（中国人民大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文提出R2M框架，通过实时利用策略模型反馈来对齐策略分布偏移，解决RLHF中奖励过拟合问题。
超越表面遗忘：多模态大语言模型中Hallucinations的锐度感知鲁棒擦除
机构 * College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院） ； Institute for AI, Tsinghua University（清华大学人工智能研究院） ； Huzhou University（湖州大学） ； Institute of Dataspace, Hefei Comprehensive National Science Center（合肥综合性国家科学中心数据空间研究院） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出SARE方法，通过目标导向的min-max优化和Targeted-SAM机制，解决多模态大语言模型中 hallucinations 的鲁棒擦除问题，提升模型稳定性与擦除效果。
超越下一个港口：一种用于预测未来航行段持续时间的多任务Transformer
机构 * Department of Industrial Engineering, Tsinghua University, Beijing 100084, P.R. China（清华大学工业工程系） ； School of Management Science and Engineering, Central University of Finance and Economics, Beijing 100081, P.R. China（中央财经大学管理科学与工程学院） ； Department of Logistics and Maritime Studies, The Hong Kong Polytechnic University, Hong Kong, P.R. China（香港理工大学物流与海运研究部）
AI总结 本文提出一种多任务Transformer模型，用于预测未来航行段持续时间，通过整合历史航行时间、目的地港口拥堵代理和静态船舶描述符，提升港口操作的可靠性。
GaussianDWM: 基于3D高斯场景表示的统一场景理解和多模态生成驱动世界模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； MEGVII Technology（商汤科技） ； Mach Drive
AI总结 本文提出基于3D高斯表示的统一驱动世界模型框架，实现3D场景理解和多模态生成，并通过语言引导采样策略和双条件生成模型提升生成效果，实验验证其在nuScenes和NuInteract数据集上的优越性能。
Comments Accepted by CVPR 2026
在基于机器学习的天气预报中通过隐空间约束学习更符合物理现实的动力学
机构 * Department of Earth and Environmental Engineering, Columbia University（哥伦比亚大学地球与环境工程系） ； Learning the Earth with Artificial Intelligence and Physics (LEAP) Center, Columbia University（人工智能与物理联合地球学习中心（LEAP）, 哥伦比亚大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 本文提出通过隐空间约束改进天气预报模型，以捕捉多变量依赖关系，提升长期预报能力并保持物理真实性。
OPERA: 一种增强强化学习的协调规划-执行架构用于面向推理的多跳检索
机构 * 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） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）
AI总结 OPERA通过协调规划-执行架构解决多跳检索中推理规划、检索和过滤的不足，采用MAPGRPO方法提升复杂任务性能。
Comments Accepted by AAAI 2026. Extended version
超越策略优化：一种数据整理飞轮用于稀疏奖励长周期规划
机构 * Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； School of Computing, National University of Singapore（新加坡国立大学计算机科学学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； 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BPO框架，通过自改进的数据飞轮开发鲁棒推理模型，解决多轮代理规划中稀疏奖励长周期问题，实现高效推理和显著的token效率。
检索增强生成系统中的可信度：综述
机构 * Tsinghua University（清华大学） ； Renmin University of China（中国人民大学） ； The Chinese University of Hong Kong（香港中文大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Hong Kong Polytechnic University（香港理工大学） ； Microsoft Research Asia（微软亚洲研究院） ； University of Illinois（伊利诺伊大学）
AI总结 本文综述了检索增强生成系统中可信度的关键维度，提出Trust-RAG Compass框架，评估事实性、鲁棒性等六个方面，并建立评估基准，揭示不同LLM在可信度方面的性能差异，指出未来研究方向。
语言模型作为定制环境多目标强化学习的高效奖励函数搜索器
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院，清华大学，中国） ； Department of Computer Science, University of Oxford, United Kingdom（英国牛津大学计算机科学系） ； Department of Data Science, New Jersey Institute of Technology, USA（美国新泽西理工学院数据科学系）
AI总结 本文提出ERFSL，利用语言模型高效搜索奖励函数，通过生成奖励组件和使用奖励批评者修正代码，实现多目标强化学习任务中零样本学习的高效奖励函数设计。
基于代理的自同步多视角关节角度监控管道：在无标定环境中
机构 * National Engineering Research Center of Neuromodulation, School of Aerospace Engineering, Tsinghua University（神经调制国家工程研究中心，航空航天工程学院，清华大学）
AI总结 本文提出了一种基于代理的自同步多视角关节角度监控方法，利用两台摄像头在无标定环境下实现自动视频同步和自验证，通过多模态大语言模型和先进单目2D姿态估计模型提取候选姿态，并通过代理选择机制自动识别和跟踪目标个体，以在多人和遮挡情况下产生一致的2D姿态，从而估计关节角度。
Comments Accepted by EMBC 2026. 7 pages, 3 figures
CAVE：一种用于碎片化视觉证据推理的结构化信用分配方法
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Zhejiang University of Technology（浙江工业大学）
AI总结 CAVE通过结构化过程-奖励机制提升碎片化视觉推理能力，引入三个互补信号优化推理步骤，提升模型可靠性与鲁棒性。
Comments 24 pages, 6 figures. Preprint
具有学习密度控制的生成3D高斯
机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院）
AI总结 本文提出Density-Sampled Gaussians (DeG)，通过学习概率密度函数实现3D表示的自适应密度控制，结合渲染监督优化空间密度和高斯属性，提升单图到3D生成的质量。
Comments 19 pages, 16 figures, SIGGRAPH Conference Papers '26
面向业务流程管理的任务级AI准备性评估：T-IPO模型与LARA矩阵在金融服务IT运营中的应用
机构 * Tsinghua University（清华大学）
AI总结 本文提出T-IPO模型和LARA矩阵，用于评估任务级AI代理的适用性，通过认知执行复杂度和治理合规强度的两因素结构提升预测效用。
Comments 19 pages, 7 figures, 8 tables, 50 references. A shortened workshop version has been submitted to the BPM 2026 Workshop. This preprint is the complete version
核化优势估计：从非参数统计到大语言模型推理
机构 * School of Management, University of Science and Technology of China（中国科学技术大学管理学院） ； Department of Statistics, London School of Economics and Political Science（伦敦政治经济学院统计系） ； School of Mathematics, University of Birmingham（伯明翰大学数学学院） ； 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） ； Department of Mathematics, Tsinghua University（清华大学数学系）
AI总结 本文提出利用非参数统计方法提升大语言模型推理中的优势估计，通过核平滑技术实现高效的价值函数估计与策略优化，提升政策学习质量。
Comments 45 pages, 5 figures
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