高校专区
Gamma-World: 超越双玩家的生成式多智能体世界建模
机构 * NVIDIA ； Tsinghua University（清华大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 提出一种生成式多智能体世界模型，通过Simplex Rotary Agent Encoding实现智能体置换等价性，并采用Sparse Hub Attention降低跨智能体注意力成本，支持多玩家交互视频生成。
Comments Project Page: https://research.nvidia.com/labs/sil/projects/gamma-world
OmniVerifier-M1: 具有显式结构化重校准的多模态元验证器
机构 * Tsinghua University（清华大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； University of Southern California（南加州大学） ； Microcyto ； Princeton University（普林斯顿大学）
AI总结 提出OmniVerifier-M1，通过符号化元验证（如边界框）和解耦强化学习，实现多模态大模型的可靠细粒度验证与动态区域级自校正。
Comments ICML 2026. Project: https://github.com/Cominclip/OmniVerifier
技能条件门控自蒸馏用于大语言模型推理
机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； City University of Hong Kong（香港城市大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 提出技能条件门控自蒸馏（SGSD），通过从经验技能库中检索技能-错误对构建多教师池，并利用验证器验证教师极性，以鲁棒门控目标蒸馏信息性师生差异，在弱先验信息假设下提升数学推理性能。
GEM: 生成式监督助力具身智能
机构 * Tsinghua University（清华大学） ； Tencent Hunyuan（腾讯文心）
AI总结 提出GEM模型，通过在视觉语言模型预训练中引入深度图生成任务，联合训练以提升具身智能的语义理解与物理操作能力，并发布大规模数据集GEM-4M，在多个基准上取得最优结果。
Comments Project Page: https://zhaorw02.github.io/GEM/
从知道到做到：面向LLM股票市场交易智能体的记忆控制基准
机构 * Tsinghua University（清华大学） ； Stepfun ； FinStep ； Shanghai Jiao Tong University（上海交通大学） ； Adelaide University（阿德莱德大学）
AI总结 针对LLM交易智能体评估中的知识泄露和收益归因问题，提出KTD-Fin基准，通过数据掩码和Barra风格归因框架，分离市场记忆与投资决策，并揭示收益主要来自被动市场暴露而非选股能力。
LLMs 是否从文本构建世界模型？多语言空间推理诊断
机构 * University of New South Wales（新南威尔士大学） ； Essential Energy ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学）
AI总结 通过多语言诊断基准 MentalMap 评估大语言模型的空间推理能力，发现所有模型在视角推理上存在普遍的性能瓶颈（L3 推理悬崖），表明该限制源于纯文本工作记忆约束而非特定架构。
全局策略空间响应预言机用于两人零和博弈
机构 * Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国） ； Qiyuan Lab, Beijing, China（启元实验室，北京，中国）
AI总结 提出Global PSRO框架，通过直接最小化种群可利用性（PE）来引导策略种群扩展，以更少的策略迭代逼近纳什均衡。
Comments Accepted by ICML 2026
AI-T2I: 面向文本到图像合成的扩散模型的聚合与隔离交叉注意力
机构 * Institute of Advanced Medicine and Frontier Technology（先进医学与前沿技术研究院） ； Hefei University of Technology（合肥工业大学） ； Key Laboratory of Knowledge Engineering With Big Data, Ministry of Education（大数据知识工程重点实验室） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 针对扩散模型在文本到图像合成中交叉注意力图内文本-图像对齐不精确的问题，提出一种聚合与隔离交叉注意力方法（AI-T2I），通过聚合损失整合分散的令牌内激活并引入隔离损失分离令牌间激活，实现精确对齐。
Comments Accepted by IEEE Transactions on Multimedia (2026). 13 pages, 15 figures
探测器失效之处：探索生成空间以实现可泛化的AI生成图像检测
机构 * School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou, China（中山大学计算机科学与工程学院） ； Australian National University, Canberra, Australia（澳大利亚国立大学） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室） ； Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生学院）
AI总结 提出PROBE框架，通过主动探索生成过程中的困难区域来改进AI生成图像检测器的泛化能力。
Comments Accepted by ICML2026
风险感知的选择性提示用于大型视觉-语言模型中的幻觉缓解
机构 * Shanghai Jiao Tong University（上海交通大学） ； iFLYTEK ； Tsinghua University（清华大学）
AI总结 本文系统研究提示验证在大型视觉-语言模型中的风险，发现其效果依赖输入难度，并提出基于预生成不确定性信号的选择性提示方法RSP以平衡性能。
Comments 7 pages, 1 figures, submitted to ACL ARR 2026 May (EMNLP)
弥合推理模型在信息不足情况下的检测到弃权差距
机构 * Fudan University（复旦大学） ； Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 针对推理模型在信息不足时无法有效弃权的问题，提出Judge-Then-Solve（JTS）轨迹级推理控制框架，通过可回答性判断和强化学习训练，显著提升可靠弃权率并减少不必要的推理。
MTAVG-Bench 2.0：诊断多说话人音视频生成中电影表现力的失败模式
机构 * Shanghai University（上海大学） ； Beijing Institute of Technology（北京理工大学） ； Shanghai Film Academy（上海电影学院） ； Tsinghua University（清华大学） ； Hefei University of Technology（合肥工业大学） ； Inkeverse Group Limited（Inkeverse集团有限公司） ； The University of Adelaide（阿德莱德大学） ； Beijing University of Technology（北京工业大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； OpenNLP Lab（OpenNLP实验室）
AI总结 针对多说话人音视频生成中电影表现力评估不足的问题，提出MTAVG-Bench 2.0基准，通过构建涵盖表演、叙事、氛围和视听语言的高层次失败分类体系及超过1万个问答实例，系统评估全模态大语言模型诊断复杂视听失败的能力。
SuiChat-CN：中文群聊情境自杀风险评估基准
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 针对即时通讯群聊中消息碎片化、多轮对话和隐晦表达带来的挑战，构建了首个中文群聊情境自杀风险评估基准SuiChat-CN，通过信号词提取和双向上下文扩展构建连贯对话片段，并利用专家验证的LLM辅助范式标注用户风险等级，实验表明上下文信息对可靠评估至关重要。
推理至关重要：通过推理条件偏好优化减轻多模态大型推理模型中的幻觉
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）
AI总结 提出推理条件直接偏好优化（RC-DPO）方法，通过将思维链作为答案生成的条件并对比不同思维链下的偏好，结合蒙特卡洛树搜索和注意力引导的思维链剪枝生成偏好数据，有效减轻多模态大型推理模型中的幻觉。
LoSATok: 用于跨域音频理解与生成的低维语义-声学分词器
机构 * Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院，中国） ； ModelBest Inc., China（ModelBest公司，中国）
AI总结 提出低维音频分词器LoSATok，通过语义瓶颈压缩和双级语义监督，在紧凑潜空间中联合捕获语义和声学细节，提升扩散Transformer的生成性能。
LCO：基于LLM的约束优化，用于现实任务中更安全的智能体LLM
机构 * East China Normal University（东华大学） ； Beijing Zhongguancun Academy（北京中关村学院） ； Tsinghua University（清华大学）
AI总结 提出LCO框架，通过自思考模块和进化采样模块约束LLM行为，在不微调模型的情况下减少上下文奖励黑客行为，实验表明在输出优化和策略优化场景中显著提升安全性。
遮挡感知的物理-语义关键帧选择用于鲁棒视频编辑
机构 * Huawei（华为） ； Tsinghua University（清华大学） ； East China Normal University（华东师范大学）
AI总结 提出一种遮挡感知的物理-语义关键帧选择框架，通过从结构完整性、跟踪稳定性和属性可见性三个角度评估候选帧，自动选择最优锚定帧，并利用双向跟踪生成时空掩码，实现鲁棒且时序一致的视频编辑。
学习面向运行时智能体记忆的查询感知预算层级路由
机构 * Nanyang Technological University（南洋理工大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； Tsinghua University（清华大学） ； Sun Yat-sen University（中山大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 提出 BudgetMem 框架，通过强化学习训练的轻量级路由器实现查询感知的预算层级路由，以在运行时平衡任务性能与记忆构建成本。
Comments Accepted by ICML 2026. Code is available at https://github.com/ViktorAxelsen/BudgetMem
TideGS: 通过外存优化训练超过十亿个3D高斯溅射基元
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 针对大规模3D高斯溅射训练的内存瓶颈，提出TideGS外存训练框架，通过SSD-CPU-GPU层次化管理和三种协同技术，在单GPU上实现超过十亿高斯基元的训练并达到最优重建质量。
Comments Accepted to ICML 2026 as Spotlight. Website: https://sponge-lab.github.io/TideGS
语义增强的潜在视觉推理
机构 * Department of Automation, Tsinghua University, Beijing, China（清华大学自动化系） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系） ； Zhongguancun Academy, Beijing, China（中关村学院） ； China Agricultural University, Beijing, China（中国农业大学） ； Peking University, Beijing, China（北京大学） ； Beijing Institute of Technology, Beijing, China（北京理工大学） ； Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China（中国科学院大学人工智能学院） ； WeChat Vision, Tencent Inc, Beijing, China（微信视觉，腾讯公司）
AI总结 提出两阶段学习框架SLVR，通过属性级语义监督和多查询组相对策略优化增强潜在表示的语义丰富性，提升潜在视觉推理的鲁棒性和语义一致性。
Mind Dreamer: 通过潜在流形上的主动因果干预释放想象力
机构 * Center for Brain-Inspired Computing Research, Department of Precision Instrument, Tsinghua University, Beijing, China（脑启发计算研究中心，精密仪器系，清华大学，北京，中国） ； College of Computer Science and Technology, Zhejiang University, Hangzhou, China（计算机科学与技术学院，浙江大学，杭州，中国） ； Pen-Tung Sah Institute of Micro-Nano Science and Technology, Xiamen University, Xiamen, China（彭途萨微纳米科学与技术研究院，厦门大学，厦门，中国）
AI总结 针对基于模型的强化学习中历史束缚导致策略优化滞后的问题，提出Mind Dreamer框架，通过主动因果干预生成非连续潜在跳跃，并推导中继价值函数与中继不确定性函数，实现样本效率提升。
Comments 34 pages, 7 figures, ICML 2026 accepted
可验证过程奖励用于智能体推理
机构 * Tsinghua University（清华大学）
AI总结 提出可验证过程奖励（VPR）框架，通过符号或算法预言机将密集的中间步骤验证转化为强化学习的逐轮监督信号，解决长程智能体推理中的信用分配问题，并在搜索、约束和后验验证三种场景中验证其有效性。
Comments Corrected minor typos and LLM-assisted data extraction errors. The main conclusions are unchanged
基于全尺度学习的料箱搬运机器人系统订单履行序贯决策框架
机构 * Institution of Data and Information, Shenzhen International Graduate School, Tsinghua University, Nanshan District, Shenzhen 518055, China（数据与信息研究所，深圳国际研究生院，清华大学，南山区，深圳518055，中国）
AI总结 针对料箱搬运机器人系统的订单履行决策，提出一种结合结构化组合优化与多智能体强化学习的通用可扩展序贯决策框架OLSF-TRS，在小规模系统上平均最优性差距低于3.5%，在大规模场景中相比启发式基线减少8-12%的料箱移动，并保持实时响应。
Comments 35 pages, 5 figures
Escher-Loop：通过闭环自我指涉优化的共同进化
机构 * Shenzhen X-Institute（深圳X研究所） ； Soochow University（苏州大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出Escher-Loop框架，通过任务代理和优化代理的闭环共同进化及动态基准机制，实现超越静态基线的持续性能提升。
Comments The first three authors contributed equally. Corresponding Authors: Han Hao, Liu Yang
负优势是一把双刃剑：为搜索智能体校准GRPO中的优势
机构 * School of Data Science and Engineering, East China Normal University（东华师范大学数据科学与工程学院） ； Tencent（腾讯） ； Tsinghua University（清华大学）
AI总结 针对GRPO算法在多跳搜索中因粗粒度优势分配和正负优势不平衡导致的训练不稳定问题，提出CalibAdv方法，通过细粒度降低过度负优势并重新平衡正负优势，提升模型性能和训练稳定性。
Nexus: 相同预训练损失，通过公共极小值实现更好的下游泛化
机构 * Tsinghua University（清华大学）
AI总结 本文提出Nexus优化器，通过最大化梯度相似性促使不同数据源的损失函数极小值靠近，在保持相同预训练损失的情况下显著提升下游泛化性能。
从因果视角的可迁移图压缩
机构 * Southwestern University of Finance and Economics（西南财经大学） ； Tsinghua University（清华大学） ； Ant Group（蚂蚁集团） ； Dongbei University of Finance and Economics（东北财经大学） ； Emory University（埃默里大学） ； Xiangjiang Laboratory（湘江实验室）
AI总结 提出基于因果不变性的可迁移图压缩方法TGCC，通过因果干预提取域不变特征并注入压缩图，实现跨任务和跨域场景下的有效压缩。
概率-熵校准：一种用于自适应微调的弹性指标
机构 * The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； University of the Chinese Academy of Sciences（中国科学院大学）
AI总结 提出概率-熵校准信号（相对排名指标）进行token级重加权，以平衡预训练先验与下游对齐，在数学推理、分布外推理和代码生成任务上优于仅基于概率或熵的方法。
Comments Accepted by ICML 2026
超越模型排名：时间序列预测的可预测性对齐评估
机构 * Department of Electronic Engineering, Tsinghua University, Beijing, China.（清华大学电子工程系，北京，中国）
AI总结 针对基准排行榜评估混淆模型性能与数据内在不可预测性的问题，提出基于谱相干的可预测性对齐诊断框架，包含SCP分数和LUR工具，揭示可预测性漂移和模型架构权衡。
IRPO：通过后训练GRPO提升图像恢复
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） ； Technical University of Munich（慕尼黑技术大学） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出IRPO框架，利用GRPO后训练优化确定性恢复模型，通过数据筛选和复合奖励建模，在域内和域外任务上显著提升性能。
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