高校专区
AdaPLD: 自适应检索与重用实现高效无模型推测解码
机构 * 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） ； Department of Mathematical Sciences, Tsinghua University（清华大学数学科学部） ； JDT AI Infra（京东AI基础设施）
AI总结 针对现有基于重用的推测解码方法在词汇匹配失败时召回率低和确定性复制脆弱的问题，提出无需训练的自适应方法AdaPLD，通过语义相似性恢复重用机会并构建分支假设，实现最高3.10倍解码加速。
WAM-Nav：面向统一视觉导航的非对称潜在世界-动作建模
机构 * Nanjing University（南京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； FiveAges ； National University of Defense Technology（国防科技大学） ； Tsinghua University（清华大学） ； GigaAI
AI总结 提出WAM-Nav，一种联合学习动作生成与潜在视觉预测的非对称扩散Transformer模型，通过共享扩散Transformer实现长时程动作与短时程视觉预测的联合扩散，并引入双流上下文条件机制和目标对齐模块，在统一策略下支持图像目标、点目标和无目标导航，在ClutterScenes和InternScenes基准上分别提升15.7%和3.3%的成功率，并在真实环境中实现85%的任务成功率。
半监督噪声适应：从噪声域迁移知识
机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy（广东人工智能与数字经济实验室） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； Beijing Jiaotong University（北京交通大学） ； Beijing University of Technology（北京工业大学） ； Tsinghua University（清华大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 提出半监督噪声适应（SSNA）问题，利用合成噪声域作为源域，通过噪声适应框架（NAF）改善目标域的泛化性能。
Comments Accepted by ICML 2026
基于视觉基元的动作生成
机构 * Anyverse Dynamics ； Tsinghua University（清华大学）
AI总结 提出AVP架构，通过视觉语言模型推断下一阶段目标并生成视觉基元令牌，条件化流匹配动作专家，在通用拾放任务中成功率比pi_0.5提升27.61%。
Comments 9 pages, 6 figures. Project page: https://kingdroper.github.io/AVP/
Proact-VL：用于实时AI伴侣的主动式视频大语言模型
机构 * Tsinghua University（清华大学）
AI总结 本文提出Proact-VL框架，通过游戏场景中的评论和引导任务，解决实时AI伴侣在低延迟推理、自主响应决策和内容质量控制方面的挑战，实现了主动式实时交互。
Comments ICML 2026
通过姿态感知解缠和点云融合实现3D与2D指纹的跨模态注册
机构 * Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 本文提出统一框架，实现3D指纹预处理与跨接触式和非接触式2D指纹的注册，结合非参数可视化解缠、点云融合、姿态归一化和姿态感知注册策略，提升3D与2D指纹兼容性。
E-mem：基于多智能体的事件上下文重建用于LLM智能体记忆
机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学）
AI总结 E-mem通过多智能体协同重建事件上下文，提升LLM在长时序任务中的推理能力，实现54%的F1分数，优于现有方法7.75%，并降低70%的token成本。
Comments This paper has been accepted by ICML 2026. If you find our project helpful, please consider giving it a star: https://github.com/dog-last/E-mem
视觉语言模型中标签噪声提示调优的内在梯度抑制
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 提出双Softmax提示调优（DSPT），通过内在梯度抑制机制自适应压制高错误噪声样本的梯度，实现标签噪声下的鲁棒提示调优。
新时代的视觉生成：从原子映射到智能世界建模的演进
机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； University of Hong Kong（香港大学） ； National University of Singapore（新加坡国立大学） ； University of Waterloo（滑铁卢大学） ； StepFun ； MiroMind ； Baidu（百度） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； LMMs-Lab（LMMs实验室）
AI总结 提出五级分类法（原子生成、条件生成、上下文生成、智能生成、世界建模生成），分析流匹配、统一理解与生成模型等关键技术，并指出现有评估高估感知质量而忽视结构、时序和因果缺陷。
Comments Project Page: https://github.com/EvolvingLMMs-Lab/Evolving-Visual-Generation
Think-at-Hard: 选择性潜在迭代以改进推理语言模型
机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对循环变压器中潜在过思考问题，提出Think-at-Hard方法，通过轻量级决策器选择性地在困难令牌上触发潜在迭代，并采用深度感知LoRA和双因果注意力机制，在数学、问答和编码任务上一致提升性能。
Comments Accepted by ICML'26
低精度Transformer训练失败的原因：对Flash Attention的分析
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心） ； State Key laboratory of Space Network and Communications（空间网络与通信国家重点实验室）
AI总结 本文首次从机制上解释了低精度下Flash Attention导致训练崩溃的原因，揭示了相似低秩表示与有偏舍入误差的恶性循环，并通过最小化修改稳定训练。
Comments ICLR 2026
MemPO：面向长时程智能体的自我记忆策略优化
机构 * Tsinghua University（清华大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室）
AI总结 提出自我记忆策略优化算法(MemPO)，让智能体自主管理记忆，通过基于记忆有效性的信用分配机制选择性保留关键信息，在减少令牌消耗的同时提升任务性能。
All-Mem: 通过动态拓扑演化实现智能体终身记忆
机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing（北京未来区块链与隐私计算先进创新中心） ； Beihang University（北航） ； Tsinghua University（清华大学） ； Chalmers University of Technology（查尔姆斯理工大学）
AI总结 提出All-Mem框架，通过在线/离线结合的非破坏性拓扑结构记忆库，解决终身交互代理中历史增长导致的检索冗余和噪声问题，在LoCoMo和LongMemEval-s上提升检索与问答性能。
全脑连接组图模型实现果蝇全身运动控制
机构 * Tsinghua University（清华大学）
AI总结 提出Fly-connectomic Graph Model，将果蝇全脑连接组作为图结构控制器，通过深度强化学习驱动仿真果蝇运动，在多种任务中表现稳定且样本效率优于基线。
SDFLoRA: 面向异构客户隐私保护微调的选择性解耦联邦LoRA
机构 * Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 提出SDFLoRA，通过将LoRA更新解耦为共享和私有组件，仅聚合共享部分并注入差分隐私噪声，解决联邦微调中的秩异构和数据异构问题，提升隐私-效用权衡。
CLAP: 从人类视频中学习视觉-语言-动作模型的对比潜在动作预训练
机构 * Tsinghua University（清华大学） ； Astribot ； University of Hong Kong（香港大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出CLAP框架，通过对比学习将人类视频与机器人动作词汇对齐，利用伪标签训练VLA模型，实现从人类视频到机器人执行的有效技能迁移。
Comments The code is available at: https://github.com/LinShan-Bin/OpenCLAP
CoIRL-AD：面向自动驾驶的潜在世界模型中的协作-竞争模仿-强化学习
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 提出CoIRL-AD框架，通过解耦模仿学习与强化学习、利用潜在世界模型进行长时程奖励估计以及引入竞争机制，在离线训练中提升自动驾驶的鲁棒性，尤其在跨城市泛化和长尾场景中表现优异。
Comments 19 pages, 22 figures, ICML 2026
映射11个大语言模型中的地缘政治偏见：美中紧张局势的双语、双框架分析
机构 * Department of Industrial Engineering, Tsinghua University（清华大学工业工程系） ； School of Social Sciences, Tsinghua University（清华大学社会科学部） ； Department of Industrial Engineering, Federal University of Rio de Janeiro（里约热内卢联邦大学工业工程系）
AI总结 通过引入调查心理测量学的平衡键控方法，量化11个模型在2种语言中对美中地缘政治问题的立场，发现开发者起源、查询语言和议题领域是三个近等加性因素，所有模型在中文下更亲华。
Comments 37 pages, 6 main-text figures, 12 supplementary figures, 5 supplementary tables; supplementary information included
弥合差距：通过文本到NoSQL翻译实现NoSQL数据库的自然语言查询
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学）
AI总结 本文研究Text-to-NoSQL任务，提出TEND基准和SAG求解器，用于将自然语言请求翻译为MongoDB聚合管道，验证了无模式文档推理的独特挑战。
GePBench：评估多模态大语言模型的基础几何感知能力
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 提出GePBench基准，系统评估多模态大语言模型的几何形状识别与空间关系感知能力，发现现有模型存在显著缺陷，而基于该基准训练可提升下游任务性能。
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