高校专区
WEQA: 可穿戴健康问答中的查询自适应智能推理
机构 * University of Cambridge（剑桥大学） ； Tsinghua University（清华大学） ； University College London（伦敦大学学院） ； Dartmouth College（达特茅斯学院） ； Google Research（谷歌研究院）
AI总结 提出WEQA框架，通过LLM控制器动态组合传感器分析与预训练模型，实现可穿戴健康数据问答，在基准测试中准确率提升24%，专家评估显示实用性和临床合理性显著提高。
元强化学习中的知识复用
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 提出一种元知识复用框架，通过动力学简化智能体学习任务知识并迁移至异构智能体，利用贝叶斯非参数先验和高层策略生成任务级指导，显著降低跟踪误差并提高样本效率。
Comments 18 pages initial submission
EAGG: 通过几何感知图条件实现具身对齐的抓取生成
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Beijing Moce Future Technology Co., Ltd.（北京墨策未来科技有限公司）
AI总结 提出EAGG，一种通过拓扑感知末端执行器图和几何感知令牌实现跨末端执行器抓取生成的统一模型，在MultiGripperGrasp基准上达到56.17%平均成功率，并显著降低接触距离。
Comments 16 pages, 8 figures. Code is available at https://github.com/wanhaoniu/EAGG
AIGS-Net: 基于2D高斯泼溅的紧凑光照场建模用于快速低光图像增强
机构 * College of Mechanical and Vehicle Engineering, Chongqing University（重庆大学机械与车辆工程学院） ； Department of Electrical and Computer Engineering, Carnegie Mellon University（卡内基梅隆大学电气与计算机工程系） ； Herbert Wertheim College of Engineering, University of Florida（佛罗里达大学赫伯特·韦特海姆工程学院） ； School of Mathematics and Statistics, Qingdao University（青岛大学数学与统计学院） ； National Innovation Center of Intelligent and Connected Vehicles（国家智能网联汽车创新中心） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院）
AI总结 提出AIGS-Net，通过输入自适应的2D高斯泼溅光照场和零参数多尺度上下文编码，以约40个可学习参数实现低光图像增强，在LOL和LSRW基准上平衡了增强质量与推理效率。
高斯光场溅射：一种物理先验驱动的视觉Transformer用于无监督低光图像增强
机构 * College of Mechanical and Vehicle Engineering, Chongqing University（重庆大学机械与车辆工程学院） ； Herbert Wertheim College of Engineering, University of Florida（佛罗里达大学赫伯特·韦特海姆工程学院） ； Department of Electrical and Computer Engineering, Carnegie Mellon University（卡内基梅隆大学电气与计算机工程系） ； National Innovation Center of Intelligent and Connected Vehicles（国家智能网联汽车创新中心） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院）
AI总结 提出GLFS模型，将高斯溅射的连续物理光照建模引入Transformer，通过各向异性高斯函数表示场景光照并引入物理引导偏置到自注意力中，配合颜色向量角损失和亮度边缘损失，实现非均匀光照下的曝光均衡和色彩校正，达到最先进性能。
PearlVLA：潜在空间中的渐进式具身动作计划精炼
机构 * Imperial College London（帝国理工学院） ； Tsinghua University（清华大学）
AI总结 提出PearlVLA框架，通过在VLM潜在空间中进行迭代计划精炼，平衡动作生成效率与显式推理，在LIBERO基准上达到最先进性能。
Comments 21 pages, 2 figures. Preprint
WAM-RL：基于重建奖励和在线视频SFT的世界-动作模型强化学习
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室） ； Northeastern University（东北大学） ； Tsinghua University（清华大学）
AI总结 提出WAM-RL框架，通过强化学习联合优化世界模型和动作模型，解决长时域任务中仅优化动作模型的不足，首次将强化学习引入世界-动作范式。
LongWebBench: 评估长程设置下的结构和功能性网页生成
机构 * Tsinghua University（清华大学） ； Yanshan University（燕山大学） ； University of Waterloo（滑铁卢大学） ； Beihang University（北京航空航天大学）
AI总结 提出LongWebBench基准，通过结构保真度和功能可执行性评估长网页生成，发现视觉相似性高但多步交互失败。
Comments 49 pages, 38 figures
GSPan：一种用于任意尺度全色锐化的连续高斯基元表示
机构 * Beihang University（北京航空航天大学） ； Tsinghua University（清华大学） ； National Research Council - Institute of Methodologies for Environmental Analysis, CNR-IMAA（意大利国家研究委员会 - 环境分析方法研究所）
AI总结 提出GSPan框架，将2D高斯溅射引入全色锐化，通过连续可学习的2D高斯基元表示残差细节，实现任意尺度融合，无需重新训练。
EnvRL: 在智能体强化学习中从环境动力学中学习
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出EnvRL框架，通过状态预测和逆动力学两个辅助目标，将环境动力学学习融入智能体强化学习，在长周期任务中显著提升成功率。
从酝酿到解析：追踪LLM中代码推理的内部生命周期
机构 * South China University of Technology（华南理工大学） ； Sun Yat-sen University（中山大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Hangzhou Dianzi University（杭州电子科技大学） ； Guangzhou College of Technology and Business（广州工商学院）
AI总结 提出双重诊断框架（逐层线性探针与上下文剥离解码），揭示LLM在代码推理中先酝酿答案后进入四种解析结果（已解析、过度处理、错误解析、未解析）的内部生命周期，发现酝酿支架稳定而解析成功随能力变化。
用于可靠LLM评估的提示扰动方法：基于比较图
机构 * Department of Statistics and Data Science, Tsinghua University（清华大学统计与数据科学系）
AI总结 针对LLM成对评估中的传递性矛盾问题，提出提示扰动框架，通过生成扰动变体并过滤结构不一致的比较模式，提高排名一致性。
Comments 42 pages, 8 figures
TivTok：广播时间不变令牌以实现可扩展视频分词
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Kuaishou Technology（快手科技）
AI总结 提出TivTok，一种可重用感知的视频分词器，通过时间不变（TIV）和时间变化（TV）令牌分解视频，实现高效压缩和长视频建模，在标准基准上rFVD达12.65，压缩效率提升2.91倍。
SEAGym: 自我进化LLM智能体的评估环境
机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University（北京信息科学与技术国家研究中心（BNRist），清华大学）
AI总结 提出SEAGym评估环境，通过训练、验证、测试、重放和成本记录多维度衡量智能体框架更新，揭示更新是否带来可复用改进、过拟合、成本增加或旧行为退化。
OmniDrive: 一种由LLM编排的多智能体世界模型，用于多视角驾驶视频生成的统一潜在协同压缩
机构 * Peking University（北京大学） ； Xiamen University（厦门大学） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； National Taiwan University（国立台湾大学） ； Wuhan University（武汉大学） ； Wuhan University of Technology（武汉理工大学） ； Tsinghua University（清华大学） ； Jimei University（集美大学）
AI总结 提出DRIVE-CHOREO，一种由LLM编排的多智能体世界模型，通过三个Qwen2.5-VL智能体协同生成位置感知的潜在序列，并利用视图-时间置换与3D VAE协同压缩，实现可控多视角视频生成，在nuScenes上达到SOTA多视角一致性和BEV mAP 21.6。
Comments 24 pages, 10 figures
UoU：基于大规模无监督学习的通用指纹基础模型
机构 * Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 提出UoU指纹基础模型，通过多级表示层次和结合监督、弱监督与无监督的训练策略，实现跨传感器、质量和应用的通用特征提取。
MemSlides：一种用于个性化幻灯片生成与多轮局部修订的层次化记忆驱动智能体框架
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出MemSlides层次化记忆框架，通过分离长期记忆（用户画像和工具记忆）与工作记忆，结合局部修订机制，实现个性化幻灯片生成中的用户偏好保持、多轮修订和可靠局部编辑。
Comments Code, website, project page, and video are linked in the paper
连续语言扩散作为解码器-接口问题
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）
AI总结 研究连续扩散语言模型如何从高斯噪声生成流畅文本，提出解码器-盆地机制，并设计诊断协议揭示标量指标隐藏的失败，通过接口相图解释令牌恢复行为。
MapAgent: 一个工业级的城市规模车道级地图生成智能框架
机构 * Tsinghua University（清华大学） ； Baidu（百度） ； University of Macau（澳门大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）
AI总结 提出MapAgent框架，通过结合视觉语言模型和约束感知推理，在验证驱动的Judge-Planner-Worker循环中修正车道地图生成中的规范违规问题，实现城市规模的高自动化生产。
Comments Accepted by KDD 2026
3D 等视域世界模型——揭示城市不可见几何及其涌现的跨城市特征
机构 * The Bartlett School of Sustainable Construction University College London, UK（可持续建设学院伦敦大学学院，英国） ； Department of Geography University College London, UK（地理系伦敦大学学院，英国） ； School of Project Management, Faculty of Engineering The University of Sydney, AU（工程学院项目管理学院悉尼大学，澳大利亚） ； School of Engineering Cardiff University, UK（工程学院卡迪夫大学，英国） ； School of Architecture Tsinghua University, Beijing, CN（建筑学院清华大学，北京，中国）
AI总结 提出一种预测3D等视域（球形可见性深度图）的具身世界模型，通过深度残差和自滚动调度采样训练，发现跨城市空间特征可从时间潜变量中线性解码。
Flash-GRPO：通过单步策略优化实现视频扩散的高效对齐
机构 * Zhejiang University（浙江大学） ； Joy Future Academy（京东探索研究院） ； Independent Researcher（独立研究员） ； Tsinghua University（清华大学）
AI总结 提出Flash-GRPO单步训练框架，通过等时分组和时间梯度校正解决计算瓶颈，在低计算预算下实现优于全轨迹训练的对齐质量和训练效率。
DiffAttn: 基于扩散的驾驶员视觉注意力预测与LLM增强语义推理
机构 * School of vehicle and Mobility, Tsinghua University（清华大学车辆与移动性学院） ； Beijing Key Laboratory of Human-Computer Interaction, Institute of Software, Chinese Academy of Sciences（北京人机交互重点实验室，中国科学院软件研究所） ； Remote Sensing and Earth Observation Laboratory, University of Copenhagen（远程感知与地球观测实验室，哥本哈根大学） ； California PATH, University of California, Berkeley（加州PATH，加州大学伯克利分校）
AI总结 提出DiffAttn框架，将驾驶员视觉注意力预测建模为条件扩散去噪过程，结合Swin Transformer、特征融合金字塔和LLM增强语义推理，在四个数据集上达到最先进性能。
Position: 模块化记忆是持续学习智能体的关键
机构 * University of Bremen（不莱梅大学） ； Seoul National University（首尔国立大学） ； Computer Vision Center Barcelona（巴塞罗那计算机视觉中心） ； University of Florence（佛罗伦萨大学） ； Microsoft Research（微软研究院） ； HEC Montreal, Mila--Quebec AI Institute, Canada CIFAR AI Chair（蒙特利尔HEC学院、魁北克人工智能研究所、加拿大CIFAR人工智能 chair） ； Bielefeld University（比勒海姆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Rochester（罗切斯特大学） ； University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） ； Nankai University（南开大学） ； LUISS University（卢西亚诺大学） ； Stony Brook University（石溪大学） ； University of Tübingen（图宾根大学） ； University of Trento, FBK（特伦托大学，FBK） ； Tsinghua University（清华大学） ； University of Groningen（Groningen大学）
AI总结 本文提出通过模块化记忆结合权重内学习与上下文学习，解决持续学习中的灾难性遗忘问题，实现大规模持续适应。
Comments ICML 2026 Position Track Spotlight. This work stems from discussions held at the Dagstuhl seminar on Continual Learning in the Era of Foundation Models (October 2025)
Brep2Shape：通过自监督变换器对齐边界与形状表示
机构 * School of Software, BNRist, Tsinghua University（清华大学软件学院）
AI总结 提出Brep2Shape自监督预训练方法，利用双Transformer骨干和拓扑注意力对齐B-rep的抽象边界表示与直观形状表示，在多项下游任务中达到最优精度并加速收敛。
R1-SyntheticVL：生成模型的合成数据是否已为多模态大语言模型做好准备？
机构 * Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出集体对抗数据合成（CADS）方法，通过集体智能和对抗学习自动生成高质量、多样且具有挑战性的多模态数据，用于增强多模态大语言模型（MLLM）在复杂现实任务中的性能。
Comments ICML 2026 Camera Ready
Atlas: 编排异构模型与工具实现多领域复杂推理
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； East China Normal University（华东师范大学）
AI总结 提出ATLAS双路径框架，通过无监督聚类路由和强化学习多步路由动态选择最优模型-工具组合，在15个基准上超越GPT-4o，分布内外任务分别提升10.1%和13.1%。
Comments Accepted by ACL 2026
SceneCompleter：面向生成式新视角合成的密集3D场景补全
机构 * Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） ； Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 提出SceneCompleter，通过几何-外观双流扩散模型在RGBD潜空间进行密集3D场景补全，并引入场景嵌入器整合全局信息，实现跨视角一致的生成式新视角合成。
对数凹分布约束采样的随机中点方法
机构 * Department of Mathematical Sciences, Tsinghua University（清华大学数学科学系） ； Artificial Intelligence Research Institute, Shenzhen MSU-BIT University（深圳MSU-BIT大学人工智能研究院） ； Department of Data Science, City University of Hong Kong（香港城市大学数据科学系）
AI总结 提出约束域中过阻尼和动能朗之万扩散的随机中点离散化方法，通过投影算子建立统一框架，证明Wasserstein-q距离下的收敛保证并得到近最优下界。
面向服务计算的查询高效视频对抗攻击：带风格化标志
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Cybersecurity and Quantum Systems Group, CSIRO’s Data61（CSIRO Data61网络安全与量子系统小组） ； School of Science, Computing and Engineering Technologies, Swinburne University of Technology（斯威本科技大学科学、计算与工程技术学院） ； Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院）
AI总结 提出一种黑盒视频攻击框架SLA，通过风格化标志和强化学习实现低预算、高逼真度的对抗样本生成，在目标攻击中优于现有方法。
Comments Accepted to IEEE Transactions on Dependable and Secure Computing (TDSC)
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