Tsinghua University（清华大学） - arXivDaily 高校专区

2507.16696 2026-06-24 cs.LG cs.AI cs.MM cs.SD 版本更新

FISHER: A Foundation Model for Multi-Modal Industrial Signal Comprehensive Representation

FISHER：多模态工业信号综合表示的基础模型

Pingyi Fan, Anbai Jiang, Shuwei Zhang, Xinhu Zheng, Zhiqiang Lv, Bing Han, Wenrui Liang, Junjie Li, Wei-Qiang Zhang, Yanmin Qian, Xie Chen, Jia Liu

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）； Institute for Embodied Intelligence and Robotics, Tsinghua University（清华大学智能感知与机器人研究院）； Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程系）； Huakong AI Plus Company Limited（华冠AIplus有限公司）； Didi International Business Group（滴滴国际商务集团）

AI总结针对工业信号分析中的数据异质性（M5问题），提出FISHER基础模型，采用子带建模处理多采样率问题，通过教师-学生自蒸馏预训练，在19个数据集上以较小规模超越24个SOTA编码器。

Comments Accepted by IEEE TII. FISHER open-sourced on https://github.com/jianganbai/FISHER . RMIS open-sourced on https://jianganbai.github.io/RMIS

2511.21029 2026-06-24 cs.CV 版本更新

FlowerDance: MeanFlow for Efficient and Refined 3D Dance Generation

FlowerDance: MeanFlow实现高效精细的3D舞蹈生成

Kaixing Yang, Xulong Tang, Ziqiao Peng, Xiangyue Zhang, Puwei Wang, Jun He, Hongyan Liu

机构 * Renmin University of China（中国人民大学）； Tsinghua University（清华大学）； Wuhan University（武汉大学）； Malou Tech Inc（Malou科技公司）

AI总结提出FlowerDance，结合MeanFlow与物理一致性约束，以少量采样步骤生成高质量舞蹈，并采用BiMamba骨干和通道级跨模态融合实现高效非自回归生成，支持运动编辑，在AIST++和FineDance上达到最优。

Comments Accepted by ECCV 2026

2505.21916 2026-06-24 cs.RO 版本更新

Prior Reinforce: Goal-Conditioned Dynamic Manipulation with Limited Trials

Prior Reinforce: 有限试验下的目标条件动态操控

Yihang Hu, Pingyue Sheng, Yuyang Liu, Shengjie Wang, Yang Gao

机构 * IIIS, Tsinghua University（清华大学智能学院）； Shanghai Qi Zhi Institute（上海启智研究院）； Spirit AI

AI总结提出Prior Reinforce框架，利用条件扩散模型从少量演示学习运动流形，并在低维条件空间通过反馈驱动优化适应新目标，实现少至十次试验内的动态操控。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

2509.04827 2026-06-24 cs.DC cs.AI cs.LG 版本更新

VoltanaLLM: Energy-Efficient and SLO-Aware Disaggregated LLM Serving via Adaptive Frequency Control and State-Space Routing

VoltanaLLM: 通过自适应频率控制和状态空间路由实现节能且SLO感知的解耦LLM服务

Jiahuan Yu, Aryan Taneja, Junfeng Lin, Minjia Zhang

机构 * Siebel School of Computing（计算与数据科学学院）； Department of Precision Instrument, Tsinghua University（清华大学精密仪器系）

AI总结提出VoltanaLLM系统，利用控制理论，通过每实例迭代级频率选择和状态空间路由，在满足延迟SLO下降低LLM推理能耗，实验显示最高节能36.3%。

Comments Accepted by ISC High Performance 2026: https://ieeexplore.ieee.org/abstract/document/11520495/