高校专区
关注、变换或静默：面向高效多模态大语言模型推理的算子级视觉跳跃
机构 * Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Sun Yat-sen University（中山大学） ； National Supercomputing Center in Shenzhen（国家超级计算深圳中心） ； Tsinghua University（清华大学）
AI总结 针对多模态大语言模型视觉令牌计算冗余问题，提出算子级视觉跳跃框架，选择性跳过冗余注意力或FFN算子，在Qwen3-VL上减少33.7%计算量并保持99.5%性能。
JL1-CC&QA：扩展JL1-CD基准，增加变化描述和问答
机构 * Department of Electronic Engineering, Beijing National Research Center for Information Science and Technology, Tsinghua University（清华大学电子工程系，北京信息科学与技术国家研究中心） ； Chang Guang Satellite Technology Co., Ltd. (CGSTL)（长光卫星技术股份有限公司） ； College of Communications Engineering, Army Engineering University of PLA（中国人民解放军陆军工程大学通信工程学院）
AI总结 提出JL1-CC&QA多任务基准，通过变化描述和问答扩展JL1-CD，利用吉林一号卫星图像和三级标注流程，推动遥感变化理解。
Comments 10 pages, 8 figures
FastDSAC：通过约束探索增强策略可塑性以实现可扩展的人形机器人运动
机构 * Chongqing University（重庆大学） ； Ministry of Industry and Information Technology（工业和信息化部） ； Tsinghua University（清华大学） ； University of Science and Technology Beijing（北京科技大学）
AI总结 提出FastDSAC算法，通过截断高斯分布约束动作探索，缓解高更新频率下的策略可塑性损失，在并行采样场景中实现更快收敛和更优性能。
Comments 8 pages, 9 figures. Code is available at https://github.com/luge66/FastDSAC
PrISM-IQA：面向智能手机摄影的实用图像质量评估
机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Computer Science, Institute of AI, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院人工智能研究院） ； OPPO Research Institute（OPPO研究院） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院）
AI总结 提出PrISM-IQA，将智能手机IQA重构为多问题有序诊断，预测每个ISP相关问题的严重等级，支持可操作的ISP调优。
基于物理感知神经算子Transformer的EAST钨单体偏滤器温度场重建
机构 * School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） ； Institute of Plasma Physics, Chinese Academy of Sciences（中国科学院等离子体物理研究所） ； Tongling University（铜陵学院） ； College of Physics, Donghua University（东华大学物理学院） ； Tsinghua University（清华大学）
AI总结 针对偏滤器温度场实时重建需求，提出物理感知神经算子Transformer（PNOT），通过图注意力捕捉空间物理依赖、物理感知算子聚合相似物理条件点、梯度约束Sobolev正则化保持物理一致性，实现高精度快速重建。
缓解3D掩码自编码器中的位置泄漏以实现鲁棒表示学习
机构 * SKLCCSE, Beihang University（北京航空航天大学软件开发环境国家重点实验室） ； SCSE, Beihang University（北京航空航天大学计算机学院） ； NERCBDS, EIRI, Tsinghua University（清华大学电子工程系智能技术与系统国家重点实验室） ； SASEE, Beihang University（北京航空航天大学自动化科学与电气工程学院）
AI总结 针对3D掩码自编码器中位置信息过度依赖导致语义表示弱化的问题，提出MPL-MAE框架，通过重校准位置嵌入和门控位置接口模块，平衡空间先验与语义特征，提升下游任务性能。
一视频一世界：将单目视频转化为物理4D场景
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； SparcAI Inc（SparcAI公司） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanyang Technological University（南洋理工大学） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院）
AI总结 提出OVOW，首个无需训练的系统，从单目视频重建实例级、可仿真的4D网格场景，通过视觉语言模型发现实例、类别感知重建、迭代优化恢复尺度与位姿、物理装配确保接触支撑，并建立结构化视频到4D评估基准。
Comments Accepted by ECCV 2026. Project Page: https://OneVideoOneWorld.github.io/
面向强化学习的阶段转换密集奖励建模
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Zerith Robotics
AI总结 提出阶段转换密集奖励（STDR）框架，利用专家视频学习任务阶段结构，提供阶段转换和阶段内进展两种密集奖励信号，结合OOD检测和抓取调节模块，提升机器人操作任务的样本效率和成功率。
Comments 8 pages,3 figures
从失败中学习：计算机使用代理的推理时自我改进
机构 * Stanford University（斯坦福大学） ； Tsinghua University（清华大学）
AI总结 提出失败驱动的自我改进循环，利用LLM诊断失败模式并生成代码补丁，在OSWorld基准上将OpenCUA-72B模型成功率从42.3%提升至48.9%，无需额外训练成本。
Comments Published in ECCV 2026
先规划正确，再规划紧凑：面向高效具身推理的符号强化学习
机构 * Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tencent（腾讯） ； University of London（伦敦大学）
AI总结 针对具身任务规划中缺乏低成本确定性验证的问题，提出基于BDDL规范的符号强化学习框架，通过视频解析、LLM验证和轻量符号引擎提供毫秒级密集反馈，并引入难度感知长度调度GroupAdapt，在BEHAVIOR-1000上实现97.3的严格通过率，相对Qwen3-8B提升25.9%。
Comments 18 pages, 10 figures, 14 tables; includes appendix
Agentic-Ideation: 面向科学构思智能体的样本高效智能体轨迹合成
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）
AI总结 提出Agentic-Ideation框架，通过Oracle引导的数据合成策略和掩码训练，高效生成高质量智能体轨迹，在科学构思任务上整体质量提升11.91%，数据合成效率提高10倍以上。
AA: 用于屏幕式视线估计的多视角多模态数据集
机构 * Tsinghua University（清华大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出AA数据集，包含8个屏幕摄像头和2个侧视角摄像头的同步面部观测及精确视线目标，支持多视角多模态学习，解决单视角数据集的视角变化和遮挡问题。
重新思考基础模型协作：通过代理任务推理增强专用模型
机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） ； Department of Urban Studies and Planning, Massachusetts Institute of Technology（麻省理工学院城市研究与规划系）
AI总结 提出FAT框架，将基础模型与专用模型协作视为任务分解而非替代，通过代理任务（如选择或验证）提升结构化预测性能，在多个任务上优于直接使用基础模型回归。
通过Transformer揭示UTM的安全关键场景
机构 * Tsinghua University（清华大学） ； Meituan（美团）
AI总结 提出将UTM漏洞发现建模为序列问题，使用基于Transformer的强化学习架构，通过注意力机制建模状态关系并预测最优动作，实现8倍漏洞发现效率提升。
DDIAgents: 机制条件上下文流用于药物相互作用预测
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Institute of Biomedical Engineering, University of Oxford（牛津大学生物医学工程研究所） ； Division of Emerging Interdisciplinary Areas, Hong Kong University of Science and Technology（香港科技大学新兴跨学科领域学部）
AI总结 提出DDIAgents多智能体框架，通过动态知识编排预测药物相互作用，减少无关信息并生成可解释推理，性能优于现有方法。
基于扩散的材料正则化用于物理逆渲染
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； NVIDIA（英伟达） ； BNRist and School of Software, Tsinghua University（清华大学软件学院及北京国家信息科学与技术研究中心）
AI总结 提出将扩散模型预测作为相似性核，通过正则化损失约束材料优化，联合重建几何、材质和光照，在多个数据集上显著优于现有方法。
Comments Accepted to ECCV 2026. Includes supplementary material. Project page: https://gerwang.github.io/diffusion-regularized-inverse-rendering/
基于预测可微渲染的视频动态学习
机构 * Dartmouth College（达特茅斯学院） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； University of California, San Diego（加州大学圣地亚哥分校） ； Westlake University（西湖大学） ； Tsinghua University（清华大学） ； Ant Group（蚂蚁集团）
AI总结 提出预测可微渲染（PDR）框架，通过2D高斯表示的轻量适配器PredGS和CUDA加速渲染器predgsplat，结合L1和SSIM损失优化，在离散像素与连续表示间架桥，显著提升视频预测的细节保真度和准确性。
Comments Accepted by ECCV 2026. 18 pages, 5 figures, 11 tables
真相还是诡辩？LoFa：大语言模型对逻辑谬误鲁棒性的基准测试
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； South China University of Technology（华南理工大学）
AI总结 提出LoFa基准，通过多智能体管道生成事实与谬误配对，结合多轮辩论框架评估LLM对逻辑谬误的鲁棒性，并设计LFR@k指标量化抵抗能力。
Comments Accepted to ACL 2026 Main. 33 pages (9 pages main text)
DANTE-W：野外场景的漫反射反照率神经纹理化
机构 * Tsinghua University（清华大学）
AI总结 提出DANTE-W神经纹理框架，利用神经表示融合生成式先验，通过物理神经渲染恢复高保真漫反射反照率纹理，提升重光照保真度。
基于竞争优化的多源数据集联合发现偏微分方程
机构 * Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin, Eastern Institute of Technology（浙江工业智能与数字孪生重点实验室，东方理工高等研究院） ； Department of Electrical Engineering, Tsinghua University（清华大学电机工程系） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（东方理工高等研究院宁波数字孪生研究院）
AI总结 提出MCO-PDE框架，通过软竞争权重机制融合多源数据集，联合发现共享偏微分方程的结构和参数，在稀疏观测下高精度恢复经典方程。
PerceptionRubrics：将多模态评估校准至人类感知
机构 * Johns Hopkins University（约翰霍普金斯大学） ； StepFun ； Tsinghua University（清华大学） ； Independent Researcher（独立研究者）
AI总结 提出基于准则的评估框架PerceptionRubrics，通过双流准则和门控评分机制，解决基准分数饱和而实际脆弱性问题，揭示可靠性差距、开源与闭源感知差异，并实现与人类感知的高度对齐。
Comments ICML 2026. Project page: https://weiyana.github.io/PerceptionRubrics
Reflect-R1：长视频理解中基于证据驱动的自纠正反思
机构 * Tsinghua University（清华大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； Nanyang Technological University（南洋理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Shenzhen University（深圳大学） ； University of California（加利福尼亚大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出Reflect-R1框架，通过直觉、验证、仲裁三阶段管道动态检索客观视觉证据，并设计阶段解耦强化学习算法SD-GRPO解决策略耦合，在长视频理解基准上达到最优性能。
Comments 2026 ECCV
ViQ: 任意分辨率下的文本对齐视觉量化表示
机构 * Tencent HY Vision Team（腾讯HY视觉团队） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Chinese Academy of Sciences（中国科学院）
AI总结 提出ViQ框架，通过文本对齐预训练和特征离散化两阶段量化学习，平衡离散表示中的语义与细节，支持原生分辨率输入，在多模态任务中取得与连续高维特征编码器相当的性能，并实现20%-70%的训练加速。
Comments Accepted to ECCV 2026
REDI-Match: 旋转等变蒸馏实现高效鲁棒密集匹配
机构 * Tsinghua University（清华大学） ； Southern University of Science and Technology（南方科技大学） ； Beihang University（北京航空航天大学） ； Zhejiang University（浙江大学）
AI总结 提出REDI-Match框架，通过旋转等变蒸馏将视觉基础模型的语义知识注入轻量等变编码器，结合熵驱动空间对齐模块，在密集匹配中实现高效鲁棒的旋转不变性，在SatAst数据集上提升13.89%姿态精度且速度提升1.9倍。
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