高校专区
AdaForensics：学习一种具有特征感知能力的自适应深度伪造检测器
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）
AI总结 本文提出名为AdaForensics的特征感知自适应深度伪造检测器，通过双分支超网络学习自适应参数，在多数据集上性能优于现有最先进方法。
UniqueSplat：用于通用3D重建的视角条件化3D高斯溅射模型
机构 * Tsinghua University（清华大学）
AI总结 本文提出视角条件化前馈3D高斯溅射模型UniqueSplat，通过双分支视角条件化超网络实现高斯动态调整，在多数据集及跨数据集评估中均优于现有最优方法，提升了通用3D重建性能。
配置偏移下的共形大语言模型
机构 * University of Stuttgart（斯图加特大学） ； Robert Bosch GmbH（罗伯特·博世有限公司） ； University of Oxford（牛津大学） ； LMU Munich（慕尼黑大学） ； Tsinghua University（清华大学） ； University of Southampton（南安普顿大学） ； University of Oslo（奥斯陆大学）
AI总结 该研究针对配置偏移对共形大语言模型有效性的影响展开系统分析，通过多维度实证研究揭示其削弱覆盖率的问题，提出两种实用缓解措施以恢复覆盖率并保留效率。
Comments Under Review
DynActiveGS：面向动态场景重建的主动高斯溅射方法
机构 * Tsinghua University, Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Huawei Technologies Ltd（华为技术有限公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 DynActiveGS是基于3DGS的动态感知主动重建框架，通过分解不确定性实现动态场景的鲁棒主动重建，在多指标上优于现有基线。
Comments Accepted to ACM Multimedia 2026
InteracVid：基于直播聊天视频构建真实交互式视听响应数据集
机构 * College of AI, Tsinghua University（清华大学人工智能学院）
AI总结 该研究提出首个开源大规模交互式视听数据集InteracVid，解决现有生成模型监督信号缺失问题，实验证实其可提升多模态助手的交互规划与响应生成性能，为交互式多模态生成提供关键基础。
CoT-Edit：让思维链（CoT）指导指令视频编辑
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学）
AI总结 本文提出CoT-Edit的plan--guide--edit框架，以CoT增强的MLLM为规划器生成空间先验，结合扩散编辑器实现高保真指令视频编辑，性能优于多个基准方法
Push-Wiper：基于分段推动轨迹的通用机器人清洁方案，用于处理不同污渍与表面
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Z-Lab, Zerith Robotics（Zerith机器人公司Z-Lab实验室） ； University of Toronto（多伦多大学）
AI总结 Push-Wiper 框架将粘性污渍清洁转化为聚合问题，通过分段推动轨迹结合 Diffusion Policy 与 ASPI 控制器，清洁得分比基线高130%，可零样本泛化至多种污渍与表面。
Comments 8 pages, 8 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
PixelSR：基于像素分类的高效屏幕内容超分辨率方法
机构 * Tsinghua University（清华大学）
AI总结 PixelSR通过训练阶段的像素分箱分类计算内容注意力、测试阶段利用屏幕内容特性优化推理，在屏幕内容超分辨率任务中实现了性能先进且推理速度更快的效果。
DrawAI：用于生成可编辑光栅图像的智能体基准与工作流
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 DrawAI提出图像到可编辑重建任务，构建含DrawAI-Bench基准与DrawAI-Flow工作流的智能体方案，经实验验证DrawAI-Flow可提升可编辑结构，不同模型-harness配置的重建质量与成本差异显著。
Comments Project URL: https://drawai.renaissancemind.ai/
CrossProjection：建筑图纸中超越视角变化的几何定位
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； University College London（伦敦大学学院）
AI总结 该研究提出CrossProjection方法评估视觉语言模型在异构建筑视图间的几何定位能力，发现模型在自由几何定位上性能脆弱，仅封闭选择成功不代表具备可靠几何定位能力。
Comments Initial controlled diagnostic study on 23 natural drawing sets and three VLMs; broader model, building, repeated-inference, and human coverage is planned for a subsequent version
从文本到视觉的可迁移性：视觉语言模型（VLM）的能力缩放定律与迁移动态
机构 * Meituan（美团） ； Tsinghua University（清华大学）
AI总结 该研究提出首个跨家族的能力驱动多模态缩放定律，可通过LLM文本能力预测VLM性能，将主干选择从经验搜索转为定量决策，还揭示了LLM作为VLM主干的相关见解。
用于视差和表面法线的统一立体几何估计框架
机构 * Beijing Institute of Technology（北京理工大学） ； School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； Beihang University（北京航空航天大学） ； INSAIT, Sofia University（索非亚大学INSAIT） ； BAAI AIR, Tsinghua University（清华大学BAAI AIR）
AI总结 本文针对立体匹配和表面法线估计问题，提出统一框架GeoStereo，结合前馈立体匹配与基于扩散的法线估计分支，引入初始化策略与扭曲条件，实现有效交互，在多场景表现可靠，零样本设置下视差和法线估计精度高。
DynImmune-BERT：基于神经常微分方程驱动的连续变换器的动态免疫组库建模
机构 * University of Macau（澳门大学） ； Hanyang University（汉阳大学） ； Zhejiang University（浙江大学） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学） ； South China University of Technology（华南理工大学） ； University of Liverpool（利物浦大学）
AI总结 研究针对纵向T细胞受体组库建模问题，提出DynImmune-BERT模型，结合多种方法，能在有纵向组库结构时补充静态编码器，通过特定评估方式得出结果，对小外部队列和协议差异需谨慎解读。
Comments 13 pages, 6 figures
DAG-FM：异构因果机制下因果发现的基础模型
机构 * Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 针对观测表格数据因果发现难题，提出DAG-FM基础模型，通过自回归阶段、表格交互块及叶专家混合处理复杂情况，经迭代推理构建DAG，在合成及真实数据集上性能优于传统算法和其他模型。
Comments 33 pages, 9 figures, 12 tables, preprint
LCPNet：用于红外小目标检测的潜在一致近端展开网络
机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Laboratory of Imaging Detection and Intelligent Perception, University of Electronic Science and Technology of China（电子科技大学成像探测与智能感知实验室） ； School of Artificial Intelligence, Beijing Institute of Technology（北京理工大学人工智能学院）
AI总结 针对红外小目标检测，提出LCPNet。通过在潜在空间展开并利用低秩先验，推导LCP求解器及引入共享优化内存，实现准确鲁棒检测，优于现有方法。
ArcAD: 冷启动监督异常检测的异常校正校准框架
机构 * Faculty of Computing, Harbin Institute of Technology, Harbin, China University of New South Wales, Sydney, Australia School of Biomedical Engineering, Tsinghua University, Beijing, China School of Artificial Intelligence ； Robotics, Hunan University, Changsha, China Big data institute, Central South University, Sydney, Australia DZ-Matrix, Beijing, China Chongqing Research Institute of HIT, Chongqing, China
AI总结 针对工业异常检测中冷启动场景下正常样本不足、异常样本稀少的问题，提出基于推拉学习范式的即插即用校准框架ArcAD，通过将正常样本投影到超球面并聚类、合成伪异常并利用真实异常优化边界，在多个数据集上显著优于现有方法。
Comments Accepted to European Conference on Computer Vision (ECCV) 2026
ATOD: 面向多轮自主智能体的退火轮次感知在线策略蒸馏
机构 * Tencent Inc.（腾讯公司） ； Tsinghua University（清华大学）
AI总结 提出ATOD混合在线蒸馏算法，通过退火式OPD-RL调度和轮次级重加权，解决长程交互任务中OPD性能天花板和RL早期低效问题，在三个基准上超越教师模型。
DataClaw0: 从原始流中智能定制多模态数据
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Shenzhen University of Advanced Technology（深圳理工大学） ； Tsinghua University（清华大学）
AI总结 提出DataClaw0模型，通过两阶段流水线将生成语义合成锚定于确定性事实锚点，结合SFT与GRPO实现复杂数据精炼意图的对齐，首个数据精炼基准验证其高效性。
Comments add base model: Qwen3.5-27B
用表示自编码器蒸馏漂移变换器
机构 * Tsinghua University（清华大学） ； Ant Group（蚂蚁集团） ； CUHK（香港中文大学）
AI总结 提出Drift-RAE方法，通过漂移范式在表示自编码器潜空间中蒸馏预训练流模型，解决各向异性和大曲率问题，在ImageNet 256上仅用10k步达到1.77 FID。
复用融合时频谱可靠性用于RGB-红外目标检测的自适应融合与专家路由
机构 * Tsinghua University（清华大学）
AI总结 提出一种无参数的7维频谱可靠性描述符，通过频谱可靠性融合和可靠性条件专家路由，提升RGB-红外目标检测在退化条件下的性能。
SAM3D-Phys：迈向真实世界中的多物体交互仿真
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Pengcheng Laboratory（鹏城实验室）
AI总结 提出SAM3D-Phys框架，结合场景重建与SAM3D生成式先验，从部分观测中恢复完整可仿真物体几何，并通过物理约束优化和掩码引导外观蒸馏实现场景一致性，支持多物体同时交互仿真。
Comments 9 pages, 4 figures
GPS拒止环境下无人机的高度自适应纯视觉地理定位
机构 * Department of Precision Instrument, Tsinghua University（清华大学精密仪器系） ； School of Aerospace Engineering, Beijing Institute of Technology（北京理工大学航天工程学院） ； School of Instrumentation Science and Opto-electronics Engineering, Beijing Information Science and Technology University（北京信息科技大学仪器科学与光电工程学院）
AI总结 针对无人机视觉位置识别中高度变化导致的尺度不匹配问题，提出一种基于单目视觉的高度自适应地理定位框架，通过频域变换估计相对高度并用于图像尺度归一化，结合分类-检索视觉位置识别模块实现粗定位，引入质量自适应边缘分类器提升检索鲁棒性。
OnePred: 多轮对话中基于递归意图记忆的下一个查询预测
机构 * Tsinghua University（清华大学） ； Qwen Applications Business Group of Alibaba（阿里巴巴Qwen应用业务组）
AI总结 针对多轮对话中下一个查询预测任务，提出OnePred模型，通过递归更新的意图记忆代替完整历史，结合两阶段强化学习训练，在NQP-Bench基准上实现高达22倍的每轮token节省且预测质量优于所有基线。
Co-ReAct：作为ReAct智能体逐步协作者的评分准则
机构 * Qwen Applications Business Group of Alibaba（阿里巴巴文勤应用业务组） ； Tsinghua University（清华大学）
AI总结 提出Co-ReAct框架，通过训练专用评分准则生成器，在推理时逐步指导ReAct智能体的行动选择，显著提升搜索密集型多步推理任务的性能。
大型音频语言模型综述：通用性、可信度与展望
机构 * Nanyang Technological University（南洋理工大学） ； Independent Researcher（独立研究者） ； The University of Melbourne（墨尔本大学） ； North China Electric Power University（华北电力大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Tsinghua University（清华大学） ； Fortemedia Singapore（富媒体新加坡） ； Tencent（腾讯） ； Fudan University（复旦大学） ； Wuhan University（武汉大学） ； Chinese University of Hong Kong（香港中文大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 本文综述了大型音频语言模型的通用性、可信度及未来发展方向，探讨了其架构创新、对齐算法及安全风险，并提出了防御深入、因果音频世界建模等策略以提升音频智能的可信度。
基于多专家投影和多维层次量化的一致生成推荐
机构 * DCST, Tsinghua University（清华大学直流系统研究所） ； DCST, BNRist, Tsinghua University（清华大学直流系统研究所） ； Tencent（腾讯）
AI总结 本文提出AsymRec框架，通过分离输入输出表示解决生成推荐中的信息瓶颈问题，采用多专家投影和多维层次量化提升推荐性能，实验表明在推荐任务中平均提升15.8%。
具有预训练的自适应核密度估计
机构 * Department of Statistics and Data Science, Tsinghua University（统计与数据科学系，清华大学）
AI总结 本文提出利用预训练技术提升高维下自适应核密度估计效率，通过神经网络推荐合适核函数，实验证明在目标分布接近预训练分布时效果显著。
SynAgent：通过独狼到协作代理协同实现通用化的人形机器人操作
机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； College of Artificial Intelligence, Nanjing Forestry University（南京林业大学人工智能学院）
AI总结 本文提出SynAgent框架，通过独狼到协作代理协同转移单agent人-物体交互技能，实现可扩展且物理合理的协作操作，实验显示其在协作模仿和轨迹条件控制方面优于现有基线。
GaiaFlow：基于语义的扩散调优用于碳节约搜索
机构 * University of Macau（澳门大学） ； Renmin University of China（中国人民大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Liverpool（利物浦大学） ； Peking University（北京大学） ； Northeast Normal University（东北师范大学） ； Minzu University of China（民族大学）
AI总结 GaiaFlow通过结合语义引导的扩散调优与硬件无关的性能建模策略，在保证检索精度的同时降低环境影响，实现了高效且可持续的神经搜索系统。
Comments 19 pages, 7 figures
缺失-by-设计：可撤销多模态情感分析的可验证模态删除
机构 * University of Macau（澳门大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Juntendo University（立命馆大学） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出MBD框架，通过结构化表示学习和可验证参数修改流程，实现可撤销多模态情感分析中的模态删除，实验表明其在不完整输入下具有强预测性能，并实现隐私与效用的平衡。
Comments 21 pages, 6 figures. In the previous version, Juntendo University was erroneously listed as the affiliation; we must clarify that this paper has absolutely no relation to Juntendo University. Therefore, we have replaced this affiliation in the new version
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