高校专区
超越孤立：解锁强化学习组件协同以实现样本高效的连续控制
机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Mila - Quebec Artificial Intelligence Institute（米拉-魁北克人工智能研究所） ； University of Oxford（牛津大学）
AI总结 该研究针对强化学习组件孤立问题，提出协调模型表示等三个维度的ROSER框架，在连续控制基准上性能优于基线及单纯堆叠方法，为样本高效智能体开发提供了整体设计思路。
Comments 27 pages including appendix, 10 figures, 12 tables
DocMemo：面向多模态文档理解的概率记忆引导检索动态证据发现框架
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 针对长文档理解的静态检索与跨轮记忆局限，提出记忆引导框架DocMemo，通过三层记忆与多轮优化实现动态证据发现，在3个基准上取得SOTA性能。
Comments DocMemo is a memory-guided framework for long-document reasoning that uses tri-level memory and dynamic Bayesian belief updating to overcome static retrieval limits and improve evidence tracking. 16 pages, 4 figures, 14 tables
基于运动学耦合SVSDF的移动操作臂携带任意形状负载的实时全身运动规划
机构 * University of Hong Kong（香港大学） ； Tsinghua University（清华大学）
AI总结 本文提出基于KC-SVSDF的移动操作臂实时全身运动规划框架，通过链分解碰撞检查等方法，可可靠在复杂环境中运输大型非凸任意形状负载。
用于古琴演奏的触觉机器人手指
机构 * The Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳市人工智能与机器人研究院） ； The Chinese University of Hong Kong - Shenzhen（香港中文大学（深圳）） ； School of Physics and Optoelectronic Engineering, Shenzhen University（深圳大学物理与光电工程学院） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 该研究设计了一款模仿人类手指的高精度触觉传感机器人指尖，以古琴为验证场景，开展了古琴弦接触相关任务的验证，将触觉传感与机器人技术结合，助力世界遗产保护与文化传播。
Comments Accepted by IEEE Transactions on Haptics
面向相机鲁棒性的视觉-语言-动作策略的跨视图动作一致性
机构 * Tsinghua University（清华大学） ； Informatics Institute, University of Amsterdam（阿姆斯特丹大学信息学研究所） ； Faculty of Science, Vrije Universiteit Amsterdam（阿姆斯特丹自由大学理学院）
AI总结 本研究针对视觉-语言-动作策略的相机鲁棒性问题，提出跨视图动作一致性正则化方法，在LIBERO-Plus数据集及真实机器人任务上均显著提升了相机扰动下的策略性能。
科学边缘评估：SEE——迈向真实科学发现的缺失环节
机构 * Alibaba Group（阿里巴巴集团） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； University of Alberta（阿尔伯塔大学） ； Zhejiang University（浙江大学）
AI总结 该研究构建多模态基准SEE评估19个MLLMs，发现其仅达48.7%准确率，通用模型优于专用模型，工具使用可提至52.7%但仍难实现科学发现所需的证据约束推断，需从解释转向推导。
Simple-OPD：揭开策略内蒸馏的预热阶段之谜
机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Tencent（腾讯）
AI总结 本文通过数据与训练视角研究OPD的预热阶段，发现预热依赖教师兼容CoT监督、LoRA近饱和训练优于全参数SFT，提出Simple-OPD方法并验证其有效性与鲁棒性。
ArchEGraph：用于几何-拓扑-物理对齐的建筑能源建模的大规模图数据集
机构 * Tsinghua University（清华大学） ； UC Berkeley（加州大学伯克利分校） ； MIT（麻省理工学院）
AI总结 研究提出ArchEGraph大规模图数据集，定义两个基准任务并开展泛化实验，为建筑能源建模的几何-拓扑-物理耦合研究提供统一测试平台，支持替代模型开发评估。
Comments 26 pages, 13 figures, submitted to a conference
GraphVerse：面向多模态大语言模型的综合性视觉图推理基准
机构 * New York University（纽约大学） ； Sensetime Research（商汤科技研究院） ； Tsinghua University（清华大学） ； New York University Shanghai（上海纽约大学） ； University of Georgia（佐治亚大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 针对现有多模态大语言模型（MLLMs）评估缺乏结构化视觉推理测试的问题，提出GraphVerse基准，通过以图为中心的图像编辑（GIE）策略和VGR-Score指标，评估MLLMs在单/配对图像场景下的视觉图推理能力，揭示其相关局限并验证方法有效性。
Comments 33 pages, 16 figures
求解器引导的混合策略均衡推理
机构 * Shanghai Jiao Tong University（上海交通大学） ； GTO Wizard ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Vector Institute（向量研究所）
AI总结 本研究提出混合策略决策树（MDT），用求解器输出引导LLM在博弈中的均衡推理，在无限制德州扑克8种LLM配置下，将与均衡的L1距离降低52.6%，且策略可移植性良好。
面向单目视觉流的实时深度感知主动学习框架
机构 * School of Mechanical and Automotive Engineering, Xiamen University of Technology（厦门理工学院机械与汽车工程学院） ； Xiamen Innovative Centre for Automotive Electric Driving（厦门新能源汽车驱动创新中心） ； King Long United Automotive Industry Co. Ltd.（金龙联合汽车工业有限公司） ； School of Electrical and Electronic Engineering, The University of Adelaide（阿德莱德大学电气与电子工程学院） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院）
AI总结 该研究针对边缘设备上单目深度感知的域偏移问题，提出带选择性可塑性的在线主动学习框架，以MobileNetV3-Small为骨干，在降75%计算量的同时实现高效深度估计。
及时检索，频率校正
机构 * Research Institute of Tsinghua University in Shenzhen（清华大学深圳研究院） ； Everwise-Tech Co., Ltd.（恒智慧科技有限公司） ； Tongji University（同济大学） ； Fudan University（复旦大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 该研究针对冻结 VLA 策略长 horizon 操作的误差问题，提出无需训练的 RTCF 框架，通过渐进式记忆对齐和低频残差转移，在 LIBERO 实验中提升了操作成功率且延迟极低。
ODEWorld：一种基于物理时间流的连续预测架构
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； Berkeley Artificial Intelligence Research (BAIR), University of California, Berkeley（加州大学伯克利分校伯克利人工智能研究院（BAIR））
AI总结 研究针对现有世界建模机器学习范式局限于离散时间预测的问题，提出基于PT-Flow的连续时间潜在世界模型ODEWorld，解决表示崩溃问题，在视频生成和机器人控制任务中表现出色。
PRISM-Net：用于三类乳腺DCE-MRI分类的患者特异性参考引导跨乳腺对称匹配
机构 * Nankai University（南开大学） ； Zhongguancun Academy（中关村学院） ； The First Medical Center of Chinese PLA General Hospital（中国人民解放军总医院第一医学中心） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； The Six Medical Center of Chinese PLA General Hospital（中国人民解放军总医院第六医学中心） ； Tsinghua University（清华大学）
AI总结 该研究针对乳腺DCE-MRI分类中患者特异性背景变异性问题，提出PRISM-Net无配准双侧框架，利用对侧乳腺特征建模跨乳腺对应，在多数据集上优于基线，提升了乳腺病灶分类性能。
Comments 15 pages, 7 figures, 5 tables
通过模态差距感知自蒸馏从符号状态学习视觉空间规划
机构 * Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出MGSD两阶段框架，通过冷启动接地和特权教师蒸馏弥合视觉与符号规划之间的模态差距，在视觉规划基准上显著提升性能。
Comments 18 pages, preprint
教师特征漂移：基于预训练扩散表示的一步扩散蒸馏
机构 * JD Explore Academy（京东探索研究院） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 本文提出通过单步扩散蒸馏简化模型，利用预训练扩散教师自身的特征空间，无需额外网络即可实现语义特征几何的漂移，同时引入轻量模式覆盖损失以提升生成质量和多样性。
MetaSICL: 通过元语音上下文学习适应听觉大语言模型
机构 * University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学）
AI总结 提出MetaSICL方法，利用高资源语音数据通过元学习增强听觉大语言模型的上下文学习能力，在低资源场景下优于直接微调。
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