高校专区
IB-Flow：用于少步文本到图像生成的信息瓶颈引导的CFG蒸馏
机构 * Tsinghua University（清华大学） ； Wan Team, Alibaba Group（万团队，阿里巴巴集团） ； HKUST（香港科技大学） ； Beijing Normal University（北京师范大学）
AI总结 研究针对少步文本到图像生成中推理延迟问题，通过信息论将蒸馏建模为信息瓶颈引导的动态互信息博弈，提出双轨自适应框架，消除过度条件化伪影，在2步配置下实现SOTA生成保真度。
UniSkip-Mamba：用于视听时间伪造定位的频率感知状态空间模型
机构 * Soochow University（苏州大学） ； Tsinghua University（清华大学）
AI总结 针对视听时间伪造定位，通过频域分析发现伪造特征集中在低中频，提出融合多模态序列与新颖扫描机制的UniSkip-Mamba框架，实现性能提升和推理加速。
Ground4D: 从单目视频进行一致性感知的四维重建
机构 * School of Computer Science and Engineering, Sun Yat-sen University, China（中山大学计算机科学与工程学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院）
AI总结 提出Ground4D框架，结合3D基础模型进行几何初始化与动态高斯泼溅进行一致性优化，实现从单目视频的高保真4D重建与新视角渲染。
一种用于精确文档元素定位的大型多模态模型
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 提出PreciseDoc，一种通过合成数据与强化学习联合训练实现文档元素精确定位的大型多模态模型，显著提升文档理解与视觉定位精度。
WeCon: 一种高效的权重条件神经求解器用于多目标组合优化问题
机构 * Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education（教育部符号计算与知识工程重点实验室） ； College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； Department of Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理系） ； College of Software, Jilin University（吉林大学软件学院） ； School of Software, Tsinghua University（清华大学软件学院） ； School of Computing and Information Systems, Singapore Management University（新加坡管理学院 computing and information systems 系）
AI总结 提出一种权重条件神经求解器WeCon，通过编码器中的门控残差融合和解码器中的残差融合模块增强权重-特征交互，并采用高效偏好优化构建高质量解对，在多个多目标组合优化问题上达到与最先进方法相当的HV值并减少40%推理时间。
利用多维微运动特征的频率敏捷雷达角反射阵干扰鉴别
机构 * Department of Electronic Engineering, Tsinghua University Beijing, China（电子工程系，清华大学北京，中国）
AI总结 本文提出一种鲁棒的鉴别方法，通过多维微运动特征区分真实船舶目标与非刚性诱饵，结合手工特征与深度学习特征提升识别性能。
Comments Submition at the 2026 CIE International Conference on Radar
多语言耦合强化学习用于多语言检索增强生成
机构 * School of Computer Science and Technology, Beijing Jiaotong University（计算机科学与技术学院，北京交通大学） ； University of Montreal（蒙特利尔大学） ； Tsinghua University（清华大学） ； University of Notre Dame（Notre Dame 大学）
AI总结 本文提出LcRL框架，通过语言耦合组相对策略优化减少知识偏差和冲突，提升多语言检索增强生成的性能，适用于受限训练数据和多语言大规模集合的场景。
Comments Accepted to ACL 2026 (Findings)
训练驱动的表征几何模块化预测语言模型中的脑对齐
机构 * School of Biomedical Engineering, Tsinghua University, Beijing, China（生物医学工程学院，清华大学，北京，中国） ； Tsinghua Laboratory of Brain and Intelligence, Tsinghua University, Beijing, China（脑与智能实验室，清华大学，北京，中国） ； School of Basic Medical Sciences, Tsinghua University, Beijing, China（基础医学学院，清华大学，北京，中国） ； Department of Psychological and Cognitive Sciences, Tsinghua University, Beijing, China（心理学与认知科学系，清华大学，北京，中国）
AI总结 本研究通过训练驱动的表征几何模块化，发现语言模型中的低复杂度模块能更准确预测人类大脑语言网络活动，揭示了表征平滑对神经样语言处理的作用。
Journal ref Proceedings of the Annual Meeting of the Cognitive Science Society, 48 (2026), 167-174
通过生理引导的自监督学习检测PPG中的主动脉瓣疾病
机构 * Department of Computer Science, Tianjin University of Technology（天津理工大学计算机科学系） ； National Institute of Health Data Science, Peking University（北京大学国家健康数据科学研究院） ； Department of Cardiology, Peking University People’s Hospital（北京大学人民医院心内科） ； HeartVoice Medical Technology（心声医疗科技） ； DCST, BNRist, RIIT, Institute of Internet Industry, Tsinghua University（清华大学计算机科学与技术系、北京人工智能研究所、互联网产业研究所） ； Institute of Medical Technology, Peking University Health Science Center（北京大学健康科学中心医学技术研究所） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究所） ； State Key Laboratory of Vascular Homeostasis and Remodeling, NHC Key Laboratory of Cardiovascular Molecular Biology and Regulatory Peptides, Peking University（北京大学血管稳态与重塑国家重点实验室、国家心血管分子生物学与调节肽重点实验室）
AI总结 本文提出基于生理引导的自监督学习方法，利用大量未标记PPG数据高效筛查主动脉狭窄和反流，实现优于传统监督学习的检测性能。
Comments 33 pages, 8 figures. Under review
GCR：面向任务无关持续异常检测的几何一致性路由
机构 * Tsinghua University Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Ratel Soft ； Affiliated Fifth Hospital, Wenzhou Medical University（温州医学院附属第五医院） ； Chinese Medicine Guangdong Laboratory（广东中医药实验室）
AI总结 GCR通过几何一致性路由提升持续异常检测的稳定性，减少遗忘并保持检测性能。
VLASH: 通过未来状态感知的异步推断实现实时VLAs
机构 * MIT（麻省理工学院） ； NVIDIA（英伟达） ； Tsinghua University（清华大学） ； UC Berkeley（加州大学伯克利分校） ； UCSD（加州大学圣地亚哥分校） ； Caltech（加州理工学院）
AI总结 VLASH通过未来状态感知的异步推断框架，实现高效、准确的实时VLAs控制，显著提升反应速度和任务执行精度。
SLAM-Former：将同步定位与地图构建集成于一个Transformer
机构 * IIIS, Tsinghua University（清华大学智能系统研究所）
AI总结 研究将SLAM功能集成于单个Transformer的方法，核心是SLAM-Former由协同的前后端组成，前端实时处理单目图像用于增量映射和跟踪，后端全局优化，实验证明该方法相比现有密集SLAM方法性能优越。
Comments Published on ECCV 2026, Project Page:https://tsinghua-mars-lab.github.io/SLAM-Former
SM4RT：学习用于4D重建的结构化运动几何
机构 * Intelligent Vision Group, Tsinghua University（清华大学智能视觉组）
AI总结 针对将单目3D重建能力扩展到4D动态理解的挑战，提出SM4RT，通过引入运动结构表示场景动态，利用并行运动几何编码器和解码器，从单目RGB视频中联合推断相关信息，实现强大运动重建性能并保留场景运动几何结构。
Comments Code is available at: https://github.com/wzzheng/SM4RT
QLPO：用于长度感知策略优化的象限加权采样
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Beijing Key Laboratory of Software and Hardware Cooperative Artificial Intelligence Systems, Peking University（北京大学软硬件协同人工智能系统北京市重点实验室） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Institute of Computational Social Science, Peking University (Qingdao)（北京大学（青岛）计算社会科学研究院）
AI总结 针对大型推理模型长思维链响应致高延迟成本问题，提出QLPO方法，通过先过度生成候选响应，再按特定规则重采样训练组，实现隐式长度控制，在多模型中改善准确率与长度权衡，减少响应长度并保持推理性能。
Comments 18 pages, 7 figures, 6 tables. Accepted at COLM 2026
对抗风格优化：通过基于GRPO的风格触发优化增强VLM越狱
机构 * Tsinghua University（清华大学） ； Harbin Engineering University（哈尔滨工程大学） ； Shandong University（山东大学） ； Xidian University（西安电子科技大学）
AI总结 研究MLLMs安全对齐易受越狱攻击问题，提出基于GRPO的对抗风格优化（ASO）方法，通过优化风格触发增强视觉越狱，实验证明该方法显著提高攻击成功率，凸显风格偏差对MLLMs红队测试的作用。
Comments Accepted by CVPR 2026 (Oral)
VTM-Nav：用于跨情节对象目标导航的分层视觉拓扑记忆
机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学交叉科学学院） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 研究跨情节对象目标导航问题，提出无训练的VLM导航框架\method，其带有分层视觉拓扑记忆，通过粗到细匹配检索经验，在三个基准测试中性能最佳，证明跨数据集结构化视觉拓扑经验复用有效且鲁棒。
享受你的对话：一个用于多轮对话的以人为本基准，具有解耦的用户模拟、目标建模和评判
机构 * SenseTime Research（商汤科技研究院） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 该研究提出EYT-Bench基准，通过三方解耦设计评估大语言模型多轮对话能力，引入新指标，发现先进模型在主观维度相近但客观意图跟踪差异大，推理可提升客观跟踪，角色格式影响轨迹分布，且热身效应稳健。
SAFE-Pruner: 语义注意力引导的未来感知令牌剪枝用于高效视觉-语言-动作操控
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 针对视觉-语言-动作模型推理加速中现有剪枝方法忽略深层视觉信息的问题，提出SAFE-Pruner框架，通过引入未来层注意力线索和语义注意力一致性实现前瞻性令牌剪枝，在仿真和真实实验中取得最高1.89倍加速且成功率下降小于1.7%。
Comments Accepted to ECCV 2026
对时间、空间和语义规避的自主代理进行基准测试
机构 * Tsinghua University（清华大学）
AI总结 本文提出了一种针对基于大语言模型（LLM）的代理系统的多维规避框架，通过引入时间、空间和语义三种隐蔽攻击向量，系统地量化了这些威胁，并展示了其在实际威胁场景中的效果，揭示了现有自主代理系统在架构层面的系统性漏洞。
Comments 18 pages, 12 figures, 8 tables. Code and data available at https://github.com/antgroup/Agent3Sigma-Stage
利用强化学习优化神经语音编解码器用于300bps通信
机构 * Tsinghua University（清华大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 本文提出ClariCodec，一种在300bps下工作的神经语音编解码器，通过将量化视为随机策略，利用强化学习优化可懂度，从而在极端压缩水平下减少词错误率。
RAD：面向机器人观测的真实异常检测数据集与基准
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Great Bay University（大湾大学） ； Harvard University（哈佛大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学） ； Deakin University（德克萨斯大学）
AI总结 提出RAD数据集，包含13类日常物体和4种缺陷，从60多个机器人视角在非受控光照下采集，用于评估2D特征、3D重建和视觉语言模型在姿态无关的异常检测中的表现，发现2D方法优于3D和VLM方法。
深入探究视频VAE的潜在频谱偏置以实现更优的可扩散性
机构 * Zhipu AI, Beijing, China（智谱AI，北京，中国） ； Tsinghua University, Beijing, China（清华大学，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国）
AI总结 本文通过统计分析发现视频VAE潜在空间的频谱特性对扩散训练至关重要，提出局部相关正则化和潜在掩码重建两种轻量级正则化器，实现3倍收敛加速和10%视频奖励提升。
MedKGent：用于构建随时间演变的医学知识图谱的大语言模型智能体框架
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德大学人工智能学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Kyoto University（京都大学） ； Tsinghua University（清华大学） ； East China Normal University（华东师范大学） ； Center for Excellence in Brain Science and Intelligence Technology（脑科学与智能技术卓越中心） ； Brigham and Women’s Hospital, Harvard Medical School（哈佛医学院布里特妇女医院） ； GenBio AI
AI总结 研究针对医学文献增长带来的知识结构化挑战，引入MedKGent框架，利用PubMed摘要通过两个智能体每日增量构建医学知识图谱，经评估其三元组有效性高，能显著改进大语言模型在医学问答基准上的检索增强生成。
Comments Accepted by Npj Digital Medicine
均值到分数的离散扩散：用于分数熵的后验均值去噪器
机构 * Tsinghua University（清华大学） ； Beijing Institute of Mathematical Sciences and Applications（北京数学科学与应用研究院） ； Wuhan University（武汉大学） ； MathonAI（马松人工智能）
AI总结 研究针对分数熵离散扩散存在的问题，引入均值到分数（M2S）方法，通过预测后验均值并转换为分数，应用于特定马尔可夫链。在CIFAR-10等实验中，M2S降低了测试BPD和FID-50k，提升了生成性能。
SPORD：一种用于供应链规划的模拟-提出-然后-优化-处置方法
机构 * Department of Industrial Engineering, Tsinghua University（清华大学工业工程系） ； College of Engineering, UC Berkeley（加州大学伯克利分校工程学院） ； Faculty of Business and Economics, University of Hong Kong（香港大学经管学院）
AI总结 针对电商供应链规划中孤立项目及面临的难题，提出模拟-提出-然后-优化-处置方法（SPORD）及NetSim平台，通过解耦实现加速模拟与操作闭环，应用后提升服务质量、降低履约率并实现碳减排，推动模拟用于主动规划。
MVEI与EmObserver：通过情感陈述判断增强面向MLLM的视觉情商
机构 * Tsinghua University（清华大学） ； Nankai University（南开大学） ； Beijing Institute of Technology（北京理工大学） ； Chinese Academy of Sciences（中国科学院）
AI总结 研究针对多模态大语言模型视觉情商评估缺失问题，引入情感陈述判断公式ESJ，开发INSETS及MVEI基准，构建EmObserver模型。通过实验评估，确立了ESJ、MVEI和EmObserver在推进面向MLLM的视觉情商方面的作用。
使用对象和光照进行引擎原生可编辑3D世界重建
机构 * Tsinghua University（清华大学） ； Nankai University（南开大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Sun Yat-sen University（中山大学） ； Nanyang Technological University（南洋理工大学）
AI总结 研究旨在实现引擎原生可编辑3D世界重建。核心方法是引入Lumera管道，基于Lumera-2K数据，用Lumera-Box和Lumera-Light解析相关元素并组装。主要贡献是确立参数化灯光目标，揭示多方面剩余瓶颈，且在检测等方面取得一定分数。
Comments 18 pages, 7 figures, Project Page: https://haidilao0328.github.io/Lumera/
RealVDeblur：用于通用真实世界视频去模糊的一步扩散法
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； CUHK MMLab（香港中文大学多媒体实验室） ； CPII under InnoHK（创新香港研究院下的CPII） ； Tsinghua University（清华大学）
AI总结 针对真实世界视频去模糊难题，提出RealVDeblur框架。构建模糊合成管道提供数据，利用视频扩散先验恢复，采用逐帧编码并简化采样为一步生成器，还有时间窗口掩码稳定推理，在多方面表现出色且提升3D重建鲁棒性。
Comments Project page with code: https://rbjin.github.io/RealVDeblur/
AISE-Bench：用于学术知识图谱信息检索的全周期精选基准测试
机构 * Renmin University of China（中国人民大学） ； Anhui University（安徽大学） ； Z-Lab Z.ai ； Tsinghua University（清华大学） ； Bosch Center for AI（博世人工智能中心） ； University of Oslo（奥斯陆大学）
AI总结 研究针对学术知识图谱信息检索基准测试不足的问题，引入AISE-Bench，通过定制工作流程和综合评估协议构建基准测试，为多步API使用的大语言模型智能体提供新测试平台，助力评估与改进。
Comments 9 pages, accepted by KDD 2026
Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD '26), August 09-13, 2026, Jeju Island, Republic of Korea
通过动态评分标准共同进化大语言模型评估器和策略
机构 * Tsinghua University（清华大学） ； Tencent（腾讯）
AI总结 研究基于评估器反馈优化大语言模型时因策略改进导致的优化瓶颈问题，提出DynamicRubric框架，通过生成加权评分标准项实现评估器与策略共同进化，实验证明该框架提升了评估器性能及策略效果，并已成功应用于微信搜索。
Comments add online model info (approved)
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