Tsinghua University（清华大学）

SearchAttack: Red-Teaming LLMs against Knowledge-to-Action Threats under Online Web Search

SearchAttack: 对知识到行动威胁下对LLM进行红队攻击

Yu Yan, Sheng Sun, Mingfeng Li, Zheming Yang, Chiwei Zhu, Fei Ma, Benfeng Xu, Min Liu, Qi Li

机构 * Institute of Computing Technology, CAS（计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； People's Public Security University of China（中国人民公安大学） ； University of Science and Technology of China（中国科学技术大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy（广东人工智能与数字经济实验室） ； Tsinghua University（清华大学） 纠错

AI总结 SearchAttack通过重新表述有害语义和测试奖励追逐偏差，揭示LLM在搜索增强任务中的安全漏洞。

Comments Misusing LLM-driven search for harmful information-seeking poses serious risks. We characterize its usability and impact through a comprehensive red-teaming and evaluation

China Regional 3km Downscaling Based on Residual Corrective Diffusion Model

基于残差校正扩散模型的中国区域3公里降尺度

Honglu Sun, Hao Jing, Zhixiang Dai, Sa Xiao, Wei Xue, Jian Sun, Qifeng Lu

机构 * State Key Laboratory of Severe Weather Meteorological Science and Technology（severe weather meteorological science and technology state key laboratory） ； CMA Earth System Modeling and Prediction Centre ； NVIDIA ； Tsinghua University 纠错

AI总结 本研究提出基于残差校正扩散模型的中国区域3公里降尺度方法，通过改进模型结构和扩大降尺度区域，提升天气预报精度。

Building Egocentric Procedural AI Assistant: Methods, Benchmarks, and Challenges

构建第一人称程序化AI助手：方法、基准和挑战

Junlong Li, Huaiyuan Xu, Sijie Cheng, Kejun Wu, Kim-Hui Yap, Lap-Pui Chau, Yi Wang

机构 * Department of EEE（电子工程系） ； The Hong Kong Polytechnic University（香港理工大学） ； RayNeo ； Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出第一人称程序化AI助手，探讨其核心任务、赋能维度及挑战，通过实验评估现有方法并指明未来研究方向。

Comments Under peer-review

GUI Knowledge Bench: Revealing the Knowledge Gap of VLMs in GUI Tasks

GUI知识基准：揭示VLMs在GUI任务中的知识差距

Chenrui Shi, Zedong Yu, Zhi Gao, Ruining Feng, Enqi Liu, Yuwei Wu, Yunde Jia, Liuyu Xiang, Zhaofeng He, Qing Li

机构 * Beijing Institute of Technology, Beijing, China（北京理工大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI, Beijing, China（国家一般人工智能重点实验室） ； Beijing University of Posts（北京邮电大学） ； Tsinghua University, Beijing, China（清华大学） ； Shenzhen MSU-BIT University, Shenzhen, China（深圳MSU-BIT大学） 纠错

AI总结 GUI知识基准揭示VLMs在GUI任务中的知识差距，通过提炼三个维度的GUI知识，评估现有模型的不足并指导更高效的任务完成。

VAO: Validation-Aligned Optimization for Cross-Task Generative Auto-Bidding

VAO：面向跨任务生成自动出价的验证对齐优化

Yiqin Lv, Zhiyu Mou, Miao Xu, Jinghao Chen, Qi Wang, Yixiu Mao, Yun Qu, Rongquan Bai, Chuan Yu, Jian Xu, Bo Zheng, Xiangyang Ji

机构 * Alibaba Group（阿里巴巴集团） ； Tsinghua University（清华大学） ； Department of Automation, Tsinghua University（自动化系，清华大学） 纠错

AI总结 本文提出VAO方法，通过验证反馈自适应加权跨任务数据，缓解梯度偏差并提升生成式自动出价的泛化能力。

Legal$Δ$: Enhancing Legal Reasoning in LLMs via Reinforcement Learning with Chain-of-Thought Guided Information Gain

Legal$Δ$: 通过强化学习与链式思维引导信息增益提升大语言模型的法律推理

Xin Dai, Buqiang Xu, Zhenghao Liu, Yukun Yan, Huiyuan Xie, Xiaoyuan Yi, Shuo Wang, Ge Yu

机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Institute for AI, Tsinghua University（清华大学人工智能研究院计算机科学与技术系） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 Legal$Δ$通过强化学习与链式思维引导信息增益提升法律推理的准确性和可解释性。

SafeLink: Safety-Critical Control Under Dynamic and Irregular Unsafe Regions

SafeLink: 在动态和不规则不安全区域下的安全关键控制

Songqiao Hu, Zidong Wang, Zeyi Liu, Zhen Shen, Xiao He

机构 * Department of Automation, and the Institute for Embodied Intelligence and Robotics, Tsinghua University（自动化系，以及 embodied intelligence and robotics 研究所，清华大学） ； Department of Computer Science, Brunel University London（计算机科学系，布鲁内尔大学伦敦分校） ； State Key Laboratory of Multimodal Artificial Intelligence Systems, Beijing Engineering Research Center of Intelligent Systems and Technology, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，北京智能系统与技术工程研究中心，中国科学院自动化研究所） 纠错

AI总结 SafeLink通过成本敏感的增量随机向量函数链接神经网络，实现动态和不规则不安全区域下的安全关键控制，提升系统安全性和计算效率。

Comments 12 pages, 7 figures

D-ORCA: Dialogue-Centric Optimization for Robust Audio-Visual Captioning

D-ORCA：面向鲁棒音频视觉描述的对话中心优化

Changli Tang, Tianyi Wang, Fengyun Rao, Jing Lyu, Chao Zhang

机构 * Tsinghua University（清华大学） ； WeChat Vision, Tencent Inc.（腾讯微信视觉实验室） 纠错

AI总结 D-ORCA通过对话中心优化，提升音频视觉描述的鲁棒性和准确性，填补开源生态关键空白。

SparseEval: Efficient Evaluation of Large Language Models by Sparse Optimization

SparseEval: 通过稀疏优化高效评估大语言模型

Taolin Zhang, Hang Guo, Wang Lu, Tao Dai, Shu-Tao Xia, Jindong Wang

机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 SparseEval通过稀疏优化方法高效评估大语言模型，利用梯度下降和迭代细化策略提升基准测试效率，展现高鲁棒性和实用性。

Comments ICLR2026

Orchestrating Attention: Bringing Harmony to the 'Chaos' of Neurodivergent Learning States

协调注意力：为神经多样性学习状态的‘混乱’带来和谐

Satyam Kumar Navneet, Joydeep Chandra, Yong Zhang

机构 * Peoples' Friendship University of Russia (RUDN University)（俄罗斯人民友谊大学（RUDN大学）） ； Joint Institute for Nuclear Research（联合核子研究所） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； University of Skövde（斯德哥尔摩大学） ； Independent Researcher（独立研究者） ； BNRIST, Tsinghua University（北京理工大学） 纠错

AI总结 AttentionGuard通过检测神经多样性学习者的注意力状态，实现界面自适应，降低认知负荷并提升学习理解。

MARTI-MARS$^2$: Scaling Multi-Agent Self-Search via Reinforcement Learning for Code Generation

MARTI-MARS$^2$：通过强化学习实现多智能体自搜索的扩展用于代码生成

Shijie Wang, Pengfei Li, Yikun Fu, Kaifeng Liu, Fangyuan Li, Yang Liu, Xiaowei Sun, Zonglin Li, Siyao Zhao, Jian Zhao, Kai Tian, Dong Li, Junqi Gao, Yutong Zhang, Yiqun Chen, Yuqiang Li, Zoe Li, Weinan Zhang, Peng Ye, Shuyue Hu, Lei Bai, Bowen Zhou, Kaiyan Zhang, Biqing Qi

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation（自动化研究所） ； Fudan University（复旦大学） ； High School Affiliated to Fudan University（复旦大学附属高中） ； Renmin University of China（中国人民大学） ； University of Washington（华盛顿大学） 纠错

AI总结 MARTI-MARS2通过多智能体强化学习实现代码生成的扩展，突破单智能体限制，提升性能和多样性。

AD-MIR: Bridging the Gap from Perception to Persuasion in Advertising Video Understanding via Structured Reasoning

AD-MIR：通过结构化推理弥合从感知到说服的广告视频理解鸿沟

Binxiao Xu, Junyu Feng, Xiaopeng Lin, Haodong Li, Zhiyuan Feng, Bohan Zeng, Shaolin Lu, Ming Lu, Qi She, Wentao Zhang

机构 * Peking University, Beijing, China（北京大学） ； Tsinghua University, Beijing, China（清华大学） ； Xi'an Jiaotong University, Xi'an, China（西安交通大学） ； South China University of Technology, Guangzhou, China（华南理工大学） 纠错

AI总结 AD-MIR通过结构化推理框架，结合语义检索与精确关键词匹配，有效解码广告意图，提升广告视频理解的准确性与说服策略分析能力。

Improving Variable-Length Generation in Diffusion Language Models via Length Regularization

通过长度正则化改进扩散语言模型的变长生成

Zicong Cheng, Ruixuan Jia, Jia Li, Guo-Wei Yang, Meng-Hao Guo, Shi-Min Hu

机构 * Tsinghua University（清华大学） ； Proxseer Inc.（Proxseer公司） 纠错

AI总结 本文提出LR-DLLM，通过长度正则化改进扩散语言模型的变长生成能力，提升了在未知长度下的生成效果。

Comments diffusion language models

MemPot: Defending Against Memory Extraction Attack with Optimized Honeypots

MemPot：通过优化的陷阱来防御内存提取攻击

Yuhao Wang, Shengfang Zhai, Guanghao Jin, Yinpeng Dong, Linyi Yang, Jiaheng Zhang

机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Southern University of Science and technology（南方科技大学） 纠错

AI总结 MemPot通过优化陷阱文档和理论验证，有效防御内存提取攻击，提升检测性能与效率。

Learning Brain Representation with Hierarchical Visual Embeddings

通过层次化视觉嵌入学习大脑表示

Jiawen Zheng, Haonan Jia, Ming Li, Yuhui Zheng, Yufeng Zeng, Yang Gao, Chen Liang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beihang University（北航大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出了一种利用层次化视觉嵌入学习大脑表示的方法，通过对比学习和融合先验提升大脑信号与视觉嵌入的对齐效果。

TKG-Thinker: Towards Dynamic Reasoning over Temporal Knowledge Graphs via Agentic Reinforcement Learning

TKG-Thinker: 向通过代理强化学习实现动态推理的时序知识图谱迈进

Zihao Jiang, Miao Peng, Zhenyan Shan, Wenjie Xu, Ben Liu, Gong Chen, Ziqi Gao, Min Peng

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

AI总结 TKG-Thinker通过代理强化学习实现动态推理，提升时序知识图谱问答的性能和泛化能力。

StreamVLA: Breaking the Reason-Act Cycle via Completion-State Gating

StreamVLA: 通过完成状态门控打破原因-行动循环

Tongqing Chen, Hang Wu, Jiasen Wang, Xiaotao Li, Lu Fang

机构 * Tsinghua University（清华大学） ； Technical University of Munich（慕尼黑技术大学） ； Shanghai University（上海大学） ； Wuhan University（武汉大学） 纠错

AI总结 StreamVLA通过完成状态门控机制，实现高效机器人操作，减少推理延迟并提升任务成功率。

Lookahead-then-Verify: Reliable Constrained Decoding for Diffusion LLMs under Context-Free Grammars

前瞻性验证：用于扩散大语言模型在无上下文自由文法下的可靠约束解码

Yitong Zhang, Yongmin Li, Yuetong Liu, Jia Li, Xiaoran Jia, Zherui Li, Ge Li

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； School of Computer Science, Peking University（北京大学计算机学院） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

AI总结 LAVE通过并行预测标记分布实现可靠的约束解码，提升扩散大语言模型在上下文无关文法下的生成准确性。

Visual Prompt-Agnostic Evolution

视觉提示无关进化

Junze Wang, Lei Fan, Dezheng Zhang, Weipeng Jing, Donglin Di, Yang Song, Sidong Liu, Cong Cong

机构 * University of Science and Technology Beijing（北京科技大学） ； University of New South Wales（新南威尔士大学） ； Northeast Forestry University（东北林业大学） ； Tsinghua University（清华大学） ； Macquarie University（麦考瑞大学） 纠错

AI总结 PAE通过显式建模提示动态，提升视觉提示调优的收敛速度和准确性，适用于多种下游任务。

Comments Accepted by ICLR 2026

Sim-to-Real Dynamic Object Manipulation on Conveyor Systems via Optimization Path Shaping

通过优化路径塑形实现 conveyor 系统上的动态物体操控

Zhuoling Li, Jinrong Yang, Yong Zhao, Liangliang Ren, Xiaoyang Wu, Zhenhua Xu, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； CVTE（中国建筑第三工程局） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出GEM方法，通过优化路径塑形解决动态物体操控中的数据稀缺问题，实现跨环境背景和物体几何的泛化，成功应用于现实餐厅餐具收集任务。

Efficient Attention Mechanisms for Large Language Models: A Survey

大型语言模型中的高效注意力机制：综述

Yutao Sun, Zhenyu Li, Yike Zhang, Tengyu Pan, Bowen Dong, Yuyi Guo, Jianyong Wang

机构 * Tsinghua University（清华大学） 纠错

AI总结 本文综述了大型语言模型中高效注意力机制的发展，包括线性注意力和稀疏注意力方法，并分析了其在大规模预训练模型中的应用与设计。

Comments work in progress

GMSA: Enhancing Context Compression via Group Merging and Layer Semantic Alignment

GMSA：通过组合并和层语义对齐增强上下文压缩

Jiwei Tang, Zhicheng Zhang, Shunlong Wu, Jingheng Ye, Lichen Bai, Zitai Wang, Tingwei Lu, Lin Hai, Yiming Zhao, Hai-Tao Zheng, Hong-Gee Kim

机构 * Tsinghua University（清华大学） ； Pengcheng Laboratory（鹏城实验室） ； Seoul National University（首尔国立大学） ； Sun Yat-sen University（中山大学） 纠错

AI总结 GMSA通过组合并和层语义对齐技术，提升长上下文场景下的上下文压缩效率，实现更高效的模型压缩与下游任务性能提升。

Comments 14 pages, 7 figures

EAGLE: Elevating Geometric Reasoning through LLM-empowered Visual Instruction Tuning

通过LLM赋能的视觉指令微调提升几何推理能力

Zhihao Li, Yao Du, Yang Liu, Yan Zhang, Yufang Liu, Mengdi Zhang, Xunliang Cai, Charles Ling, Boyu Wang

机构 * Department of Computer Science, Western University（计算机科学系，西部大学） ； Meituan Inc.（美团公司） ； Department of Automation, Tsinghua University（自动化系，清华大学） ； School of Computer Science and Technology, East China Normal University（计算机科学与技术学院，东华大学） 纠错

AI总结 EAGLE通过视觉增强框架提升几何推理能力，解决MLLMs在几何理解与视觉感知上的不足。

Comments revised version

Fast and Stable Riemannian Metrics on SPD Manifolds via Cholesky Product Geometry

在SPD流形上通过Cholesky积几何实现快速且稳定的Riemannian度量

Ziheng Chen, Yue Song, Xiao-Jun Wu, Nicu Sebe

机构 * University of Trento（特伦托大学） ； Shanghai Qi Zhi Institute（上海启智研究院） ； College of AI, Tsinghua University（清华大学人工智能学院） ； Jiangnan University（江南大学） 纠错

AI总结 本文提出两种快速稳定的SPD度量，通过Cholesky分解设计，提升SPD神经网络的计算效率和数值稳定性。

Comments Accepted to ICLR 2026

ST-Raptor: An Agentic System for Semi-Structured Table QA

ST-Raptor：一个用于半结构化表格问答的智能系统

Jinxiu Qu, Zirui Tang, Hongzhang Huang, Boyu Niu, Wei Zhou, Jiannan Wang, Yitong Song, Guoliang Li, Xuanhe Zhou, Fan Wu

机构 * Tsinghua University（清华大学） 纠错

AI总结 ST-Raptor通过结合视觉编辑、树形结构建模和代理驱动查询解决，提升半结构化表格问答的准确性和易用性。

Leveraging Adaptive Group Negotiation for Heterogeneous Multi-Robot Collaboration with Large Language Models

利用自适应群体谈判实现异构多机器人协作的大型语言模型

Siqi Song, Xuanbing Xie, Zonglin Li, Yuqiang Li, Shijie Wang, Biqing Qi

机构 * Tsinghua University（清华大学） ； Central South University（中南大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 CLiMRS通过自适应群体谈判框架提升异构多机器人协作效率，实验显示在复杂任务中效率提升超40%。

Comments 20 pages, 12 figures, Under Review

CineScene: Implicit 3D as Effective Scene Representation for Cinematic Video Generation

CineScene：隐式3D作为电影视频生成的有效场景表示

Kaiyi Huang, Yukun Huang, Yu Li, Jianhong Bai, Xintao Wang, Zinan Lin, Xuefei Ning, Jiwen Yu, Pengfei Wan, Yu Wang, Xihui Liu

机构 * The University of Hong Kong（香港大学） ； Kling Team, Kuaishou Technology（快手技术 Kling 团队） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Microsoft Research Project Page（微软研究院项目页面） 纠错

AI总结 CineScene通过隐式3D场景表示实现电影视频生成，能生成动态主体且保持场景一致的高质量视频。

Comments Project website: https://karine-huang.github.io/CineScene/

DAWN: Dependency-Aware Fast Inference for Diffusion LLMs

DAWN: 依赖感知的快速扩散语言模型推理

Lizhuo Luo, Zhuoran Shi, Jiajun Luo, Zhi Wang, Shen Ren, Wenya Wang, Tianwei Zhang

机构 * Nanyang Technological University（南洋理工大学） ； AUMOVIO-NTU Corporate Lab, Nanyang Technological University（AUMOVIO-NTU企业实验室，南洋理工大学） ； Southern University of Science（南方科技大学） ； SIGS, Tsinghua University（系统所，清华大学） ； AUMOVIO Singapore Pte. Ltd.（AUMOVIO新加坡私人有限公司） 纠错

AI总结 DAWN通过依赖感知解码方法提升扩散语言模型推理效率，实现1.80-8.06倍的速度提升同时保持生成质量。

LLM Active Alignment: A Nash Equilibrium Perspective

LLM主动对齐：从纳什均衡视角出发

Tonghan Wang, Yuqi Pan, Xinyi Yang, Yanchen Jiang, Milind Tambe, David C. Parkes

机构 * College of AI, Tsinghua University, Beijing, China（人工智能学院，清华大学，北京，中国） ； Harvard University, Cambridge, MA, USA（哈佛大学，马萨诸塞州剑桥，美国） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（电子工程系，清华大学，北京，中国） 纠错

AI总结 本文提出了一种基于纳什均衡的LLM主动对齐方法，通过建模代理行为以避免文本空间计算难题，并展示其在社交媒体中防止政治排斥的应用潜力。

DiTS: Multimodal Diffusion Transformers Are Time Series Forecasters

DiTS：多模态扩散变换器是时间序列预测器

Haoran Zhang, Haixuan Liu, Yong Liu, Yunzhong Qiu, Yuxuan Wang, Jianmin Wang, Mingsheng Long

机构 * School of Software, BNRist, Tsinghua University（软件学院、BNRist、清华大学） 纠错

AI总结 DiTS通过双流Transformer块处理时间序列的内生和外生变量依赖，实现高效生成预测。