高校专区
显式不确定性建模用于主动CLIP适应与双提示微调
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） ； Institute of Perceptual Intelligence, Peng Cheng Laboratory（感知智能研究院，鹏城实验室）
AI总结 本文提出基于双提示微调的显式不确定性建模框架，用于提升主动CLIP适应的分类可靠性与主动样本选择效果。
无需人工标注的预训练视觉-语言模型微调
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） ； Institute of Perceptual Intelligence, Peng Cheng Laboratory（感知智能研究院，鹏城实验室） ； Peking University Shenzhen Graduate School, Peking University（北京大学深圳研究生院，北京大学）
AI总结 CoFT通过双模型跨模态协作机制和双提示学习策略，在无需人工标注的情况下提升预训练视觉-语言模型的下游任务适应能力。
缺失的一半：揭示训练时间隐含的安全风险
机构 * The Conversational AI (CoAI) group, DCST, Tsinghua University（清华大学智能对话研究院） ； National University of Singapore（新加坡国立大学） ； Pattern Recognition Center, WeChat AI, Tencent Inc, China（腾讯人工智能研究院）
AI总结 本文首次系统研究训练期间隐式安全风险，揭示模型内部激励和上下文信息驱动的有害行为，并通过实验展示其广泛存在和严重性。
Point2Insert: 通过稀疏点引导的视频物体插入
机构 * Institute of Artificial Intelligence, China Telecom (TeleAI)（人工智能研究院，中国电信（TeleAI）） ； Sun Yat-sen University（孙中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学）
AI总结 Point2Insert通过稀疏点引导实现视频中物体的灵活插入，优于现有方法并具备更高的效率。
病理基础模型的标记级表示在密集预测中有多大的提升作用？
机构 * Tsinghua University, Shenzhen, China（清华大学深圳研究院） ； Peking University, Beijing, China（北京大学）
AI总结 本文提出PFM-DenseBench，通过评估17个病理基础模型在18个数据集上的表现，揭示不同模型和调优策略在异构数据集上的性能差异及适用性。
HybridQuestion: 人机协作识别高影响力研究问题
机构 * Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系、北京理工大学、清华大学）
AI总结 HybridQuestion通过人机协作识别高影响力研究问题，利用AI处理数据与人类判断结合，验证了在科学突破和未来问题预测中的有效性。
Comments 16 pages, 6 figures, 4 tables
StainNet: 通过免疫组化和特殊染色在计算病理学中扩展自监督基础模型
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院） ； Biomedical Engineering Programme, City University of Hong Kong (Dongguan)（香港城市大学（东莞）生物医学工程项目） ； Department of Pathology, Affiliated Hospital of Nantong University（南通大学附属医院病理科） ； Nantong University（南通大学）
AI总结 StainNet通过自监督学习方法，针对IHC和特殊染色图像训练基础模型，提升计算病理学在非H&E图像中的应用能力。
Comments 26 pages, 7 figures, 10 tables
他们说迷因是无害的——我们发现了那些有害的：解码笑话、符号和文化参考
机构 * Macquarie University（麦考瑞大学） ； The University of Western Australia（西澳大学） ； Stanford University（斯坦福大学） ； Institute for Clarity in Documentation（文档清晰研究所） ； Inria Paris-Rocquencourt（巴黎-罗quentcourt研究所） ； Rajiv Gandhi University（拉贾·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒尔研究实验室）
AI总结 CROSS-ALIGN+通过三阶段框架解决迷因滥用检测中的文化盲区、边界模糊和可解释性问题，实现性能提升和决策可解释性。
Comments Accepted at the The Web Conference 2026 (Research Track)
LegalOne：一种用于可靠法律推理的基础模型家族
机构 * Department of Computer Science, Tsinghua University（清华大学计算机科学系） ； Quancheng Laboratory（清华云城实验室） ； University of Waterloo, Canada（加拿大滑铁卢大学） ； China University of Political Science and Law（中国政法大学） ； MegaTech.AI Inc（MegaTech.AI公司）
AI总结 LegalOne通过三阶段流程提升法律推理能力，结合领域适应、代理推理蒸馏和课程强化学习，在法律任务中取得超越通用LLMs的性能。
Comments 25 pages, v1
PACE：预训练音频持续学习
机构 * Department of Psychological and Cognitive Sciences, Tsinghua University（心理与认知科学系，清华大学）
AI总结 PACE通过改进的分析分类器和自适应子空间正交PEFT，提升预训练模型在音频持续学习中的鲁棒性和可扩展性。
Comments Accepted at ICLR 2026
RDT2：探索UMI数据的缩放极限以实现零样本跨具身泛化
机构 * Tsinghua University（清华大学）
AI总结 RDT2通过三阶段训练配方实现零样本跨具身泛化，提升机器人在开放词汇任务中的表现
MeetBench-XL: 一种经过校准的多维评估和学习双策略代理用于实时会议
机构 * Shanghai Jiao Tong University（上海交通大学） ； Institute for Clarity in Documentation（清晰文档研究所） ； Inria Paris-Rocquencourt（法国巴黎-罗克琴特研究所） ； Rajiv Gandhi University（拉朱·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒研究实验室）
AI总结 MeetBench-XL通过多维评估和学习双策略代理提升实时会议AI助手的性能与效率
Comments accepted by AAAI2026 ws
InstaDrive: 为真实和一致的视频生成实例感知的驾驶世界模型
机构 * University of Science and Technology of China（中国科学技术大学） ； SenseAuto（感etime） ； Tsinghua University（清华大学）
AI总结 InstaDrive通过实例感知机制提升驾驶视频生成质量，增强自动驾驶任务性能。
超越合并：通过激活引导的旋转进行流式LLM更新
机构 * City University of Hong Kong, Hong Kong SAR（香港城市大学） ； Tsinghua University（清华大学） ； Huawei Noah’s Ark Lab, Hong Kong SAR（华为诺亚实验室（香港）） ； University of Hong Kong（香港大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州））
AI总结 本文提出ARM策略，通过激活引导的旋转实现流式LLM更新，有效超越收敛模型，提供高效适应框架。
EventFlash: 向基于事件的视觉高效MLLMs迈进
机构 * Xidian University（西安电子科技大学） ； Tsinghua University（清华大学） ； Beijing Institute of Technology（北京理工大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy(SZ)（广东人工智能与数字经济实验室（深圳））
AI总结 EventFlash通过时空令牌稀疏化技术，实现高效事件视觉处理，提升吞吐量并支持更长的事件流处理。
ATACompressor: 适应性任务感知压缩用于LLMs中高效长上下文处理
机构 * DCST, Tsinghua University（清华大学数据科学研究院）
AI总结 ATACompressor通过自适应任务感知压缩提升LLMs长上下文处理效率，实现信息保留与压缩效率的平衡。
BinaryDemoire: 用于图像去摩尔纹的摩尔纹感知二值化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 BinaryDemoire通过引入摩尔感知二值门和洗牌分组残差适配器，实现高效去摩尔纹，优于现有二值化方法。
Comments Code is available at: https://github.com/zhengchen1999/BinaryDemoire
SwiftVLM: 通过跨层令牌绕过实现高效的视觉-语言模型推理
机构 * Tsinghua University, Beijing, China（清华大学）
AI总结 SwiftVLM通过跨层令牌绕过方法，在视觉-语言模型中实现高效的推理，优于现有修剪策略，提升准确率与效率的平衡。
在卷积中思考图像修复：通过结构下采样重建纹理
机构 * School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Lenovo Research（联想研究院）
AI总结 本文提出通过结构和纹理特征图的统计归一化和去归一化策略，缓解卷积下采样中的信息损失，提升图像修复的高质量输出。
Comments 17 pages, 17 figures
我可能没有表达清楚：在推理时间诊断LLM推理中的动态不稳定性
机构 * Dalhousie University（达尔豪斯大学） ； University of Amsterdam（阿姆斯特丹大学） ； Tsinghua University（清华大学） ； Meta
AI总结 研究通过分析LLM推理过程中的动态不稳定性，发现早期不稳定性可能预示后续正确答案，而晚期不稳定性更易导致失败，提出基于分布偏移和熵的诊断方法。
Comments 21 pages, 12 figures, 15 tables
ContextEvolve: 多智能体上下文压缩用于系统代码优化
机构 * Tsinghua University, Beijing, China（清华大学） ； Zhongguancun Academy, Beijing, China（中关村学院） ； Massachusetts Institute of Technology, Cambridge MA, USA（麻省理工学院）
AI总结 ContextEvolve通过多智能体框架实现系统代码优化，利用上下文压缩提升搜索效率，实验表明其在ADRS基准测试中性能提升显著。
VividVoice: 一个统一的框架，用于场景感知的视觉驱动语音合成
机构 * Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院） ； Ant Group, China（蚂蚁集团）
AI总结 VividVoice通过构建大规模多模态数据集和设计核心对齐模块，提升了场景感知的视觉驱动语音合成的音频保真度和多模态一致性。
Comments Accepted by ICASSP 2026
产品交互：深度学习架构的一种代数形式化
机构 * Tsinghua University. Email（清华大学） ； University of Cambridge（剑桥大学） ； YMSC, Tsinghua University（清华大学数学科学中心）
AI总结 本文提出了一种代数形式化方法，通过产品交互构建深度学习架构，统一了线性、二次及更高阶的交互方式，适用于卷积、等变网络及注意力机制等模型。
ToolTok: 为高效且通用的GUI代理的工具标记化
机构 * Department of Computer Science, Tsinghua University, Beijing, China（清华大学计算机科学系） ； Guangming Laboratory, Shenzhen, China（光明实验室） ； National University of Singapore, Singapore（新加坡国立大学） ； Peking University, Beijing, China（北京大学） ； MSU-BIT-SMBU Joint Research Center of Applied Mathematics, Shenzhen MSU–BIT University（MSU-BIT-SMBU应用数学联合研究中心）
AI总结 ToolTok通过多步路径寻找范式，利用语义锚定机制和易到难课程，实现高效且通用的GUI代理，以较少数据获得优异性能。
Comments 8 pages main paper, 18 pages total, 8 figures, 5 tables, code at https://github.com/ZephinueCode/ToolTok
从稀疏决策到密集推理：一种多属性轨迹范式用于多模态调制
机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 UniMod提出一种多属性轨迹范式，通过多维边界学习提升多模态调制效果，以更少的数据实现高效安全内容识别。
从帧到序列：面向时间一致的人本密集预测
机构 * Durham University（杜伦大学） ； Shanghai AI Lab（上海人工智能实验室） ； Zhejiang University（浙江大学） ； USTC（中科大） ； Tsinghua University（清华大学）
AI总结 本文提出了一种可扩展的合成数据管道，结合静态预训练与动态序列监督，训练出统一的ViT密集预测器，以实现时间一致的人本密集预测。
让拟人化角色互动：面向文本驱动的人-物体交互的可控对话拟人化
机构 * Tsinghua University（清华大学） ； Tencent HY（腾讯）
AI总结 本文提出InteractAvatar框架，通过双流结构实现文本驱动的人-物体交互生成，解决环境感知与控制质量矛盾，建立GroundedInter基准验证方法有效性。
模型是像我们一样听吗？探查音频大语言模型与自然EEG的表征对齐
机构 * School of Computer Science, Chongqing University（重庆大学计算机科学学院） ； Dept. of Comp. Sci. and Tech., Institute for AI, Tsinghua University（清华大学计算机科学与技术系、人工智能研究院） ； School of Economics and Business Administration, Chongqing University（重庆大学经济与商业管理学院） ； School of Artificial Intelligence, Southwest University（西南大学人工智能学院） ； The First Affiliated Hospital of Chongqing Medical University（重庆医科大学第一附属医院）
AI总结 本研究通过比较音频大语言模型与EEG信号，揭示了模型在自然聆听中的表征对齐特性，发现排名依赖分裂、时空对齐模式及情感分离现象。
高效实用型机器去学习与隐式梯度手术
机构 * Institute of Artificial Intelligence, Beihang University（北航人工智能研究院） ； Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, Beihang University（北京未来区块链与隐私计算先进创新中心） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Amsterdam（阿姆斯特丹大学） ； Tsinghua University（清华大学） ； YanTron Technology Co.Ltd（燕tron技术有限公司）
AI总结 本文提出了一种高效实用型机器去学习方法，通过隐式梯度手术实现去学习与实用性保持的平衡。
Comments Corresponding author: Shiji Zhou (zhoushiji25@buaa.edu.cn). Shiji Zhou and Tianbai Yu contributed equally
视频-SALMONN S：内存增强的流式音频视觉大语言模型
机构 * Tsinghua University（清华大学） ； University of Cambridge（剑桥大学）
AI总结 视频-SALMONN S通过引入测试时训练机制，实现高效流式视频理解，显著提升长视频任务的性能和准确性。
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