高校专区
异构约束下无需训练的可控人体运动生成
机构 * Lancaster University（兰卡斯特大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 提出Motion-Inference-as-Control框架，将扩散运动生成建模为随机控制问题，统一处理连续目标型和基于准则的约束，无需约束特定训练或可微性要求。
Comments ECCV 2026
原子任务图：智能体规划与执行的统一框架
机构 * South China University of Technology（华南理工大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 提出原子任务图（ATG）框架，通过显式图结构暴露子任务依赖、支持并行执行和局部错误修复，在三个交互基准上使用7B-8B模型显著提升成功率和执行效率。
Comments 14 pages, 7 figures
SABER: 一种基于多尺度超图的语义对齐脑网络分析框架
机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 提出SABER框架，通过多尺度超图建模功能子网络与高阶依赖，并引入决策级语义对齐机制，将大语言模型语义直接融入预测，在ABIDE和ADHD-200数据集上取得最优性能，尤其在小样本场景下。
Comments Accepted to IEEE International Conference on Multimedia and Expo (ICME) 2026;
RTE-FM-Dehazer: 辐射传输方程启发的流匹配用于真实图像去雾
机构 * Mashang Consumer Finance Co. Ltd（马上消费金融股份有限公司） ； Tsinghua University（清华大学） ； Hunan University（湖南大学） ； University of Liverpool（利物浦大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 提出基于辐射传输方程（RTE）的流匹配去雾方法RTE-FM-Dehazer，通过扩散-吸收正则化引导去雾轨迹，并构建包含5万对真实雾/清晰图像的P-HAZE数据集，在五个真实基准上取得领先结果。
UniWind：基于物理信息状态路由的统一日前风电功率预测
机构 * East China Normal University（华东师范大学） ； Southern University of Science and Technology（南方科技大学） ； Tsinghua University（清华大学）
AI总结 提出UniWind模型，通过物理先验估计器和潜在状态编码器，结合状态路由与专家校正，实现准确鲁棒的日前风电功率预测，在20多个真实数据集上验证了效果。
教视觉-语言-动作模型看什么和看哪里
机构 * School of Electronic Information Engineering, Beihang University（北京航空航天大学电子信息工程学院） ； National College for Excellent Engineers, Beihang University（北京航空航天大学卓越工程师学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； DiDi（滴滴出行） ； State Key Laboratory of Media Convergence and Communication, Communication University of China（中国传媒大学媒体融合与传播国家重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； School of Cyber Science and Technology, Beihang University（北京航空航天大学网络安全科学与技术学院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院）
AI总结 提出DriveTeach-VLA框架，通过驾驶感知视觉蒸馏和2D轨迹引导提示，教VLA模型关注驾驶相关区域，实现端到端自动驾驶轨迹预测，在NAVSIM和nuScenes上达到最优性能。
Comments The paper has been accepted by ECCV 2026
AgenticDataBench：数据智能体的综合基准
机构 * Tsinghua University（清华大学） ； Ant Digital Technologies, Ant Group（蚂蚁集团数字技术部）
AI总结 提出AgenticDataBench基准，通过覆盖15个垂直领域（含5个真实B2B用例）的细粒度任务，评估基于大语言模型的数据智能体在自动化数据科学工作流中的表现。
桥接3D高斯与语义占据：从无位姿图像实现开放词汇的全面场景理解
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Eastern Institute of Technology（东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Wuhan University（武汉大学） ； Great Wall Motor（长城汽车） ； Tsinghua University（清华大学） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（东方理工大学宁波数字孪生研究院）
AI总结 提出COVScene框架，通过可微体积提升将可渲染高斯原语与密集语义占据场耦合，实现无位姿图像下的新颖视图合成、开放词汇语义查询和语义占据预测。
Comments Hu Zhu, Bohan Li, and Xianda Guo contributed equally. Corresponding author: Wenjun Zeng
DynFly: 面向城市环境无人机视觉语言导航的动态感知连续轨迹生成
机构 * Beijing Institute of Technology（北京理工大学） ； Tsinghua University（清华大学） ； Dalian University of Technology（大连理工大学） ； Xidian University（西安电子科技大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 提出DynFly框架，通过B样条控制点空间表示和Spline-DiT生成器，结合无人机动态感知监督，将高层导航意图转化为连续可执行轨迹，显著提升导航性能和轨迹质量。
Comments 34 pages, 9 figures
TempAct: 通过规划器-执行器强化学习推进自回归视频生成中的时间合理性
机构 * Shenzhen Campus of Sun Yat-Sen University（中山大学深圳校区） ； Tencent Hunyuan（腾讯混元） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； USTB（北京科技大学）
AI总结 提出TempAct框架，利用规划器-执行器强化学习联合优化时间分解与步骤条件执行，解决自回归视频生成中时间指令模糊、延迟反应和错误传播问题，提升时间一致性。
运动聚焦的潜在动作使跨实体VLA训练能从人类自我中心视频中学习
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Tianfu Jiangxi Laboratory（天府江西实验室）
AI总结 提出基于潜在动作的框架，利用混合解耦VQ-VAE从无标签人类视频中提取通用动作先验，通过意图-感知解耦策略减少动作幻觉，仅需50条轨迹即可适配下游任务。
Comments Accepted by IROS 2026
面向灵巧机器人操作的人为中心的可迁移触觉预训练
机构 * Peking University（北京大学） ； BeingBeyond ； Tsinghua University（清华大学）
AI总结 提出H-Tac大规模触觉-动作数据集和可迁移触觉预训练（TTP）系统，通过统一触觉与动作空间弥合人机差距，利用触觉专家预测未来触觉以建模接触动力学，显著提升灵巧操作的泛化与精细控制能力。
Comments The first two authors contribute equally. Orders are decided by flipping a coin
MG-RWKV：用于时序伪造定位的多粒度上下文感知RWKV
机构 * Tsinghua University（清华大学） ； Soochow University（苏州大学）
AI总结 提出MG-RWKV框架，利用RWKV的数据依赖状态演化实现O(T)复杂度的全序列处理，通过双向RWKV、多粒度专家混合和跨粒度一致性机制，在低计算成本下达到时序伪造定位任务的最优性能。
Comments Accepted to ECCV 2026
AV-SyncBench：音视频时间与语义同步的解耦基准测试
机构 * Alibaba Group（阿里巴巴集团） ； Tsinghua University（清华大学） ； Fudan University（复旦大学）
AI总结 提出AV-SyncBench，首个完全分离音视频时间与语义一致性评估的基准，涵盖语音、音乐和声音三大类10个场景5项挑战任务，基于野外视频构建并人工验证，用于量化特征提取模型的对齐质量。
Comments Accepted by Interspeech 2026
DriveVer: 自动驾驶的轻量级轨迹评估器作为测试时验证器
机构 * Tsinghua University（清华大学） ； University of Macau（澳门大学）
AI总结 提出DriveVer，一种轻量级即插即用的测试时验证器，通过双头架构融合候选轨迹与多视图视觉特征，预测安全置信度和几何修正向量，在不增加训练成本下提升规划模型性能。
CausalMix: 数据混合作为语言模型训练的因果推断
机构 * Tsinghua University（清华大学） ； Ant Group（蚂蚁集团） ； Renmin University of China（中国人民大学）
AI总结 提出CausalMix框架，将数据混合优化视为因果推断问题，通过条件平均处理效应估计最优混合比例，在7B模型上提升多任务性能，并具备可解释性。
Comments 22 pages, 3 figures
单独安全，一起不安全：当良性图像组合时防范隐式毒性
机构 * The Conversational AI (CoAI) Group, DCST, Tsinghua University（清华大学计算机科学与技术系对话式人工智能（CoAI）组）
AI总结 研究多图像隐式毒性（MIIT）问题，提出自动生成数据集MIIT-dataset和基于渐进蒸馏推理监督的MiShield模型，实现高效检测。
Comments 15 pages, 8 figures
构建可扩展、可复现、可评估、闭环的具身智能仿真环境基础：面向具身智能训练、评估和数据收集的云原生仿真基础设施
机构 * AI Infra Team at JDT（京东科技AI基础设施团队） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Beihang University（北京航空航天大学）
AI总结 提出一种云原生仿真基础设施框架，通过弹性资源调度、容器化仿真等技术，实现大规模、标准化、可复现的具身智能训练、评估与数据收集。
搜索代理何时应提问：面向澄清感知的深度搜索的DiscoBench基准
机构 * Hunyuan, Tencent（腾讯混元） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 提出DiscoBench基准，评估大语言模型搜索代理在深度搜索中主动识别歧义、提出有效澄清问题并恢复正确推理路径的能力，实验表明歧义检测与有效澄清是不同能力，且盲目搜索不如直接猜测。
Comments 26 pages, 7 figures, 12 tables
对Nature Portfolio元分析文章进行LLM代理基准测试
机构 * Tsinghua University（清华大学）
AI总结 提出MetaSyn数据集，包含442篇专家策划的元分析，用于评估LLM代理在检索-筛选-综合全流程中的表现，发现当前系统在筛选阶段存在严重瓶颈。
Comments 17 pages, 8 figures, 11 tables. Code and evaluation: https://github.com/THUIR/MetaSyn Dataset: https://huggingface.co/datasets/THUIR/MetaSyn Model: https://huggingface.co/BFTree/MA-Retriever
关注、变换或静默：面向高效多模态大语言模型推理的算子级视觉跳跃
机构 * Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Sun Yat-sen University（中山大学） ； National Supercomputing Center in Shenzhen（国家超级计算深圳中心） ； Tsinghua University（清华大学）
AI总结 针对多模态大语言模型视觉令牌计算冗余问题，提出算子级视觉跳跃框架，选择性跳过冗余注意力或FFN算子，在Qwen3-VL上减少33.7%计算量并保持99.5%性能。
JL1-CC&QA：扩展JL1-CD基准，增加变化描述和问答
机构 * Department of Electronic Engineering, Beijing National Research Center for Information Science and Technology, Tsinghua University（清华大学电子工程系，北京信息科学与技术国家研究中心） ； Chang Guang Satellite Technology Co., Ltd. (CGSTL)（长光卫星技术股份有限公司） ； College of Communications Engineering, Army Engineering University of PLA（中国人民解放军陆军工程大学通信工程学院）
AI总结 提出JL1-CC&QA多任务基准，通过变化描述和问答扩展JL1-CD，利用吉林一号卫星图像和三级标注流程，推动遥感变化理解。
Comments 10 pages, 8 figures
FastDSAC：通过约束探索增强策略可塑性以实现可扩展的人形机器人运动
机构 * Chongqing University（重庆大学） ； Ministry of Industry and Information Technology（工业和信息化部） ； Tsinghua University（清华大学） ； University of Science and Technology Beijing（北京科技大学）
AI总结 提出FastDSAC算法，通过截断高斯分布约束动作探索，缓解高更新频率下的策略可塑性损失，在并行采样场景中实现更快收敛和更优性能。
Comments 8 pages, 9 figures. Code is available at https://github.com/luge66/FastDSAC
PrISM-IQA：面向智能手机摄影的实用图像质量评估
机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Computer Science, Institute of AI, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院人工智能研究院） ； OPPO Research Institute（OPPO研究院） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院）
AI总结 提出PrISM-IQA，将智能手机IQA重构为多问题有序诊断，预测每个ISP相关问题的严重等级，支持可操作的ISP调优。
基于物理感知神经算子Transformer的EAST钨单体偏滤器温度场重建
机构 * School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） ； Institute of Plasma Physics, Chinese Academy of Sciences（中国科学院等离子体物理研究所） ； Tongling University（铜陵学院） ； College of Physics, Donghua University（东华大学物理学院） ； Tsinghua University（清华大学）
AI总结 针对偏滤器温度场实时重建需求，提出物理感知神经算子Transformer（PNOT），通过图注意力捕捉空间物理依赖、物理感知算子聚合相似物理条件点、梯度约束Sobolev正则化保持物理一致性，实现高精度快速重建。
缓解3D掩码自编码器中的位置泄漏以实现鲁棒表示学习
机构 * SKLCCSE, Beihang University（北京航空航天大学软件开发环境国家重点实验室） ； SCSE, Beihang University（北京航空航天大学计算机学院） ； NERCBDS, EIRI, Tsinghua University（清华大学电子工程系智能技术与系统国家重点实验室） ； SASEE, Beihang University（北京航空航天大学自动化科学与电气工程学院）
AI总结 针对3D掩码自编码器中位置信息过度依赖导致语义表示弱化的问题，提出MPL-MAE框架，通过重校准位置嵌入和门控位置接口模块，平衡空间先验与语义特征，提升下游任务性能。
一视频一世界：将单目视频转化为物理4D场景
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； SparcAI Inc（SparcAI公司） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanyang Technological University（南洋理工大学） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院）
AI总结 提出OVOW，首个无需训练的系统，从单目视频重建实例级、可仿真的4D网格场景，通过视觉语言模型发现实例、类别感知重建、迭代优化恢复尺度与位姿、物理装配确保接触支撑，并建立结构化视频到4D评估基准。
Comments Accepted by ECCV 2026. Project Page: https://OneVideoOneWorld.github.io/
面向强化学习的阶段转换密集奖励建模
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Zerith Robotics
AI总结 提出阶段转换密集奖励（STDR）框架，利用专家视频学习任务阶段结构，提供阶段转换和阶段内进展两种密集奖励信号，结合OOD检测和抓取调节模块，提升机器人操作任务的样本效率和成功率。
Comments 8 pages,3 figures
从失败中学习：计算机使用代理的推理时自我改进
机构 * Stanford University（斯坦福大学） ； Tsinghua University（清华大学）
AI总结 提出失败驱动的自我改进循环，利用LLM诊断失败模式并生成代码补丁，在OSWorld基准上将OpenCUA-72B模型成功率从42.3%提升至48.9%，无需额外训练成本。
Comments Published in ECCV 2026
先规划正确，再规划紧凑：面向高效具身推理的符号强化学习
机构 * Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tencent（腾讯） ； University of London（伦敦大学）
AI总结 针对具身任务规划中缺乏低成本确定性验证的问题，提出基于BDDL规范的符号强化学习框架，通过视频解析、LLM验证和轻量符号引擎提供毫秒级密集反馈，并引入难度感知长度调度GroupAdapt，在BEHAVIOR-1000上实现97.3的严格通过率，相对Qwen3-8B提升25.9%。
Comments 18 pages, 10 figures, 14 tables; includes appendix
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