高校专区
SenseExpo: 通过快速预测算子的场景估计进行空间探索与导航
机构 * Tsinghua University（清华大学） ； University of Georgia（佐治亚大学） ； Peking University（北京大学） ； D-Robotics（D-机器人） ； Infinity Robotics（Infinity机器人）
AI总结 提出轻量级单机器人探索框架SenseExpo，结合紧凑地图预测网络与前沿策略，以709K参数实现优于U-Net和LaMa的预测性能，并在探索实验中显著加速目标覆盖。
衡量AI辅助内容生成中的人类贡献
机构 * Princeton University（普林斯顿大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The University of Hong Kong（香港大学） ； Microsoft Research Asia（微软亚洲研究院） ； Peking University（北京大学）
AI总结 针对AI辅助内容生成中人类贡献度难以量化的问题，提出基于信息论的框架，通过互信息与自信息之比计算人类信息贡献比例，实验证明能有效区分不同创意领域的人类贡献程度。
SimuWoB: 模拟真实世界移动应用以实现快速且保真的GUI智能体基准测试
机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； University of Electronic Science and Technology of China（电子科技大学） ； MiLM Plus, Xiaomi Inc.（小米公司MiLM Plus团队）
AI总结 针对现有移动GUI智能体基准测试与现实应用之间的差距，提出全合成基准SimuWoB，通过鲁棒的虚拟环境生成框架合成高保真任务和环境，自动提供有效奖励，实现对复杂长程交互的高效可重复评估。
DADP: 领域自适应扩散策略
机构 * University of California, Berkeley, California, USA（加州大学伯克利分校） ； Peking University, Beijing, China（北京大学） ； Tsinghua University, Beijing, China（清华大学）
AI总结 提出DADP，通过无监督解耦和领域感知扩散注入，实现跨动态环境的鲁棒零样本适应，在运动与操控任务上超越先前方法。
增强生成式自动出价：结合离线奖励评估与策略搜索
机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝与天猫集团） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 针对现有生成式自动出价方法无法超越静态数据集进行探索的性能瓶颈，提出AIGB-Pearl方法，通过轨迹评估器和KL-Lipschitz约束的分数最大化方案实现安全高效探索，在模拟和真实广告系统中取得最优性能。
从我们所拥有的学习：在线推理过去交互的历史感知验证器
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 提出历史感知验证器HAVE，通过解耦动作生成与验证，利用历史交互在线消除歧义，理论证明其提升期望动作质量，在多个模拟和真实环境中验证有效性。
Comments CoRL 2025
通过用户日志改进大型语言模型系统
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 本文提出UNO框架，通过用户日志提炼规则和偏好对，利用查询反馈驱动聚类处理数据异质性，量化模型知识与日志数据间的认知差距，提升LLM系统性能。
CrossEarth-Gate：基于Fisher引导的自适应调优引擎用于高效跨域遥感语义分割
机构 * Sun Yat-sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； National Supercomputing Center in Shenzhen（深圳国家超算中心） ； The Hong Kong University of Science and Technology（香港科技大学） ； Beijing Institute of Technology（北京理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学）
AI总结 提出CrossEarth-Gate，通过Fisher信息引导的自适应模块选择机制，动态激活最关键的跨域模块，在18个跨域基准中16个达到最优性能。
面向天气基础模型的任务自适应参数高效微调
机构 * Sun Yat-sen University（中山大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； National Supercomputing Center in Shenzhen（深圳国家超算中心） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Tsinghua University（清华大学）
AI总结 提出WeatherPEFT框架，通过任务自适应动态提示和随机Fisher引导自适应选择，在天气下游任务上以更少参数达到全微调性能。
MapAgent: 一个工业级的城市规模车道级地图生成智能框架
机构 * Tsinghua University（清华大学） ； Baidu（百度） ； University of Macau（澳门大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）
AI总结 提出MapAgent框架，通过结合视觉语言模型和约束感知推理，在验证驱动的Judge-Planner-Worker循环中修正车道地图生成中的规范违规问题，实现城市规模的高自动化生产。
Comments Accepted by KDD 2026
3D 等视域世界模型——揭示城市不可见几何及其涌现的跨城市特征
机构 * The Bartlett School of Sustainable Construction University College London, UK（可持续建设学院伦敦大学学院，英国） ； Department of Geography University College London, UK（地理系伦敦大学学院，英国） ； School of Project Management, Faculty of Engineering The University of Sydney, AU（工程学院项目管理学院悉尼大学，澳大利亚） ； School of Engineering Cardiff University, UK（工程学院卡迪夫大学，英国） ； School of Architecture Tsinghua University, Beijing, CN（建筑学院清华大学，北京，中国）
AI总结 提出一种预测3D等视域（球形可见性深度图）的具身世界模型，通过深度残差和自滚动调度采样训练，发现跨城市空间特征可从时间潜变量中线性解码。
Flash-GRPO：通过单步策略优化实现视频扩散的高效对齐
机构 * Zhejiang University（浙江大学） ； Joy Future Academy（京东探索研究院） ； Independent Researcher（独立研究员） ； Tsinghua University（清华大学）
AI总结 提出Flash-GRPO单步训练框架，通过等时分组和时间梯度校正解决计算瓶颈，在低计算预算下实现优于全轨迹训练的对齐质量和训练效率。
DiffAttn: 基于扩散的驾驶员视觉注意力预测与LLM增强语义推理
机构 * School of vehicle and Mobility, Tsinghua University（清华大学车辆与移动性学院） ； Beijing Key Laboratory of Human-Computer Interaction, Institute of Software, Chinese Academy of Sciences（北京人机交互重点实验室，中国科学院软件研究所） ； Remote Sensing and Earth Observation Laboratory, University of Copenhagen（远程感知与地球观测实验室，哥本哈根大学） ； California PATH, University of California, Berkeley（加州PATH，加州大学伯克利分校）
AI总结 提出DiffAttn框架，将驾驶员视觉注意力预测建模为条件扩散去噪过程，结合Swin Transformer、特征融合金字塔和LLM增强语义推理，在四个数据集上达到最先进性能。
Position: 模块化记忆是持续学习智能体的关键
机构 * University of Bremen（不莱梅大学） ； Seoul National University（首尔国立大学） ； Computer Vision Center Barcelona（巴塞罗那计算机视觉中心） ； University of Florence（佛罗伦萨大学） ； Microsoft Research（微软研究院） ； HEC Montreal, Mila--Quebec AI Institute, Canada CIFAR AI Chair（蒙特利尔HEC学院、魁北克人工智能研究所、加拿大CIFAR人工智能 chair） ； Bielefeld University（比勒海姆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Rochester（罗切斯特大学） ； University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） ； Nankai University（南开大学） ； LUISS University（卢西亚诺大学） ； Stony Brook University（石溪大学） ； University of Tübingen（图宾根大学） ； University of Trento, FBK（特伦托大学，FBK） ； Tsinghua University（清华大学） ； University of Groningen（Groningen大学）
AI总结 本文提出通过模块化记忆结合权重内学习与上下文学习，解决持续学习中的灾难性遗忘问题，实现大规模持续适应。
Comments ICML 2026 Position Track Spotlight. This work stems from discussions held at the Dagstuhl seminar on Continual Learning in the Era of Foundation Models (October 2025)
Brep2Shape：通过自监督变换器对齐边界与形状表示
机构 * School of Software, BNRist, Tsinghua University（清华大学软件学院）
AI总结 提出Brep2Shape自监督预训练方法，利用双Transformer骨干和拓扑注意力对齐B-rep的抽象边界表示与直观形状表示，在多项下游任务中达到最优精度并加速收敛。
R1-SyntheticVL：生成模型的合成数据是否已为多模态大语言模型做好准备？
机构 * Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出集体对抗数据合成（CADS）方法，通过集体智能和对抗学习自动生成高质量、多样且具有挑战性的多模态数据，用于增强多模态大语言模型（MLLM）在复杂现实任务中的性能。
Comments ICML 2026 Camera Ready
Atlas: 编排异构模型与工具实现多领域复杂推理
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； East China Normal University（华东师范大学）
AI总结 提出ATLAS双路径框架，通过无监督聚类路由和强化学习多步路由动态选择最优模型-工具组合，在15个基准上超越GPT-4o，分布内外任务分别提升10.1%和13.1%。
Comments Accepted by ACL 2026
SceneCompleter：面向生成式新视角合成的密集3D场景补全
机构 * Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） ； Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 提出SceneCompleter，通过几何-外观双流扩散模型在RGBD潜空间进行密集3D场景补全，并引入场景嵌入器整合全局信息，实现跨视角一致的生成式新视角合成。
对数凹分布约束采样的随机中点方法
机构 * Department of Mathematical Sciences, Tsinghua University（清华大学数学科学系） ； Artificial Intelligence Research Institute, Shenzhen MSU-BIT University（深圳MSU-BIT大学人工智能研究院） ； Department of Data Science, City University of Hong Kong（香港城市大学数据科学系）
AI总结 提出约束域中过阻尼和动能朗之万扩散的随机中点离散化方法，通过投影算子建立统一框架，证明Wasserstein-q距离下的收敛保证并得到近最优下界。
面向服务计算的查询高效视频对抗攻击：带风格化标志
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Cybersecurity and Quantum Systems Group, CSIRO’s Data61（CSIRO Data61网络安全与量子系统小组） ； School of Science, Computing and Engineering Technologies, Swinburne University of Technology（斯威本科技大学科学、计算与工程技术学院） ； Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院）
AI总结 提出一种黑盒视频攻击框架SLA，通过风格化标志和强化学习实现低预算、高逼真度的对抗样本生成，在目标攻击中优于现有方法。
Comments Accepted to IEEE Transactions on Dependable and Secure Computing (TDSC)
AdaPLD: 自适应检索与重用实现高效无模型推测解码
机构 * 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） ； Department of Mathematical Sciences, Tsinghua University（清华大学数学科学部） ； JDT AI Infra（京东AI基础设施）
AI总结 针对现有基于重用的推测解码方法在词汇匹配失败时召回率低和确定性复制脆弱的问题，提出无需训练的自适应方法AdaPLD，通过语义相似性恢复重用机会并构建分支假设，实现最高3.10倍解码加速。
WAM-Nav：面向统一视觉导航的非对称潜在世界-动作建模
机构 * Nanjing University（南京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； FiveAges ； National University of Defense Technology（国防科技大学） ； Tsinghua University（清华大学） ； GigaAI
AI总结 提出WAM-Nav，一种联合学习动作生成与潜在视觉预测的非对称扩散Transformer模型，通过共享扩散Transformer实现长时程动作与短时程视觉预测的联合扩散，并引入双流上下文条件机制和目标对齐模块，在统一策略下支持图像目标、点目标和无目标导航，在ClutterScenes和InternScenes基准上分别提升15.7%和3.3%的成功率，并在真实环境中实现85%的任务成功率。
半监督噪声适应：从噪声域迁移知识
机构 * Guangdong Laboratory of Artificial Intelligence and Digital Economy（广东人工智能与数字经济实验室） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； Beijing Jiaotong University（北京交通大学） ； Beijing University of Technology（北京工业大学） ； Tsinghua University（清华大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 提出半监督噪声适应（SSNA）问题，利用合成噪声域作为源域，通过噪声适应框架（NAF）改善目标域的泛化性能。
Comments Accepted by ICML 2026
基于视觉基元的动作生成
机构 * Anyverse Dynamics ； Tsinghua University（清华大学）
AI总结 提出AVP架构，通过视觉语言模型推断下一阶段目标并生成视觉基元令牌，条件化流匹配动作专家，在通用拾放任务中成功率比pi_0.5提升27.61%。
Comments 9 pages, 6 figures. Project page: https://kingdroper.github.io/AVP/
Proact-VL：用于实时AI伴侣的主动式视频大语言模型
机构 * Tsinghua University（清华大学）
AI总结 本文提出Proact-VL框架，通过游戏场景中的评论和引导任务，解决实时AI伴侣在低延迟推理、自主响应决策和内容质量控制方面的挑战，实现了主动式实时交互。
Comments ICML 2026
通过姿态感知解缠和点云融合实现3D与2D指纹的跨模态注册
机构 * Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 本文提出统一框架，实现3D指纹预处理与跨接触式和非接触式2D指纹的注册，结合非参数可视化解缠、点云融合、姿态归一化和姿态感知注册策略，提升3D与2D指纹兼容性。
E-mem：基于多智能体的事件上下文重建用于LLM智能体记忆
机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学）
AI总结 E-mem通过多智能体协同重建事件上下文，提升LLM在长时序任务中的推理能力，实现54%的F1分数，优于现有方法7.75%，并降低70%的token成本。
Comments This paper has been accepted by ICML 2026. If you find our project helpful, please consider giving it a star: https://github.com/dog-last/E-mem
视觉语言模型中标签噪声提示调优的内在梯度抑制
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 提出双Softmax提示调优（DSPT），通过内在梯度抑制机制自适应压制高错误噪声样本的梯度，实现标签噪声下的鲁棒提示调优。
新时代的视觉生成：从原子映射到智能世界建模的演进
机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； University of Hong Kong（香港大学） ； National University of Singapore（新加坡国立大学） ； University of Waterloo（滑铁卢大学） ； StepFun ； MiroMind ； Baidu（百度） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； LMMs-Lab（LMMs实验室）
AI总结 提出五级分类法（原子生成、条件生成、上下文生成、智能生成、世界建模生成），分析流匹配、统一理解与生成模型等关键技术，并指出现有评估高估感知质量而忽视结构、时序和因果缺陷。
Comments Project Page: https://github.com/EvolvingLMMs-Lab/Evolving-Visual-Generation
Think-at-Hard: 选择性潜在迭代以改进推理语言模型
机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对循环变压器中潜在过思考问题，提出Think-at-Hard方法，通过轻量级决策器选择性地在困难令牌上触发潜在迭代，并采用深度感知LoRA和双因果注意力机制，在数学、问答和编码任务上一致提升性能。
Comments Accepted by ICML'26
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