高校专区
Agentic-Ideation: 面向科学构思智能体的样本高效智能体轨迹合成
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）
AI总结 提出Agentic-Ideation框架，通过Oracle引导的数据合成策略和掩码训练，高效生成高质量智能体轨迹，在科学构思任务上整体质量提升11.91%，数据合成效率提高10倍以上。
AA: 用于屏幕式视线估计的多视角多模态数据集
机构 * Tsinghua University（清华大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出AA数据集，包含8个屏幕摄像头和2个侧视角摄像头的同步面部观测及精确视线目标，支持多视角多模态学习，解决单视角数据集的视角变化和遮挡问题。
重新思考基础模型协作：通过代理任务推理增强专用模型
机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） ； Department of Urban Studies and Planning, Massachusetts Institute of Technology（麻省理工学院城市研究与规划系）
AI总结 提出FAT框架，将基础模型与专用模型协作视为任务分解而非替代，通过代理任务（如选择或验证）提升结构化预测性能，在多个任务上优于直接使用基础模型回归。
通过Transformer揭示UTM的安全关键场景
机构 * Tsinghua University（清华大学） ； Meituan（美团）
AI总结 提出将UTM漏洞发现建模为序列问题，使用基于Transformer的强化学习架构，通过注意力机制建模状态关系并预测最优动作，实现8倍漏洞发现效率提升。
DDIAgents: 机制条件上下文流用于药物相互作用预测
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Institute of Biomedical Engineering, University of Oxford（牛津大学生物医学工程研究所） ； Division of Emerging Interdisciplinary Areas, Hong Kong University of Science and Technology（香港科技大学新兴跨学科领域学部）
AI总结 提出DDIAgents多智能体框架，通过动态知识编排预测药物相互作用，减少无关信息并生成可解释推理，性能优于现有方法。
基于扩散的材料正则化用于物理逆渲染
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； NVIDIA（英伟达） ； BNRist and School of Software, Tsinghua University（清华大学软件学院及北京国家信息科学与技术研究中心）
AI总结 提出将扩散模型预测作为相似性核，通过正则化损失约束材料优化，联合重建几何、材质和光照，在多个数据集上显著优于现有方法。
Comments Accepted to ECCV 2026. Includes supplementary material. Project page: https://gerwang.github.io/diffusion-regularized-inverse-rendering/
基于预测可微渲染的视频动态学习
机构 * Dartmouth College（达特茅斯学院） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； University of California, San Diego（加州大学圣地亚哥分校） ； Westlake University（西湖大学） ； Tsinghua University（清华大学） ； Ant Group（蚂蚁集团）
AI总结 提出预测可微渲染（PDR）框架，通过2D高斯表示的轻量适配器PredGS和CUDA加速渲染器predgsplat，结合L1和SSIM损失优化，在离散像素与连续表示间架桥，显著提升视频预测的细节保真度和准确性。
Comments Accepted by ECCV 2026. 18 pages, 5 figures, 11 tables
真相还是诡辩？LoFa：大语言模型对逻辑谬误鲁棒性的基准测试
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； South China University of Technology（华南理工大学）
AI总结 提出LoFa基准，通过多智能体管道生成事实与谬误配对，结合多轮辩论框架评估LLM对逻辑谬误的鲁棒性，并设计LFR@k指标量化抵抗能力。
Comments Accepted to ACL 2026 Main. 33 pages (9 pages main text)
DANTE-W：野外场景的漫反射反照率神经纹理化
机构 * Tsinghua University（清华大学）
AI总结 提出DANTE-W神经纹理框架，利用神经表示融合生成式先验，通过物理神经渲染恢复高保真漫反射反照率纹理，提升重光照保真度。
基于竞争优化的多源数据集联合发现偏微分方程
机构 * Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin, Eastern Institute of Technology（浙江工业智能与数字孪生重点实验室，东方理工高等研究院） ； Department of Electrical Engineering, Tsinghua University（清华大学电机工程系） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（东方理工高等研究院宁波数字孪生研究院）
AI总结 提出MCO-PDE框架，通过软竞争权重机制融合多源数据集，联合发现共享偏微分方程的结构和参数，在稀疏观测下高精度恢复经典方程。
PerceptionRubrics：将多模态评估校准至人类感知
机构 * Johns Hopkins University（约翰霍普金斯大学） ； StepFun ； Tsinghua University（清华大学） ； Independent Researcher（独立研究者）
AI总结 提出基于准则的评估框架PerceptionRubrics，通过双流准则和门控评分机制，解决基准分数饱和而实际脆弱性问题，揭示可靠性差距、开源与闭源感知差异，并实现与人类感知的高度对齐。
Comments ICML 2026. Project page: https://weiyana.github.io/PerceptionRubrics
Reflect-R1：长视频理解中基于证据驱动的自纠正反思
机构 * Tsinghua University（清华大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； Nanyang Technological University（南洋理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Shenzhen University（深圳大学） ； University of California（加利福尼亚大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出Reflect-R1框架，通过直觉、验证、仲裁三阶段管道动态检索客观视觉证据，并设计阶段解耦强化学习算法SD-GRPO解决策略耦合，在长视频理解基准上达到最优性能。
Comments 2026 ECCV
ViQ: 任意分辨率下的文本对齐视觉量化表示
机构 * Tencent HY Vision Team（腾讯HY视觉团队） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Chinese Academy of Sciences（中国科学院）
AI总结 提出ViQ框架，通过文本对齐预训练和特征离散化两阶段量化学习，平衡离散表示中的语义与细节，支持原生分辨率输入，在多模态任务中取得与连续高维特征编码器相当的性能，并实现20%-70%的训练加速。
Comments Accepted to ECCV 2026
REDI-Match: 旋转等变蒸馏实现高效鲁棒密集匹配
机构 * Tsinghua University（清华大学） ； Southern University of Science and Technology（南方科技大学） ； Beihang University（北京航空航天大学） ； Zhejiang University（浙江大学）
AI总结 提出REDI-Match框架，通过旋转等变蒸馏将视觉基础模型的语义知识注入轻量等变编码器，结合熵驱动空间对齐模块，在密集匹配中实现高效鲁棒的旋转不变性，在SatAst数据集上提升13.89%姿态精度且速度提升1.9倍。
暴露偏差可以通过流匹配中的方向和频率校正自我缓解
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Central Media Technology Institute, Huawei（华为中央媒体技术研究院）
AI总结 提出DEFAR框架，利用暴露偏差自身的方向和频率自适应信号进行校正，通过抗漂移校正和频率补偿增强模型鲁棒性，在多个数据集上优于现有方法。
Comments arXiv admin note: text overlap with arXiv:2512.04904
基于级联扩散先验和UV空间可微分着色的单目虚拟人重建
机构 * Beihang University（北航） ； Great Wall Motors（长城汽车） ； CUHK-Shenzhen（香港科技大学深圳研究院） ； HKUST（香港科技大学） ； Nanjing University（南京大学） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； KAUST（王国 Abdullah 基础科学研究院） ； Tsinghua University（清华大学）
AI总结 提出数据高效框架，利用统一预训练扩散模型的鲁棒先验，通过级联LoRA依次处理纹理补全、去光照和材质分解，结合UV空间可微分BRDF着色损失，从单张野外图像重建高保真可重光照3D虚拟人。
Comments Accepted by ECCV 2026. Project page: https://luh1124.github.io/MARCUS-Avatar-Projectpage/
OSOR: 一步扩散修复用于效果感知的对象移除
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Xidian University（西安电子科技大学） ； Tongji University（同济大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Transsion（传音控股）
AI总结 提出一步扩散模型OSOR，通过占用引导判别器、alpha头和语义锚定验证管道，实现高效、效果感知且对不完美掩码鲁棒的对象移除，速度提升4-30倍。
Comments Code and resources are available at https://github.com/Zhouqm-Git/osor
RPM-Distill：生理引导的自适应跨模态蒸馏用于鲁棒的远程生理测量
机构 * McGill University（麦吉尔大学） ； 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）） ； Tsinghua University（清华大学）
AI总结 提出RPM-Distill框架，利用训练时的雷达信号通过频域蒸馏指导视频模型，提升光照、肤色和运动变化下的远程心率估计鲁棒性，在挑战性条件下MAE降低81%，相关性提升21%。
Comments Accepted by ECCV2026
AirGroundBench: 异构多视角具身协作下多模态大模型的空间智能探测
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； QiYuanLab（启元实验室） ； Tsinghua University（清华大学） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 提出AirGroundBench基准，通过异构无人机-无人车协作的多视角任务（10类、约6.2万道视觉问答和115个导航任务），系统评估多模态大模型在空间感知、跨视角对齐、空间变换推理和具身决策中的几何一致性，发现模型在跨视角对齐和变换推理上存在瓶颈。
EMOSH：用于人体动画的表现性运动与形状解耦
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； WeChat Vision, Tencent Inc.（腾讯微信视觉）
AI总结 提出EMOSH框架，通过可表现人体模型解耦形状与姿态，结合粗细混合运动注入和空间对齐条件机制，实现高保真、可控的人体视频生成，解决运动-形状纠缠问题。
Comments Accepted to ECCV 2026, Project Page: https://eastbeanzhang.github.io/EMOSH/
ProMSA: 渐进式多模态搜索智能体用于基于知识的视觉问答
机构 * OPPO AI Center, OPPO Inc. China（OPPO AI中心，OPPO公司） ； The Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Nanyang Technological University, Singapore（新加坡南洋理工大学）
AI总结 提出渐进式多模态搜索智能体ProMSA，通过迭代选择图像搜索、文本搜索或停止，在显式工具调用预算和去重机制下，结合序列级强化学习优化，提升基于知识的视觉问答的检索和端到端准确性。
Booster Lab: 一种用于学习可部署人形机器人运动策略的数据中心化流水线
机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； School of Mechanical and Electronic Control Engineering, Beijing Jiaotong University（北京交通大学机械与电子控制工程学院） ； Booster Robotics Technology Co., Ltd（北京加速进化科技有限公司）
AI总结 提出一种数据中心化流水线，通过运动数据筛选、真实到仿真模型适配、基于AMP的强化学习和仿真到现实部署，解决人形机器人运动数据稀缺问题，并在Booster T1和K1机器人上验证。
SHIFT: 门控调制激活引导用于检索增强生成中的知识冲突缓解
机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院，沈阳，中国） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系，北京，中国）
AI总结 提出SHIFT框架，通过轻量级门控模块调节LLM内部激活，以自适应解决检索上下文与参数知识间的冲突，仅优化0.01%参数，在六个数据集上验证有效性。
Comments 19 pages, 13 Figures
COOPA: 面向运筹学问题的模块化LLM智能体架构
机构 * Tsinghua University（清华大学） ； Duke University（杜克大学） ； Yale University（耶鲁大学）
AI总结 提出COOPA模块化LLM智能体架构，通过迭代置信度建模、元素级溯源与多求解器路由，提升运筹问题建模准确性与可解释性，在多个基准上优于基线方法。
SidConArena：一个在开放、正和博弈中评估智能体的环境
机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院）
AI总结 提出SidConArena基准框架，通过三阶段部分可观测随机博弈评估LLM智能体在开放、正和谈判中的经济决策能力，发现前沿模型虽表现更好但仍存在资源误估、谈判被动和长期规划不足。
Comments 15 pages
OverFlowLight：城市交叉口实时防锁死与交通信号优化
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Electronic Science and Technology of China（电子科技大学） ； South China University of Technology（华南理工大学） ； Beijing Xiaocheng Intelligent Computing（北京小城智能计算） ； Tsinghua University（清华大学） ； Lanzhou University（兰州大学）
AI总结 针对城市交通中队列溢出导致级联锁死的问题，提出OverFlowLight框架，利用多模态传感实时检测溢出并动态插入专用相位，结合规则与强化学习混合控制，实际部署43个路口减少60.4%溢出事件并提升18.2%网络吞吐量。
DeformGen: 基于动力学的拓扑增强用于可变形操作策略学习
机构 * Shanghai Jiao Tong University（上海交通大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Tsinghua University（清华大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Microsoft Research（微软研究院）
AI总结 提出DeformGen框架，通过局部物理扰动和动力学前向模拟生成拓扑一致的可变形状态，并利用变形场扭曲转移操作轨迹，联合增强状态分布与操作行为，提升可变形操作策略学习。
LIBERO-Safety：视觉-语言-动作模型中物理与语义安全的综合基准
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Beijing Academy of Artificial Intelligence (BAAI)（北京智源人工智能研究院） ； Beihang University（北京航空航天大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Microsoft Research Asia (MSRA)（微软亚洲研究院）
AI总结 针对视觉-语言-动作模型操作安全未验证的问题，提出参数化安全基准和关键帧驱动数据生成流水线，构建大规模无碰撞数据集，系统评估八种模型，揭示泛化-安全张力。
Comments Accepted by ECCV 2026, Project Page: https://libero-safety.github.io/
HarmVideoBench：大型多模态模型中有害视频理解的基准测试
机构 * Central South University（中南大学） ； Tsinghua University（清华大学） ； South China Normal University（华南师范大学） ； ByteDance Inc（字节跳动公司） ； University of Zaragoza（阿拉维达大学） ； CosmosMind ； Wuhan University（武汉大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Southeast University（东南大学） ； Tencent（腾讯公司） ； Nankai University（南开大学） ； Supermicro Computer Inc（Supermicro计算机公司） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 提出HarmVideoBench，一个包含1379个视频和4137道选择题的多层次诊断基准，从三个维度评估模型对有害视频的深层理解，并引入BCR方法将宏平均准确率从61.7%提升至84.4%。
OPID: 面向智能体强化学习的在策略技能蒸馏
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学） ； Tongji University（同济大学）
AI总结 提出OPID框架，通过从在策略轨迹中提取层级技能（回合级和步骤级）提供密集标记级监督，结合结果优势进行策略优化，提升智能体性能、样本效率和鲁棒性。
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