高校专区
数据如何塑造RoPE频率使用：从位置尺度匹配到长度泛化
机构 * MIT IDSS（麻省理工学院信息系统与决策科学实验室） ； IIIS, Tsinghua University（清华大学交叉信息研究院）
AI总结 研究RoPE频率使用不均匀的原因，提出数据诱导依赖决定频率使用，最佳频率与1/W成比例，该原则解释了相关观察，还将频率选择与长度泛化联系，表明自然语言有自相似性，长上下文泛化取决于两种尺度匹配。
用于智能强化学习的单步异步优化
机构 * Tsinghua University（清华大学）
AI总结 研究针对异步强化学习中训练稳定性和离策略挑战，提出单步异步优化（SAO）。核心方法是用单步采样取代分组采样，改进单步策略并引入裁剪策略。主要贡献是SAO训练稳定，性能优于GRPO及其变体，在模拟在线学习中有效且成功部署于模型训练。
SpaCellAgent：一种基于自进化大语言模型的轨迹分析多智能体框架
机构 * University of Shanghai for Science and Technology（上海理工大学） ； National University of Defense Technology（国防科技大学） ； Hong Kong Baptist University（香港浸会大学） ； Shanghai University of Finance and Economics（上海财经大学） ； Tsinghua University（清华大学） ； Beihang University（北京航空航天大学）
AI总结 研究针对轨迹推断现有方法需大量人工干预的问题，提出基于大语言模型的多智能体框架SpaCellAgent，利用多智能体架构、动态工具编排引擎和自进化模块，经实验验证其能大幅提高分析效率，推动先进时空建模民主化。
Comments 27 pages, 19 figures
用于动作质量评估的具有自适应对齐的两阶段多模态融合
机构 * Tsinghua University（清华大学） ； Beihang University（北京航空航天大学） ； Children’s Hospital, Capital Institute of Pediatrics（首都儿科研究所附属儿童医院） ； Zhongguancun Laboratory（中关村实验室）
AI总结 研究动作质量评估问题，提出两阶段多模态融合框架DualAlign，通过自适应对齐解决跨模态错位等挑战，引入MM-JDM数据集，实验表明该框架在多模态评估中表现出色，相比现有方法有显著提升且在特定条件下稳健。
Comments Accepted to IJCV
一个用于自动驾驶的具有大语言模型注释的高风险驾驶场景知识增强数据集
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Fudan University（复旦大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 研究自动驾驶中高风险场景数据不足问题，核心方法是构建K-Risk数据集，整合多源轨迹数据并利用大语言模型生成注释，主要贡献是为自动驾驶开发和评估提供标准化基础。
Comments 22 pages, 9 figures
学习社会规范可增强动态人机协作中的兼容性
机构 * School of Vehicle and Mobility, Tsinghua University, Beijing, China（清华大学车辆与移动系统学院） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University, Beijing 100084, China（清华大学智能绿色车辆与移动系统国家重点实验室） ； State Key Laboratory of Cognitive Neuroscience and Learning & IDG/McGovern Institute for Brain Research, Beijing Normal University, Beijing, China（北京师范大学认知神经科学与学习国家重点实验室） ； Beijing Key Laboratory of Safe AI and Superalignment, Beijing, China（北京安全人工智能与超对齐关键实验室） ； Beijing Institute of AI Safety and Governance, Beijing, China（北京人工智能安全与治理研究院）
AI总结 研究以行人与车辆互动为代表，搭建实验平台，识别出人类社会规范的三项原则，将其融入人工智能显著改善人机协作，在闭环互动任务中，融入社会规范的大语言模型总分比基线策略高出近四倍，比人际互动高出43%。
Comments 44 pages, 5 figures, supplementary information included
RoboSnap：用于可泛化机器人学习与评估的一次性真实到模拟场景生成
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 针对构建物理稳定且视觉逼真场景缓慢昂贵的问题，提出RoboSnap框架，通过分层设计将单张RGB图像转为模拟场景，实验证明其能实现轨迹重放等，还引入DROID-Sim数据集，凸显真实到模拟方法对机器人学习评估的价值。
Comments 24 pages, 16 figures, Project page: https://robosnap.github.io
通过直接在线策略蒸馏实现弱到强泛化
机构 * SIA-Lab of Tsinghua AIR and ByteDance Seed（清华-字节跳动联合研究中心SIA实验室） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Peking University（北京大学）
AI总结 针对可验证奖励RL在大模型上成本高的问题，提出Direct-OPD方法迁移小模型RL的策略偏移，无需在大模型上跑RL即可实现性能提升。
Comments Project Page: https://bytedtsinghua-sia.github.io/Direct-OPD/
HARC：耦合有害性与拒绝方向以实现鲁棒的安全对齐
机构 * Tsinghua University（清华大学） ； Southeast University（东南大学） ； Microsoft（微软公司）
AI总结 提出HARC微调方法，通过耦合提示和响应位置的有害性与拒绝方向，在不损害通用能力的情况下提升LLM安全对齐的鲁棒性。
具有任意公共 transcripts 交互的差分隐私联邦学习的一般下界
机构 * Department of Statistics and Data Science, Tsinghua University（清华大学统计与数据科学系）
AI总结 本文研究了在任意公共 transcripts 交互下差分隐私联邦学习的下界问题，提出了一个针对平方 $\ell_2$ 损失参数估计的联邦 Van Trees 下界，并通过均值估计、线性回归和非参数回归等应用展示了该下界。
MEMCoder: 多维演化记忆用于面向私有库的代码生成
机构 * College of AI（人工智能学院） ； Tsinghua University（清华大学） ； Fitten Tech Co., Ltd.（Fitten科技有限公司）
AI总结 MEMCoder通过多维演化记忆机制，解决LLM在企业环境中因缺乏内部私有库文档导致的协调问题与参数理解不足，提升代码生成性能。
在开放测试流中学习并适应未知
机构 * University of Science and Technology Beijing（北京科技大学） ； Tsinghua University（清华大学）
AI总结 本文提出SyCo方法，通过Rac1和MAPK路径实现参数高效适应，解决LLM在动态任务中的适应问题，实验表明其在18个NLP数据集上表现优异。
TIR-Agent：训练一个探索性且高效的图像修复代理
机构 * Tsinghua University（清华大学） ； China Unicom（中国联通） ； Hunan University（湖南大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 本文提出TIR-Agent，通过监督微调和强化学习两阶段训练，解决图像修复中任务调度和工具组合的效率问题，实验表明其在多个基准上表现优异且推理速度提升显著。
HiMoE-VLA：用于通用视觉-语言-动作策略的分层专家混合模型
机构 * Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院） ； Xi’an Jiaotong University（西安交通大学） ； Tsinghua University（清华大学）
AI总结 研究通用视觉-语言-动作策略训练中异构性引发的负迁移问题，提出HiMoE-VLA框架，通过分层专家混合动作模块及两个辅助目标来解决，在多项任务上取得较好结果，还能将负迁移转化为正迁移。
通过密集轨迹生成实现几何感知单图像4D合成
机构 * Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 针对单图像4D合成挑战，提出MoGe4D框架，通过密集轨迹生成实现几何感知合成。引入数据集，构建4D-STraG及4D-ViSM。实验证明该方法能生成高质量4D场景，具强时空连贯性和几何感知一致性。
Comments Accepted to ECCV 2026
PB-OEL：一种用于实时安全评估的具有混合反馈的性能受限在线集成学习框架
机构 * Department of Automation（自动化系） ； Institute for Embodied Intelligence and Robotics（具身智能与机器人研究院） ； Tsinghua University（清华大学） ； China Ship Research and Development Academy（中国船舶研究发展academy）
AI总结 针对实时安全评估中混合反馈及概念漂移问题，现有方法性能无保证，本文提出PB-OEL框架。通过建立理论框架和引入惩罚更新策略，在蛟龙载人潜水器数据集实验中展现强大预测性能，优于现有方法。
Comments 10 pages, 5 figures
PIPBench：用于个性化图像生成评估的包含个人资料的框架
机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 研究个性化图像生成问题，引入PIPBench基准及新数据构建管道，利用心理和人口统计学资料维度收集数据，全面评估代表性方法，揭示现有方法局限，为个性化文本到图像合成带来新挑战与机遇。
LAMP：用于灵巧手部操作的潜在运动先验引导的现实世界学习
机构 * Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； PsiBot
AI总结 研究针对灵巧手部现实世界学习易出错的问题，提出含潜在运动先验模块的三阶段学习框架LAMP，先预训练模块，再训练视觉运动策略并通过在线残差RL改进，在真实机器人任务中取得高成功率，提升了学习效果。
Comments 17 pages, 11 figures
用于协商协作的大语言模型智能体：部分可观测联合决策下的联合决策研究
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Fuzhou University（福州大学）
AI总结 研究部分可观测联合决策任务下的协商LLM智能体，通过形式化问题、引入基准、实例化框架和协议并评估LLMs，发现复杂任务仍挑战语言模型，协商过程有反思纠错机会，为评估改进LLM智能体奠定基础。
Comments Code is available at https://github.com/wcx21/deliberative-collaboration-agents
通过横截面补丁自一致性进行解耦单掩码注释噪声检测
机构 * Tsinghua University（清华大学） ； Guangdong Provincial People’s Hospital（广东省人民医院）
AI总结 研究血管CT数据集单掩码注释噪声问题，提出利用横截面补丁自一致性的解耦框架检测噪声，通过采样、检索邻居及计算分数产生证据和质量图，实验验证其能提高训练鲁棒性并揭示注释偏差。
Comments 13 pages, 6 figures. Accepted by MICCAI 2026
你的NPU是否适用于大语言模型？剖析移动大语言模型推理中隐藏的效率瓶颈
机构 * Tsinghua University（清华大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 研究剖析移动大语言模型推理隐藏的效率瓶颈，通过跨层测量及PowerBench工具，发现框架性能差距在NPU上被放大、不同后端在不同阶段各有优劣及存在调度空间浪费，据此提出配置可降NPU后端能耗54.8%。
统计有意义的几何与规范对称性破缺：科学发现与智能涌现的几何基础
机构 * Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； AMSS Center for Forecasting Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院预测科学研究中心） ； Beijing Institute of Mathematical Sciences and Applications (BIMSA)（北京国际数学研究中心） ； Department of Statistics, London School of Economics and Political Science（伦敦政治经济学院统计系） ； Department of Statistics and Data Science, Tsinghua University（清华大学统计与数据科学系） ； Paula and Gregory Chow Institute for the Studies in Economics, Xiamen University（厦门大学经济研究所） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学丘成桐数学科学中心）
AI总结 研究超参数化机器学习系统是否展现真正智能的问题，引入统计有意义的几何框架，通过建模为Orlicz纤维束，证明在特定刺激下会出现规范对称性破缺，可区分真正发现与幻觉，为认证智能提供无参数、可证伪方法，推动人工智能用于科学的范式转变。
U-TTT：通过测试时训练实现可泛化的PET图像去噪
机构 * School of Biological Science and Medical Engineering, Beihang University（北京航空航天大学生物科学与医学工程学院） ； Department of Biomedical Engineering, Tsinghua University（清华大学生物医学工程系） ； School of Aerospace Engineering, Tsinghua University（清华大学航天航空学院） ； ByteDance Inc.（字节跳动有限公司）
AI总结 针对PET图像去噪模型在分布偏移下性能退化的问题，提出U-TTT模型，集成测试时训练（TTT）层，通过自监督动态调整参数，并设计双域自适应机制（空间和频率TTT层），在未见剂量水平和扫描仪下实现最优去噪和泛化。
Comments This paper introduces the first TTT-based model for image restoration
FedGMI: 生成模型驱动的联邦学习用于概率混合推断
机构 * Dept. of Electronic Engineering, BNRist, Tsinghua University（电子工程系，BNRist，清华大学） ； Dept. of Electronic and Computer Engineering, HKUST（电子与计算机工程系，香港科技大学）
AI总结 本文提出FedGMI框架，利用变分自编码器建模客户端数据分布的混合结构，实现结构化个性化联邦学习，提升模型性能和鲁棒性。
SpatialFly：基于几何的表示对齐用于城市环境中无人机视觉与语言导航
机构 * School of Mechanical Engineering, Beijing Institute of Technology（北京理工大学机械工程学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Tsinghua University（清华大学） ； Department of Automation, Tsinghua University（清华大学自动化系） ； School of Artificial Intelligence, Xidian University（西安电子科技大学人工智能学院） ； Jianghan University（江汉大学）
AI总结 本文提出SpatialFly框架，通过几何引导的2D表示对齐机制，解决无人机在复杂3D环境中的视觉与语言导航问题，实验表明其在路径对齐和运动稳定性方面优于现有方法。
Omni-RRM：通过基于自动评分标准的偏好合成推进全模态奖励建模
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； Institute of Artificial Intelligence (TeleAI)（人工智能研究所） ； ShiFang Technology Inc.（ShiFang科技公司）
AI总结 研究针对多模态大语言模型对齐难题，提出全模态基于评分标准的奖励模型Omni-RRM。通过自动评分标准偏好合成构建数据集，用特定训练方案提升奖励辨别力，在多模态基准测试中达最优精度，还能指导选择与迁移，提升模型对齐能力。
Comments ECCV 2026
BabyVision：超越语言的视觉推理
机构 * UniPat AI ； xbench ； Alibaba Group（阿里巴巴集团） ； MoonShot AI ； StepFun ； Peking University（北京大学） ； Tsinghua University（清华大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Princeton University（普林斯顿大学） ； Nanyang Technological University（南洋理工大学） ； G Labs Equal Core Contributors（0G Labs 等核心贡献者）
AI总结 研究发现当代多模态语言模型依赖语言先验，在基本视觉任务上表现差。为此引入BabyVision基准评估其核心视觉能力，涵盖多任务。结果显示模型缺乏基本视觉原语，BabyVision的进展迈向人类水平视觉能力，还探索了用生成模型解决视觉推理的方法。
Comments 26 pages, Homepage at https://unipat.ai/blog/BabyVision
基于预训练模型和边缘损失的口语语言识别
机构 * Xinjiang University（新疆大学） ； Tsinghua University（清华大学） ； AGIBOT
AI总结 针对2026年TidyLang挑战赛中的说话者控制口语语言识别任务，提出基于预训练模型和边缘损失的方法，采用预训练ECAPA - TDNN并结合边缘损失提升语言表征判别力，实验验证有效。
Comments Technical report for the TidyLang 2026 Challenge. Accepted at Odyssey 2026
Journal ref Odyssey 2026
Shao：将声学令牌语言模型扩展至高保真音乐生成
机构 * Central Conservatory of Music（中央音乐学院） ； Tsinghua University（清华大学）
AI总结 该研究提出单一声学令牌层级内渐进建模音乐结构与保真度的框架，通过双阶段生成与混合注意力训练，无需异构空间即可实现高质量音乐生成。
面向表格基础模型的基于数据蒸馏的上下文约束迁移学习
机构 * Renmin University of China（中国人民大学） ； Tsinghua University（清华大学）
AI总结 针对表格基础模型迁移学习中的上下文尺寸限制与分布偏移问题，提出TL-ANDI蒸馏框架，通过最优传输构建紧凑源上下文，结合局部标签蒸馏与残差校准缓解负迁移。
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