Tsinghua University（清华大学）

Marrying Optimal Transport and ODEs for Unified Continuous-Time 4D Reconstruction and Tracking

融合最优传输与常微分方程的统一连续时间4D重建与跟踪

Liying Yang, Hao Mo, Jialun Liu, Chen Liu, Xinxing Yu, Chenhao Guan, Hui Ma, Xiao Cao, Ajian Liu, Yanyan Liang

机构 * Macau University of Science and Technology（澳门科技大学） ； The University of Queensland（昆士兰大学） ； Great Bay University（大湾区大学） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； Institute of Automation, Chinese Academy of Sciences (CASIA)（中国科学院自动化研究所） 纠错

AI总结 本文提出Uni4R框架，通过最优传输与常微分方程协同学习连续速度场，结合流匹配引导解码器与积分一致性训练策略，实现统一连续时间4D重建与点跟踪，在相关任务及新基准上达SOTA性能。

Comments Preliminary version

FactorDrive: Adaptive Multi-Step Reasoning Driven by Planning-Critical Factors for End-to-End Autonomous Driving

FactorDrive：面向端到端自动驾驶的、由规划关键因素驱动的自适应多步推理

Guolei Huang, Tengfei She, Yuxuan Lu, Yao Huang, Yuqi Ye, Yongjun Shen

机构 * Southeast University（东南大学） ； Universiti Malay（马来亚大学） ； Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Peking University（北京大学） 纠错

AI总结 该研究针对现有端到端自动驾驶方法在空间物理证据融合、推理适应及推理路径优化上的不足，提出FactorDrive框架，通过PCF-CoT数据集与QS-GRPO算法优化推理，在两类基准上取得最优规划性能。

ICM Out! Better Tournament Strategy from Computed Continuations, vs. Solvers and LLMs

ICM 失效！基于计算延续的更优锦标赛策略——与求解器及大语言模型（LLMs）的对比

Boning Li, Longbo Huang

机构 * Tsinghua University（清华大学） 纠错

AI总结 该研究提出战略延续优化（SCO）策略构建方法，通过锦标赛实验对比发现，SCO 策略比基于解析 ICM 的策略更优，且在替换对手为 LLMs 等时仍保持优势，明确了 ICM 作为锦标赛策略构建目标的局限性。

Comments 34 pages, 2 figures

SonicWeave: Chunk-Routed Mixture-of-Experts for Unified Audio Scene Generation

SonicWeave：用于统一音频场景生成的分块路由混合专家模型

Yunrui Cai, Xu Li, Yucheng Zhou, Jinchao Li, Dingdong Wang, Dongchao Yang, Xixin Wu, Chen Zhang, Zhiyong Wu, Pengfei Wan, Helen Meng

机构 * Kuaishou Technology（快手科技） ； The Chinese University of Hong Kong（香港中文大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

AI总结 本文提出SonicWeave，一种带CPE-MoE的流匹配模型，可通过单一权重集生成含语音、音乐等的统一音频场景，在多项基准及复杂场景评估中表现优于基线。

OpenLoopEvolve: A Verifiable Self-Evolution Framework for Loop Policies in Long-Horizon Complex Tasks

OpenLoopEvolve：面向长周期复杂任务中循环策略的可验证自进化框架

Siqi Wang, Xinlin Li, Zhenglin Li, Li Li

机构 * Tsinghua University（清华大学） 纠错

AI总结 OpenLoopEvolve是面向长周期复杂任务的可验证自进化框架，通过在线与离线两种进化模式优化循环策略，在YC-Bench基准上提升了任务性能、成功率与风险指标。

LLM-Guided Heuristic Design from Simulation Traces: A Case Study in Dynamic Production and AGV Scheduling

基于模拟轨迹的大语言模型引导式启发式设计：动态生产与自动导引车调度的案例研究

Jinbo Li, Chuanhao Li

机构 * Tsinghua University（清华大学） 纠错

AI总结 该研究提出LLM引导的启发式设计框架，通过模拟轨迹诊断优化AGV与生产调度策略，在多组实验中优于多种基线方法，证实模拟轨迹可指导代码层面的策略改进。

Comments 33 pages, 8 figures

DH-VLM: Dual-Horizon Cooperative Latent Reasoning for Autonomous Driving

DH-VLM：面向自动驾驶的双时域协同隐层推理框架

Ziyi Song, Chen Xia, Hang Yu, Sheng Zhou, Zhisheng Niu

机构 * Tsinghua University（清华大学） 纠错

AI总结 本文提出DH-VLM双时域协同隐层推理框架，结合基础设施与自车实现非对称语义协同，构建协同QA数据集支撑推理，在规划性能、通信成本等指标上优于现有方法，为协同自动驾驶提供实用鲁棒范式。

Degraded Infrared Small Object Detection via Degradation-Adapted Physics-Guided Restoration

面向退化红外小目标检测的退化自适应物理引导恢复方法

Xinkai Lu, Wenjun Chen, Yi Li, Yi Chang, Luxin Yan

机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； School of Ocean Engineering, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院海洋工程学院） 纠错

AI总结 针对红外小目标检测中退化泛化性差的问题，提出DAISOD框架，结合退化识别、专用分支处理与物理引导恢复，构建对应数据集，实验表明其性能优于现有方法。

Comments Accept by ICIG2026 (Oral)

VeinCast: Physics-Guided Dynamic Field Graphs with Graph-Conditioned Fusion for Global Medium-Range Weather Forecasting

VeinCast：用于全球中期天气预报的物理引导动态场图与图条件融合框架

Zhisheng Chen, Jinhan Li, Yuxuan Li, Yuan Gao, Hao Wu, Zheng Lu, Jinlong Du, Kun Wang, Bo An

机构 * Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Tongji University（同济大学） 纠错

AI总结 本文提出VeinCast框架，通过物理引导动态场图与图条件融合，在1.5° ERA5基准上，于14天提前期的69个气象场预报任务中取得与主流模型相当的竞争力，证实关系级物理引导的有效性。

Task-Adaptive 3D Cross-Field MRI Translation via Field-Conditioned Content-Style Pretraining

基于场条件内容-风格预训练的任务自适应3D跨场MRI转换

Haowen Pang, Yingqi Hao, Pengli Zhu

机构 * School of Integrated Circuits and Electronics, Beijing Institute of Technology（北京理工大学集成电路与电子学院） ； School of Biomedical Engineering, Tsinghua Medicine, Tsinghua University（清华大学医学院生物医学工程学院） ； Department of Electronic Engineering, The Chinese University of Hong Kong（香港中文大学电子工程系） 纠错

AI总结 针对跨场MRI转换的域偏移问题，提出基于场条件内容-风格预训练的3D非配对转换框架，适配三项挑战赛任务，可保留三维解剖结构。

Comments MICCAI 2026 Workshop on MRIxFields

Different Feedback, Different Updates: Selective Self-Learning from User Interactions for Large Language Models

不同反馈，不同更新：针对大语言模型的用户交互选择性自学习

Xuanchen Li, Haitao Li, Yujia Zhou, Qingyi Pan, Heng Wang, Yiqun Liu, Min Zhang, Qingyao Ai

机构 * Tsinghua University（清华大学） ； Tencent（腾讯） 纠错

AI总结 针对LLM用户反馈的泛化范围差异问题，提出选择性自学习框架SLIFT，通过训练两个互补LoRA适配器，在MemoryBench和WildFB上取得优异性能。

OnEvoMemory: Evolving Memory through Online Robot Rollouts for Pretrained Robot Policies

OnEvoMemory：通过机器人在线试跑演化预训练机器人策略的记忆机制

Zhongxi Chen, Shenqi Zong

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） 纠错

AI总结 针对现有机器人记忆机制依赖外部模型的问题，提出OnEvoMemory价值引导记忆模块，结合离线初始化与在线试跑优化记忆选择，提升了基础VLA策略在长时程机器人操作中的性能。

Comments 6 pages, 1 figure. Accepted as a poster at the ECCV 2026 Workshop on Embodied Multimodal Reasoning in Physical Environments (EMR)

Multi-Agent Reinforcement Learning via Agent-Specific Preference

基于智能体特定偏好的多智能体强化学习

Ni Mu, Yao Luan, Yiqin Yang, Qing-Shan Jia

机构 * Tsinghua University（清华大学） ； Chinese Academy of Sciences（中国科学院） ； CFINS ； BNRist ； Institute for Embodied Intelligence and Robotics（嵌入式智能与机器人研究所） ； Institute of Automation（自动化研究所） 纠错

AI总结 本文提出多智能体偏好集成学习（MAGPIE），通过智能体特定偏好建模解决多智能体强化学习中全局奖励设计难题，经理论证明与实验验证，其性能可媲美奖励工程基线，为奖励工程不适用场景提供有效策略学习方案。

Comments This article has been accepted for publication in IEEE Transactions on Automation Science and Engineering. This is the author's version, which has not been fully edited, and the content may change prior to final publication. \c{opyright} 2026 IEEE. All rights reserved, including rights for text and data mining and training of artificial intelligence and similar technologies

SC-Diff: Semantically Calibrated Diffusion for Visible-to-Infrared Image Translation

SC-Diff：用于可见光到红外图像转换的语义校准扩散模型

Junyin Zhang, Siyu Huang, Jianxiong Ye, Haowei Gong, Ruicheng Zhang, Deyu Meng, Chenqiang Gao

机构 * School of Intelligent Systems Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区智能系统工程学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学院） 纠错

AI总结 SC-Diff 是一种语义校准潜扩散框架，通过结合语义先验作为条件与自注意力校准，提升可见光转红外图像的语义一致性，生成更适用于红外目标检测的合成训练数据。

CAP: A Scalable Benchmark for Evaluating Cross-Site Browser Agents with Complex Actions and Perception

CAP：用于评估具备复杂动作与感知能力的跨站点浏览器智能体的可扩展基准

Zejun Xu, Taiyi Chen, Jin Li, Yongtong Gu, Qi Cheng, Aixuan Lv, Shuai Zhu, Pengfei Zhu, Kaichen Yang, Boyu Sun, Yixian Yang, Mulong Xie, Xin Liu, Dagang Li, Xiaoteng Ma, Hongru Wang

机构 * Macau University of Science and Technology（澳门科技大学） ； Tsinghua University（清华大学） ； Southeast University（东南大学） ； FellouAI ； ARGUS Lab（ARGUS实验室） ； The University of Edinburgh（爱丁堡大学） 纠错

AI总结 研究人员推出可扩展基准CAP，通过分解-重组流程构建420项跨站点网页任务，实验发现当前浏览器智能体在感知密集型交互上存在明显瓶颈，与真实需求差距较大。

Comments Accepted to COLM 2026. Project page: https://warriorxu0302.github.io/CAP-Bench/

Illusion of Alignment: Detecting Hidden Disagreement in Collaborative Dialogue

对齐的错觉：检测协同对话中的隐藏分歧

Kaiming Liu, Fuwen Luo, Ziyue Wang, Jinrui Ju, Yuxuan Liu, Xuanyu Lei, Yunghwei Lai, Peng Li, Yang Liu

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Institute for AI, Tsinghua University（清华大学人工智能研究院） 纠错

AI总结 本研究针对协同对话中存在的对齐的错觉（IoA）问题，构建IoA-Suite数据集，训练IoA-Prober-8B模型检测隐藏分歧，该模型可揭示真人会议中未表达的分歧，还能提升多智能体协作的下游任务性能。

Evidence-RL: Towards Evidence-intensive Visual Reasoning

Evidence-RL：面向证据密集型视觉推理

Haojie Huang, Xinlei Yu, Chengming Xu, Zhangquan Chen, Cheng Yang, Qingdong He, Yu Yang, Jiangning Zhang, Xiaobin Hu

机构 * National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Tencent（腾讯） 纠错

AI总结 针对视觉-语言模型依赖语言先验等问题，提出反事实证据解缠方法，结合GRPO框架在9个基准和4种骨干模型上优于现有基于RL的后训练方法。

Comments 22 pages, 10 figures

GraphThink: Graph-Enhanced LLM Thinking for Long-Horizon Embodied Task Planning

GraphThink：用于长视距具身任务规划的图增强大语言模型思维

Chen Li, Sijie Cheng, Yuelin Zhang, Junxi Li, Maozhi Huang, Yang Liu, Wenbing Huang

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Tsinghua University（清华大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 GraphThink框架结合任务图与场景图，通过上下文提示、迭代优化、GRPO奖励设计及事件驱动重规划，在ALFRED基准上实现最优性能，具强泛化能力。

GRACE: LLM-Grounded Semantic Metric Spaces for Scalable Mixed-Data Clustering

GRACE：用于可扩展混合数据聚类的大语言模型（LLM）基础语义度量空间

Zihua Yang, Zhencheng Xie, Junyang Chen, Liang Xie, Yiqun Zhang, Mengke Li, Yang Lu

机构 * Guangdong University of Technology（广东工业大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Shenzhen University（深圳大学） ； Xiamen University（厦门大学） 纠错

AI总结 针对混合数据聚类中语义丰富度与可扩展性的矛盾，提出GRACE框架，通过多视角LLM查询实现一次性语义嵌入，兼顾可扩展性与聚类性能，优于11种对比方法。

Comments 13 pages

Neural Operators for Immersed-Boundary Soft Swimmers Locomotion

用于浸式边界柔性游泳体运动的神经算子

Mohammad Sadegh Eshaghi, Yizheng Wang, Navid Valizadeh, Xiaoying Zhuang, Timon Rabczuk

机构 * Leibniz University Hannover（莱布尼茨汉诺威大学） ； Tsinghua University（清华大学） ； Bauhaus-Universität Weimar（魏玛包豪斯大学） 纠错

AI总结 该研究针对浸式边界柔性游泳体运动，开发神经算子代理模型预测其流场，平面与体积型模型分别达到对应精度，验证了该代理模型的可行性并明确了后续改进方向。

Beyond Isolation: Unlocking Reinforcement Learning Component Synergy for Sample-Efficient Continuous Control

超越孤立：解锁强化学习组件协同以实现样本高效的连续控制

Qi Zhao, Guozheng Ma, Yilun Kong, Lu Li, Haoyu Wang, Zilin Wang, Tiantian Zhang, Yuxing Wang, Jian Sha, Yongzhe Chang, Xueqian Wang, Dacheng Tao

机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Mila - Quebec Artificial Intelligence Institute（米拉-魁北克人工智能研究所） ； University of Oxford（牛津大学） 纠错

AI总结 该研究针对强化学习组件孤立问题，提出协调模型表示等三个维度的ROSER框架，在连续控制基准上性能优于基线及单纯堆叠方法，为样本高效智能体开发提供了整体设计思路。

Comments 27 pages including appendix, 10 figures, 12 tables

DocMemo: Dynamic Evidence Discovery via Probabilistic Memory-Guided Retrieval for Multi-Modal Document Understanding

DocMemo：面向多模态文档理解的概率记忆引导检索动态证据发现框架

Hanshu Yao, Janfeng Zhong, Niu Lian, Jinpeng Wang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

AI总结 针对长文档理解的静态检索与跨轮记忆局限，提出记忆引导框架DocMemo，通过三层记忆与多轮优化实现动态证据发现，在3个基准上取得SOTA性能。

Comments DocMemo is a memory-guided framework for long-document reasoning that uses tri-level memory and dynamic Bayesian belief updating to overcome static retrieval limits and improve evidence tracking. 16 pages, 4 figures, 14 tables

Real-time Whole-Body Motion Planning for Mobile Manipulators Carrying Arbitrarily Shaped Payloads via Kinematically-Coupled SVSDF

基于运动学耦合SVSDF的移动操作臂携带任意形状负载的实时全身运动规划

Yisheng Li, Longji Yin, Tingrui Zhang, Ruize Xue, Haoda Zhu, Nan Chen, Siqi Liang, Yuxi Liu, Fu Zhang

机构 * University of Hong Kong（香港大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出基于KC-SVSDF的移动操作臂实时全身运动规划框架，通过链分解碰撞检查等方法，可可靠在复杂环境中运输大型非凸任意形状负载。

A Haptic Robot Finger Designed for Guqin Instrument Playing

用于古琴演奏的触觉机器人手指

Tianwei Zhang, Hanming Yan, Yang Yang. Ziya Wang

机构 * The Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳市人工智能与机器人研究院） ； The Chinese University of Hong Kong - Shenzhen（香港中文大学（深圳）） ； School of Physics and Optoelectronic Engineering, Shenzhen University（深圳大学物理与光电工程学院） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

AI总结 该研究设计了一款模仿人类手指的高精度触觉传感机器人指尖，以古琴为验证场景，开展了古琴弦接触相关任务的验证，将触觉传感与机器人技术结合，助力世界遗产保护与文化传播。

Comments Accepted by IEEE Transactions on Haptics

Cross-View Action Consistency for Camera-Robust Vision-Language-Action Policies

面向相机鲁棒性的视觉-语言-动作策略的跨视图动作一致性

Bingqi Huang, Bingchuan Wei, Xuan Wang, Yingkai Cai, Zhaokui Wang

机构 * Tsinghua University（清华大学） ； Informatics Institute, University of Amsterdam（阿姆斯特丹大学信息学研究所） ； Faculty of Science, Vrije Universiteit Amsterdam（阿姆斯特丹自由大学理学院） 纠错

AI总结 本研究针对视觉-语言-动作策略的相机鲁棒性问题，提出跨视图动作一致性正则化方法，在LIBERO-Plus数据集及真实机器人任务上均显著提升了相机扰动下的策略性能。

Science Edge Evaluation: SEE the Missing Step Toward Real Scientific Discovery

科学边缘评估：SEE——迈向真实科学发现的缺失环节

Taolin Han, Yuchen Zhang, Jinghang Wang, Yun Wu, Wai Yuet Chiu, Zhaohai Li, Yifei Zhang, Jinxin Wang, Yuhao Zhou, Chen Zhao, Jiajia Li, Jiaxin Li, Qile Jin, Kewei Sun, Shuang Wu, Weiqi Zhai, Renquan Lv, Junchao Li, Ruodan Chen, Qingteng Chen, Zhibo Yang, Hu Wei, Lin Qu, Shuai Bai, Bing Zhao

机构 * Alibaba Group（阿里巴巴集团） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； University of Alberta（阿尔伯塔大学） ； Zhejiang University（浙江大学） 纠错

AI总结 该研究构建多模态基准SEE评估19个MLLMs，发现其仅达48.7%准确率，通用模型优于专用模型，工具使用可提至52.7%但仍难实现科学发现所需的证据约束推断，需从解释转向推导。

Simple-OPD: Demystifying Warm-up for On-policy Distillation

Simple-OPD：揭开策略内蒸馏的预热阶段之谜

Tao Liu, Taiqiang Wu, Mao Zheng, Xuan Luo, Runming Yang, Xuewei Yang, Junjie Wang, Yujiu Yang

机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Tencent（腾讯） 纠错

AI总结 本文通过数据与训练视角研究OPD的预热阶段，发现预热依赖教师兼容CoT监督、LoRA近饱和训练优于全参数SFT，提出Simple-OPD方法并验证其有效性与鲁棒性。

ArchEGraph: A Large-Scale Graph Dataset for Geometry-Topology-Physics Aligned Building Energy Modeling

ArchEGraph：用于几何-拓扑-物理对齐的建筑能源建模的大规模图数据集

Yihui Li, Yihui Chen, Kaidi Zha, Xiaoyue Yan, Zhexuan Yu, Shiqi Dai, Jun Xiao, Jun Yin, Ramon Elias Weber, Borong Lin

机构 * Tsinghua University（清华大学） ； UC Berkeley（加州大学伯克利分校） ； MIT（麻省理工学院） 纠错

AI总结 研究提出ArchEGraph大规模图数据集，定义两个基准任务并开展泛化实验，为建筑能源建模的几何-拓扑-物理耦合研究提供统一测试平台，支持替代模型开发评估。

Comments 26 pages, 13 figures, submitted to a conference

GraphVerse: A Comprehensive Visual Graph Reasoning Benchmark for Multimodal Large Language Models

GraphVerse：面向多模态大语言模型的综合性视觉图推理基准

Yuanfu Sun, Yuanhang Ren, Kang Li, Chuanhao Ji, Jiaxi Li, Jiajin Liu, Ninghao Liu, Qiaoyu Tan

机构 * New York University（纽约大学） ； Sensetime Research（商汤科技研究院） ； Tsinghua University（清华大学） ； New York University Shanghai（上海纽约大学） ； University of Georgia（佐治亚大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 针对现有多模态大语言模型（MLLMs）评估缺乏结构化视觉推理测试的问题，提出GraphVerse基准，通过以图为中心的图像编辑（GIE）策略和VGR-Score指标，评估MLLMs在单/配对图像场景下的视觉图推理能力，揭示其相关局限并验证方法有效性。

Comments 33 pages, 16 figures

Solver-Guided Reasoning for Mixed-Equilibrium Strategies

求解器引导的混合策略均衡推理

Han Wang, Philippe Beardsell, Boning Li, Aaron Sasmita, Shuai Li, Hongyuan Zha, Baoxiang Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； GTO Wizard ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Vector Institute（向量研究所） 纠错

AI总结 本研究提出混合策略决策树（MDT），用求解器输出引导LLM在博弈中的均衡推理，在无限制德州扑克8种LLM配置下，将与均衡的L1距离降低52.6%，且策略可移植性良好。