高校专区
TRAJDEBUG：追踪错误生命周期以识别长视野智能体轨迹中的关键失败
机构 * Tsinghua University（清华大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Tencent Hunyuan（腾讯混元）
AI总结 针对长视野智能体轨迹调试的级联错误与关键错误定位难题，提出TrajDebug框架，构建含486条轨迹的TrajErrBench基准，实验显示其性能优于现有基线，可提供改进智能体的可操作反馈。
GeniWorld：一种用于机器人操作的可泛化交互式世界模型
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Tencent Robotics X（腾讯Robotics X实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Shenzhen Technology University（深圳技术大学）
AI总结 针对通用机器人策略在复杂环境中鲁棒性不足的问题，提出GeniWorld交互式世界模型，通过解耦本体与环境动态、构建自回归视频预测模型实现泛化，可用于策略评估并提升下游操作性能。
AgentOPSD：面向智能体强化学习的递归自蒸馏方法
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Meituan（美团）
AI总结 提出 AgentOPSD 这一无 critic 的递归自蒸馏方法，用于智能体强化学习的轮次级 credit 分配，在 ALFWorld 等数据集上优于 GRPO 等基线，在 Qwen2.5-7B 模型上实现 ALFWorld 89.1% 的成功率。
Comments Code: https://github.com/ZethWang/AgentOPSD
SkillMemo：用于组合式具身操纵的专家引导技能记忆框架
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Nanyang Technological University（南洋理工大学） ； Beijing Normal University（北京师范大学）
AI总结 SkillMemo是一种专家引导的技能记忆框架，通过分解轨迹为技能基元并结合动态记忆库，提升了DP和VLA模型的组合泛化能力，在基准测试中达到最优性能。
面向无源域跨场景高光谱图像分类的拓扑感知邻域学习
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Artificial Intelligence, Sun Yat-Sen University（中山大学人工智能学院） ； Faculty of Geosciences and Engineering, Southwest Jiaotong University（西南交通大学地球科学与环境工程学院） ； College of Land Science and Technology, China Agricultural University（中国农业大学土地科学与技术学院） ； National Supercomputing Center in Shenzhen（国家超级计算深圳中心）
AI总结 本文针对无源域跨场景高光谱图像分类问题，提出拓扑感知无源学习框架，通过EMP优化伪标签、CNT编码特征空间几何结构，实验表明其性能优于当前最优方法。
多变量时间序列预测需要跨变量损失
机构 * University of Technology Sydney（悉尼科技大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 针对直接预测范式未显式约束跨变量结构的问题，提出跨变量损失CvLoss作为结构正则化项，可提升多变量时间序列预测模型性能，适配多种骨干网络。
ATP：基于无源控制框架的解剖学力矩用于安全上肢外骨骼辅助
机构 * Tsinghua University（清华大学） ； Shenzhen MileBot Robotics Co., Ltd（深圳迈宝机器人有限公司）
AI总结 该研究提出ATP无源控制框架，通过仿真训练的强化学习控制器等实现上肢外骨骼安全辅助，可降低目标肌肉活动最高达48%。
BlockPython：一种支持从积木式编程向Python编程过渡的进程感知智能体平台
机构 * East China Normal University（华东师范大学） ； Tsinghua University（清华大学） ； University of Washington（华盛顿大学）
AI总结 BlockPython是支持从积木式编程向Python过渡的平台，以双向转换为核心，通过四阶段引导学习者，利用进程证据诊断困难，为相关系统设计提供参考。
Comments AIED 2026 Interactive Event Track
面向航拍图像目标导航的不确定性感知世界模型
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 针对航拍图像目标导航中现有世界模型的未来状态预测不足问题，提出UA-NWM模型，将轨迹评分建模为条件分布外检测，仅用不可解释残差评分，实验验证其性能与实用性。
约束优先推理：一种在数学问题求解中利用答案空间约束的无训练协议
机构 * Tsinghua University（清华大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 该研究针对大型语言模型解数学题易违反约束的问题，提出无训练的两阶段提示协议CFR，经多数据集及多维度实验验证可提升性能，是针对性的测试时干预措施。
Comments 53 pages, 5 figures, 36 tables
纠正特征何时有用？面向黑盒预测器的纠正特征发现智能体
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Texas A&M University（德克萨斯农工大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Tsinghua University（清华大学）
AI总结 本文提出CRAFTER智能体，挖掘黑盒冻结预测器的残差以生成纠正特征，在6个数据集和6个主干上优于现有系统，使改进翻倍、误差降27%，可归因特征来源。
Comments 23 pages, 14 tables, 4 figures
支架介导的后训练：协同演化模型参数与程序性支架图
机构 * Alibaba Group（阿里巴巴集团） ； Tsinghua University（清华大学）
AI总结 该研究针对大型语言模型后训练中参数与推理支架脱节的问题，提出支架介导的后训练范式，通过协同演化实现技能提升，在FeatureBench上较标准SFT取得显著性能优势。
大型语言模型中思维链推理的平均场动力学
机构 * Tsinghua University（清华大学）
AI总结 本研究提出框架，将LLM推理建模为线索图引导式发现过程，用平均场近似推导线索占比的常微分方程，实验验证所得统计规律可复现且能被该方程拟合。
OPERA：面向语言模型智能体的可靠自主光学实验的算子残差反馈
机构 * Tsinghua University（清华大学） ； ModelBest Inc.（模贝斯特公司） ； Hunan University（湖南大学） ； Northwest Institute of Nuclear Technology（西北核技术研究所）
AI总结 本研究提出面向语言模型智能体的OPERA算子残差框架，将实验动作表示为光学算子并结合物理解释残差评估，在三项光学任务中可减少无物理改进的决策占比，提升任务目标达成概率并降低实验预算。
Comments 34 pages, 15 figures
SpikingNav：基于脉冲神经网络策略的鲁棒具身导航
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； 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） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Beijing National Research Center for Information Science and Technology, Tsinghua University（北京信息科学与技术国家研究中心）
AI总结 本文提出SpikingNav脉冲导航框架，含SSE与SPN，在PointNav、ObjectNav任务中，其参数更少、计算量更低，鲁棒性优于匹配的ANN基线，且可部署于Thruster-V2芯片。
ContextMaster：基于固定预算稀疏上下文路由的交互式多镜头视频创作
机构 * Tsinghua University（清华大学） ； Nanjing University（南京大学） ； Kling Team, Kuaishou Technology（快手科技影团队） ； ShanghaiTech University（上海科技大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 该研究提出统一模型ContextMaster，以固定预算稀疏上下文路由等技术解决交互式多镜头视频创作问题，在基础任务表现优于专用基线，单GPU达16 FPS且支持灵活工作流。
Comments Project page: https://guoxu1233.github.io/ContextMaster/
State2State：面向大语言模型智能体的环境衍生式中间训练
机构 * 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） ； Institute of Intelligent Computing, Alibaba Group（阿里巴巴集团智能计算研究院）
AI总结 该研究提出State2State环境衍生式中间训练方法，无需外部任务与监督，可提升LLM智能体性能及学习效率，具备跨环境泛化潜力。
Comments Work in progress
用于参数化偏微分方程的持续学习物理信息神经网络
机构 * Tsinghua University（清华大学）
AI总结 提出CL-PINN，将不同参数的PDE实例视为相关任务依次学习，结合贝叶斯主动参数选择等技术，提升参数化PDE解的精度与泛化能力，优于相关基线方法。
Comments 124 pages in total, including the main text (63 pages, 25 figures, and 16 tables) and supplementary material (61 pages, 30 figures, and 17 tables)
EmpaAva：开源智能体式3D化身共情实时聊天机器人
机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； University of Oxford（牛津大学）
AI总结 该研究提出首个开源智能体式3D化身共情聊天机器人EmpaAva，通过三智能体架构实现闭环多模态交互，在评估中优于多款基准模型，将开源并提供在线演示。
Comments Project&Demo: https://empaava.top/
防泄露遗忘：评估多跳推理一致性与恢复鲁棒性的新基准
机构 * Tsinghua University（清华大学） ； Ant Group（蚂蚁集团）
AI总结 本文提出新基准unlearning评估LLM遗忘的鲁棒性，实验发现现有遗忘方法易受多跳推理路径和恢复攻击影响，还探究了遗忘质量、鲁棒性与模型效用的权衡。
Comments 19 pages, 7 figures
CofactVLA：通过反事实干预消除视觉-语言-动作模型的混淆
机构 * Tsinghua University（清华大学）
AI总结 针对VLA模型的视觉优先与因果混淆问题，提出CofactVLA框架，通过OPG和CCR机制消除视觉混淆，在仿真基准和真实机器人实验中均实现性能提升。
EvtGraph：面向多模态时间序列稀疏时序图学习的事件自适应压缩方法
机构 * Tsinghua University（清华大学）
AI总结 本研究针对多模态时序数据均匀离散化效率低的问题，提出EvtGraph框架，通过事件自适应压缩等技术实现预算约束下的高效图学习，在多模态临床等基准上性能优于基线且效率显著提升。
Comments 9 page, 9 figures
SiMDex：挖掘相似的自我中心视频以实现跨 embodiment 的灵巧操作
机构 * The University of Tokyo（东京大学） ； ByteDance Seed（字节跳动 Seed） ； The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 该研究提出SiMDex框架，通过三层流程从海量自我中心人类视频中挖掘与任务相关的子集，用于VLA后训练，仅用少量样本便显著提升了机器人灵巧操作的成功率，证明选择性数据整理更有效。
Comments 12 pages, 4 figures. Project page: https://lin-nie.github.io/SiMDex/
通过语言模型的视角映射城市
机构 * University College London（伦敦大学学院） ； Centre for Advanced Spatial Analysis (CASA)（高级空间分析中心） ； Tsinghua University（清华大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； South China University of Technology（华南理工大学）
AI总结 该研究通过10个开放权重检查点结合多类技术，匿名测量语言模型对城市的隐含假设，勾勒出模型视角下的城市画像，揭示其对城市的偏好倾向。
AdaForensics：学习一种具有特征感知能力的自适应深度伪造检测器
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）
AI总结 本文提出名为AdaForensics的特征感知自适应深度伪造检测器，通过双分支超网络学习自适应参数，在多数据集上性能优于现有最先进方法。
UniqueSplat：用于通用3D重建的视角条件化3D高斯溅射模型
机构 * Tsinghua University（清华大学）
AI总结 本文提出视角条件化前馈3D高斯溅射模型UniqueSplat，通过双分支视角条件化超网络实现高斯动态调整，在多数据集及跨数据集评估中均优于现有最优方法，提升了通用3D重建性能。
配置偏移下的共形大语言模型
机构 * University of Stuttgart（斯图加特大学） ； Robert Bosch GmbH（罗伯特·博世有限公司） ； University of Oxford（牛津大学） ； LMU Munich（慕尼黑大学） ； Tsinghua University（清华大学） ； University of Southampton（南安普顿大学） ； University of Oslo（奥斯陆大学）
AI总结 该研究针对配置偏移对共形大语言模型有效性的影响展开系统分析，通过多维度实证研究揭示其削弱覆盖率的问题，提出两种实用缓解措施以恢复覆盖率并保留效率。
Comments Under Review
DynActiveGS：面向动态场景重建的主动高斯溅射方法
机构 * Tsinghua University, Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Huawei Technologies Ltd（华为技术有限公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 DynActiveGS是基于3DGS的动态感知主动重建框架，通过分解不确定性实现动态场景的鲁棒主动重建，在多指标上优于现有基线。
Comments Accepted to ACM Multimedia 2026
InteracVid：基于直播聊天视频构建真实交互式视听响应数据集
机构 * College of AI, Tsinghua University（清华大学人工智能学院）
AI总结 该研究提出首个开源大规模交互式视听数据集InteracVid，解决现有生成模型监督信号缺失问题，实验证实其可提升多模态助手的交互规划与响应生成性能，为交互式多模态生成提供关键基础。
CoT-Edit：让思维链（CoT）指导指令视频编辑
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学）
AI总结 本文提出CoT-Edit的plan--guide--edit框架，以CoT增强的MLLM为规划器生成空间先验，结合扩散编辑器实现高保真指令视频编辑，性能优于多个基准方法
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