高校专区
感知、交互、推理：构建工具增强的视觉智能体用于空间推理
机构 * Tsinghua University（清华大学） ； Virginia Tech（弗吉尼亚理工大学） ； NVIDIA（英伟达）
AI总结 提出PERIA智能体，通过视觉感知和交互工具增强VLM的空间推理能力，在13个基准上优于同类模型7.0%-14.8%。
EgoEngine：从自我中心人类视频到高保真灵巧机器人演示
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Tsinghua University（清华大学）
AI总结 提出EgoEngine框架，通过视觉和动作桥接，将自我中心人类视频转化为高保真机器人数据，首次实现零样本灵巧策略学习。
面向质量多样性的Web智能体模仿的推测性回滚修正
机构 * Beihang University（北京航空航天大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； The Hong Kong University of Science and Technology（香港科技大学） ； Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Peking University（北京大学）
AI总结 提出推测性回滚修正（SRC）框架，通过固定视野分支审查和回滚机制，在减少教师查询的同时保持轨迹多样性，在WebArena-Infinity上收集了977条通过验证的轨迹和9183个下一步动作示例。
位置、类型、原因与重要性：面向文本到图像反馈的结构化缺陷定位
机构 * Tsinghua University（清华大学） ； Kolors Team, Kuaishou Technology（快手科技Kolors团队） ； University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； South China Normal University（华南师范大学）
AI总结 提出结构化缺陷定位（SDG）方法，将文本到图像生成中的缺陷诊断建模为结构化集合预测，通过构建SDG-30K数据集和SDG-Eval评估协议，并利用视觉语言模型作为检测器，结合BoxFlow-GRPO将预测的缺陷集合转化为空间奖励以改进扩散模型对齐。
Comments 25 pages, 9 figures
AssemLM: 用于机器人装配的空间推理多模态大语言模型
机构 * Fudan University（复旦大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究所（TeleAI），中国电信） ； Tianjin University（天津大学） ； Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； City University of Hong Kong（香港城市大学）
AI总结 提出AssemLM，一种融合装配手册、点云和文本指令的多模态大语言模型，通过专用点云编码器提取几何与旋转特征，实现精确的6D装配位姿推理，并构建含90万样本的AssemBench基准，在真实机器人装配任务中取得最优性能。
Comments Project Page: https://assemlmhome.github.io/
CreativeBench: 通过自我进化挑战基准测试和增强机器创造力
机构 * Southern University of Science and Technology（南方科技大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； University of Bristol（布里斯托大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Xi’an Jiaotong University（西安交通大学）
AI总结 提出CreativeBench基准，基于认知框架通过代码生成评估机器创造力，包含组合与探索两个子集，利用逆向工程和自我博弈自动生成挑战，并通过质量与新颖性乘积的指标区分创造与幻觉。
Comments ACL 2026. Project page: https://zethwang.github.io/creativebench.github.io/
通过逐步偏好调优的多模态智能体迭代工具使用探索
机构 * Beijing Key Laboratory of Intelligent Information Technology, School of Computer Science & Technology, Beijing Institute of Technology（北京智能信息科技重点实验室，计算机科学与技术学院，北京理工大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； State Key Laboratory of General Artificial Intelligence, Peking University（通用人工智能国家重点实验室，北京大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Guangdong Laboratory of Machine Perception and Intelligent Computing, Shenzhen MSU-BIT University（广东机器感知与智能计算实验室，深圳MSU-BIT大学） ； Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 提出SPORT方法，通过任务合成、步骤采样、步骤验证和偏好调优的迭代循环，使多模态智能体无需预收集数据即可自主探索和优化工具使用策略，在GTA和GAIA基准上分别提升6.41%和3.64%。
Comments 24 pages
视觉与视觉-语言应用中的模态感知特征匹配：全面综述
机构 * School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机与人工智能学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； School of Computer Science and Informatics, Cardiff University（卡迪夫大学计算机科学与信息学院） ； School of Computing and Communications, Lancaster University（兰卡斯特大学计算机与通讯学院） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； Institute for Infocomm Research, Agency for Science, Technology and Research (A*STAR)（新加坡资讯研究院，科技研究局（A*STAR）） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 综述基于模态的特征匹配，涵盖传统手工方法和现代深度学习方法，重点讨论跨RGB、深度、3D点云、LiDAR、医学图像及视觉-语言模态的进展，突出模态感知技术。
Comments CSUR
Prism: 通过GPU内存气球实现经济高效的多LLM服务
机构 * UCLA（加州大学洛杉矶分校） ； UC Berkeley（伯克利加州大学） ； Harvard University（哈佛大学） ； CMU（卡内基梅隆大学） ； University of Edinburgh（爱丁堡大学） ； Intel（英特尔） ； Stanford University（斯坦福大学） ； LMSYS（灵州市系统实验室） ； ByteDance（字节跳动） ； Alibaba Cloud（阿里云） ； Tsinghua University（清华大学） ； Novita AI ； Rice University（里士满大学）
AI总结 针对多LLM服务中资源效率低下的问题，提出基于内存气球的内存中心化LLM协同服务框架Prism，统一空间与时间共享，已在10K+ GPU生产环境部署。
Comments OSDI'26
MA-DLE: 基于记忆增强的语音自动抑郁程度估计
机构 * Tianjin Normal University（天津师范大学） ； Tsinghua University（清华大学） ； Technical University of Munich（慕尼黑技术大学） ； Imperial College London（伦敦帝国理工学院）
AI总结 提出记忆增强特征方法，通过选择性整合历史时序特征和动态记忆特征，结合层次注意力融合模块，在DAIC-WOZ和E-DAIC数据集上实现最优性能。
Comments Accepted at IEEE TAC
一种用于目标检测和实例分割的涡轮推理策略
机构 * School of Technology, Beijing Forestry University（北京林业大学工学院） ； 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（清华大学北京信息科学与技术国家研究中心） ； Chinese Institute for Brain Research (CIBR)（北京脑科学与类脑研究中心）
AI总结 提出一种涡轮推理策略，通过迭代利用检测与分割的互补信息，设计涡轮检测头和涡轮分割头形成闭环，无需重新训练即可提升两者精度。
Comments Preprint version of an article published in Computer Vision and Image Understanding
Journal ref Computer Vision and Image Understanding, Volume 270, Article 104827, 2026
Claw-SWE-Bench：评估OpenClaw风格代理框架在编码任务上的基准
机构 * TokenRhythm Technologies（TokenRhythm 技术公司） ； Infinigence AI ； Peking University（北京大学） ； City University of Hong Kong（香港城市大学） ； SEE Fund（SEE 基金） ； Shanghai Jiaotong University（上海交通大学） ； Beijing Jiaotong University（北京交通大学） ； Tsinghua University（清华大学）
AI总结 提出Claw-SWE-Bench基准，通过适配器协议统一评估异构代理框架，发现适配器设计对编码性能至关重要，且模型和框架选择显著影响通过率与成本。
一种电势增强的基准数据集，用于电容层析成像的物理引导图像重建
机构 * Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 针对电容层析成像（ECT）数据驱动方法忽略电势场的问题，提出一个包含电势图的基准数据集，通过COMSOL-MATLAB管道生成20,000个样本，并验证其提升建模精度和鲁棒性。
具身基准构建的智能自动化：流程、具身、模拟器与趋势
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Qiyuan Lab（启元实验室） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； Beihang University（北京航空航天大学）
AI总结 本文综述具身智能基准构建的五阶段流程，分析从人工到自动化再到智能体闭环的转变，指出自动化将成本转向验证与治理。
自适应多分辨率程序性知识压缩用于大型语言模型
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 提出SKIM框架，通过自适应多分辨率软令牌压缩程序性技能，在保持任务性能的同时将技能令牌长度压缩至30%-60%。
TopoCap: 学习拓扑无关的运动先验用于单目视频到动画
机构 * Zhili College, Tsinghua University（清华大学致理书院） ； BNRist, Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系，北京国家信息科学与技术研究中心） ； VAST
AI总结 提出TopoCap，首个统一框架，从单目视频提取运动并重定向到任意未见骨骼拓扑的角色，无需测试时优化，通过图CVAE学习通用运动流形和条件流匹配实现。
从名义强度到等效降雨：自动驾驶感知测试中模拟降雨的基于路径的可信度评估框架
机构 * College of Automotive and Energy Engineering, Tongji University（同济大学汽车与能源工程学院） ； Tsinghua University（清华大学）
AI总结 提出基于路径的可信度评估方法，通过路径等效降雨强度、不确定性带和雨滴分布真实度评分，结合激光雷达点云计数和平均反射率进行感知一致性校正，实现模拟降雨与真实降雨的对齐及测试结果映射。
Comments 17 pages, preprint
超越表征对齐：基于大脑引导的语言模型实现稳健推理
机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（北京大学通用人工智能国家重点实验室、智能科学与技术学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 研究通过fMRI信号增强大型语言模型推理能力，提出脑引导框架，在10个模型上实现最高13%的准确率提升。
特征对齐的语音水印技术以抵抗重建失真
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Shenzhen Key Laboratory of Intelligent Media and Content Understanding（深圳市智能媒体与内容理解重点实验室） ； Tencent AI Lab（腾讯人工智能实验室）
AI总结 提出特征对齐水印方法，通过将水印与原始语音特征分布对齐，在保持不可感知性的同时提高水印能量，增强对语音重建模型的鲁棒性。
Comments Accepted by ICME2026
语法约束解码可诱使大语言模型生成恶意代码
机构 * College of AI, Tsinghua University（清华大学人工智能学院）
AI总结 本文发现语法约束解码（GCD）可被利用发起名为CodeSpear的越狱攻击，使LLM生成恶意代码；并提出安全对齐方法CodeShield，通过生成蜜罐代码防御该攻击。
RLCSD: 基于对比策略自蒸馏的强化学习
机构 * Tsinghua University（清华大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； Peking University（北京大学）
AI总结 针对策略自蒸馏中特权诱导的风格漂移问题，提出RLCSD方法，通过对比正确与错误提示下的师生差距来抑制风格偏移，提升推理模型在数学和逻辑推理任务上的性能。
Comments 20 pages, 9 figures, 9 tables
基于强化学习的多智能体在流体中的会合
机构 * AML, Department of Engineering Mechanics, Tsinghua University（AML，工程力学系，清华大学） ； Department of Physics, Gothenburg University（物理系，哥德堡大学）
AI总结 采用多智能体强化学习（MARL）在涡旋流中开发物理信息会合策略，显著提高会合率，并具有跨涡旋强度、尺度和群体规模的迁移性，通过打破状态-动作图对称性防止智能体被困在分离涡旋中。
猴子自然全身运动的神经-行为表征
机构 * Center for Excellence in Brain Science and Intelligence Technology, CAS（脑科学与智能技术 excellence 中心，中国科学院） ； Tsinghua University（清华大学）
AI总结 通过大规模皮层信号与多视角运动捕捉，结合自回归编码器-解码器模型，实现了对自由运动猴子全身运动的准确解码。
面向移动边缘通用智能的资源感知LLM推理
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen（清华大学深圳国际研究生院，清华大学，深圳） ； College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学 computing 和数据科学学院，新加坡） ； Department of Electronic Engineering, Tsinghua University, Beijing（清华大学电子工程系，北京） ； State Key Laboratory of Space Network and Communications, Tsinghua University, Beijing（空间网络与通信国家重点实验室，清华大学，北京） ； Beijing National Research Center for Information Science and Technology, Tsinghua University, Beijing（北京信息科学与技术国家研究中心，清华大学，北京） ； Department of Electrical and Computer Engineering, Auburn University, Auburn, USA（阿伯丁大学电气与计算机工程系，阿伯丁，美国）
AI总结 提出联合优化框架，通过自适应CoT提示和分布式MoE架构协同优化推理深度、专家激活和传输功率，在资源受限的移动边缘环境中实现LLM高效推理，推理质量与资源效率平衡，额外推理时间小于1秒时准确率和延迟满足率均达90%。
编辑内容，保留声学：基于自一致性奖励的不可感知文本语音编辑
机构 * The State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； BNRist, Tsinghua University（清华大学BNRist）
AI总结 提出一种在稳定语义空间中编辑内容、通过流匹配解码器保持声学连续性的框架，并利用自一致性奖励组相对策略优化实现不可感知的文本语音编辑。
Comments Accepted by Interspeech 2026
AsFT：在窄安全盆地内锚定大语言模型微调期间的安全性
机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 针对微调大语言模型时安全性易受损的问题，提出AsFT方法，通过惩罚与对齐方向正交的更新，将模型约束在窄安全盆地内，在提升任务性能的同时显著降低有害行为。
MPK：一种用于将张量程序转化为巨型内核的编译器和运行时系统
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） ； NVIDIA ； University of Michigan（密歇根大学） ； Independent Researcher（独立研究者） ； Peking University（北京大学）
AI总结 提出MPK，首个自动将多GPU模型推理转化为单个高性能巨型内核的编译器和运行时系统，通过SM级图表示实现跨算子软件流水线和细粒度计算通信重叠，显著降低推理延迟。
Comments 14 pages
RelayFormer: 一种用于可扩展图像和视频篡改定位的统一局部-全局注意力框架
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； College of Artificial Intelligence, Nankai University（南开大学人工智能学院） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 提出RelayFormer统一框架，通过全局局部中继（GLR）令牌和中继注意力机制，适应不同分辨率并统一处理图像与视频，在篡改定位任务中实现高效且性能优越。
面向多用户延迟约束调度的离线扩散策略
机构 * Institute for Interdisciplinary Information Sciences (IIIS), Tsinghua University（交叉信息学院（IIIS），清华大学）
AI总结 提出基于离线强化学习的SOCD算法，利用扩散策略和批评网络指导，从离线数据中学习高效调度策略，避免在线交互，在部分可观测和大规模环境中表现优异。
基于机器学习的流体注入参数多点优化以提升喷管性能
机构 * Tsinghua University（清华大学）
AI总结 针对过膨胀单斜面喷管，采用预训练神经网络替代CFD进行多点优化，结合先验预测策略提高精度，利用反向传播快速计算梯度，在七个设计点优化平均推力系数提升1.14%。
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