高校专区
MosaicIMU：面向可泛化神经惯性里程计的载体专家组合
机构 * Tsinghua University（清华大学） ； Xi'an Jiaotong University（西安交通大学） ； Beijing University of Chemical Technology（北京化工大学） ； Beijing Information Science and Technology University（北京信息科技大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 提出MosaicIMU框架，通过原型路由组合载体特定专家特征，结合历史感知EKF，实现跨载体泛化；冻结预训练模型并学习轻量专家残差分支适应新领域，边缘部署时利用路由器选择在线样本高效增量更新，平均ATE和RTE-10s分别降低40%和34%。
KPGrasp: 可扩展的关键点流匹配用于灵巧抓取生成
机构 * Peking University（北京大学） ； Galbot ； Xi’an Jiaotong University（西安交通大学） ； Tsinghua University（清华大学）
AI总结 提出KPGrasp框架，通过全欧几里得手部关键点参数化和Transformer流模型，从大规模数据学习灵巧抓取先验，无需接触损失或测试时优化，在模拟和真实场景中实现高成功率与低穿透深度。
Comments 14 pages, 7 figures, 6 tables
VAIC: 基于解耦命令的视觉引导人形机器人敏捷物体交互控制
机构 * Tsinghua University（清华大学） ； HKUST(Guangzhou)（香港科技大学（广州）） ； Xiaomi Robotics Lab（小米机器人实验室）
AI总结 提出VAIC框架，通过解耦命令和两阶段蒸馏范式，仅依靠机载深度、历史本体感知实现人形机器人的敏捷物体交互，在箱体搬运、推车、滑板等动态任务中超越基线。
Comments Webpage: https://vaic-humanoid.github.io/
CP4D: 组合式物理感知4D场景生成
机构 * School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； 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，中国科学院自动化研究所） ； Eastern Institute of Technology（东部技术研究所） ； Tsinghua University（清华大学）
AI总结 提出CP4D范式，通过静态环境与物理动态对象组合，结合物理模拟器与视频扩散模型生成轨迹，实现高保真、物理一致的4D场景。
晚期融合足矣：面向视觉饱和的多模态大语言模型的双路径视觉令牌路由
机构 * School of Mechanics and Engineering Science, Peking University（北京大学力学与工程科学学院） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 针对多模态大语言模型中视觉令牌在深层饱和的问题，提出双路径视觉令牌路由（DPVR-LF），在饱和点将视觉令牌路由至单层可训练分支，仅最后层融合，以约3%可训练参数保持性能并减少计算。
Comments 18 pages, 4 figures. Submitted to Pattern Recognition
DynaOD: 基于离散到连续时间语义建模的动态起讫点流量生成
机构 * Department of Electronic Engineering, BNRist, Tsinghua University（清华大学电子工程系，BNRist） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Zhongguancun Academy（中关村学院）
AI总结 提出DynaOD框架，通过离散方向趋势和连续时间演化双视角建模时间语义，以轻量即插即用方式调节预训练静态OD生成器，实现无历史观测的动态OD流生成，在预测精度和分布保真度上优于基线。
Comments Accepted by IJCAI2026
弥合智能体-世界鸿沟：面向基于LLM的智能体的文本世界模型
机构 * Southern University of Science and Technology（南方科技大学） ； University of Edinburgh（爱丁堡大学） ； Peking University（北京大学） ； Sun Yat-sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai University of Finance and Economics（上海财经大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学）
AI总结 本文系统综述了面向基于LLM的智能体的文本世界模型，围绕形式化框架和智能体生命周期，涵盖基础定义、构建范式、应用（训练时经验合成与推理时规划、验证、适应）及评估，旨在整合该领域并明确设计空间与开放挑战。
Comments Code: https://github.com/sustech-nlp/awesome-text-world-models
带有到达臂的多臂老虎机：顺序筛选、动态遗憾与次线性保证
机构 * Qiuzhen College, Tsinghua University（清华大学求真学院） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学姚氏数学科学中心）
AI总结 针对可用臂随时间扩展的随机多臂老虎机问题，提出基于消除的UCB-AA算法，通过初步筛选新臂并考虑到达信息差异和漂移基准，实现动态遗憾的次线性界。
Comments 24 pages, 4 figures
语言感知令牌增强：无需微调的大语言模型语言混淆减少
机构 * SCB DataX ； Tsinghua University（清华大学） ； SCBX
AI总结 提出无需微调的语言混淆减少方法，通过语言感知令牌增强（LATB）和自适应版本（Adaptive-LATB）对目标语言令牌施加扰动，有效提升多语言对齐并保持摘要质量。
Comments ACL2026 Main Conference
数据代理遭受攻击：LLM驱动的分析系统中的漏洞
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； The Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学）
AI总结 本研究系统分析了LLM驱动的数据代理的安全漏洞，提出了分层漏洞框架和攻击分类法，并在六个系统上评估了攻击效果，揭示了当前系统的重大安全缺陷。
基于跨源推理的作者姓名消歧校正
机构 * Renmin University of China（中国人民大学） ； Sun Yat-Sen University（中山大学） ； Tsinghua University（清华大学） ； Robert Bosch GmbH（罗伯特·博世有限公司） ； University of Oslo（奥斯陆大学）
AI总结 提出CrossND框架，通过跨源不一致分配推理，结合数据精炼、监督微调和测试时缩放，无需人工干预即可校正作者姓名消歧错误。
Comments Accepted at KDD 2026 ADS track
当视频误读：面向探索性操作痕迹问答的阅读启发式闭环蒸馏
机构 * Tsinghua University（清华大学） ； DISCOVER Robotics
AI总结 针对探索性操作中机器人误读视频痕迹的问题，提出闭环痕迹蒸馏方法，通过任务编码代理提取单行自然语言启发式提示，使冻结VLM准确预测最小成功动作链，在模拟和真实机器人任务上提升准确率0.38-0.47。
Comments 16 pages, 4 figures, 4 tables
ActProbe：面向生成式机器人策略早期故障检测的动作空间探针
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanjing University（南京大学）
AI总结 提出ActProbe，一种轻量级纯动作空间故障检测器，利用时间一致性误差和动作块幅度两个信号，通过LSTM-MLP架构预测故障，在多种生成式策略上提升F1-时效性帕累托前沿平均超体积增益+12.7%，并加速强化学习微调。
Comments 24 pages,9 figures,11 tables, Project page: https://air-embodied-brain.github.io/actprobe
PACT: 具身操作中扩散策略的自我演化物理安全对齐
机构 * Dept. of Comp. Sci. and Tech., Institute for AI, Tsinghua-Bosch Joint ML Center, THBI Lab, BNRist Center, Tsinghua University, Beijing, 100084, China（计算机科学与技术系，人工智能研究院，清华-博世联合机器学习中心，THBI实验室，BNRist中心，清华大学，北京，100084，中国） ； Peng Cheng Laboratory, 518108, China（鹏城实验室，518108，中国）
AI总结 提出PACT框架，通过自演化后训练将预训练扩散策略投影到约束可行区域，无需演示数据或任务奖励，在降低31.0%安全违规的同时提升30.7%任务成功率。
HACK++：面向高效视觉自回归建模的更有效的头部感知键值压缩
机构 * Shanghai Jiao Tong University（上海交通大学） ； Rakuten（乐天） ； Tsinghua University（清华大学）
AI总结 针对VAR模型跨尺度KV缓存导致的高计算和内存开销，提出无训练头部感知压缩框架HACK++，通过离线分类头部类型和自适应预算分配，在极低缓存预算下保持近无损生成。
噪声自适应的在线凸优化高概率遗憾界
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； College of Mathematics, Sichuan University（四川大学数学学院）
AI总结 针对强凸损失在线凸优化，提出噪声自适应高概率遗憾界，在完全信息下实现与噪声水平相关的乘性改进，并证明赌博反馈下遗憾与置信度的线性关系，同时为约束优化提供联合高概率保证。
Comments Accepted to 2026 European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases(ECML-PKDD 2026)
学习语义校准网络用于开放词汇语义分割
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出语义校准网络(SCN)，通过类消歧和logits融合模块显式建模类间语义相关性，在保持CLIP泛化能力的同时提升分割性能。
Comments Paper accepted by 11th International Conference on Intelligent Computing and Signal Processing (ICSP 2026)
通过扩展训练时对抗攻击防御恶意微调
机构 * Xiongan AI Institute（雄安人工智能研究院） ； Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） ； Shanghai Qi Zhi Institute（上海期智研究院）
AI总结 针对全参数微调的安全威胁，提出基于对抗训练和双层优化的Patcher方法，通过扩展对抗循环中的优化步数增强防御，并设计并行算法提升效率。
工业场景中的零样本学习：新的大规模基准、挑战与基线
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； Huawei Technologies（华为技术有限公司） ； Tsinghua University（清华大学） ； Microsoft Research（微软研究院）
AI总结 针对工业场景中视觉语言模型应用难、数据稀缺的问题，提出大规模多模态工业开放数据集MMIO和精炼文本-视觉提示RTVP，实现零样本工业缺陷检测，在MMIO上达到SOTA。
ChronoPhyBench：多模态大语言模型真正理解世界还是仅仅利用语言先验？
机构 * Peking University, Shenzhen Graduate School（北京大学深圳研究生院） ； Peng Cheng Laboratory（鹏城实验室） ； Rabbitpre Intelligence ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学）
AI总结 提出ChronoPhyBench基准，通过视频上下文和文本描述强制模型进行物理状态推理，揭示当前开源模型物理推理能力仍处初级阶段。
FunctionEvolve: 基于结构引导的符号回归与大型语言模型
机构 * Bosch Center for Artificial Intelligence（博世人工智能中心） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Tsinghua-Bosch Joint Center for ML, Tsinghua University（清华大学-博世联合机器学习中心）
AI总结 提出FunctionEvolve框架，利用表达式树组织符号回归搜索，通过结构摘要、局部树编辑和结构感知系数拟合，在LLM-SRBench合成子集上以Claude Opus 4.6实现82.9%的SA@50，较同基线提升4.5倍。
SlideCheck: 通过数据集分布引导病理基础模型的自监督预训练
机构 * Beijing University of Chemical Technology（北京化工大学） ； South China Normal University（华南师范大学） ； Tsinghua University（清华大学）
AI总结 提出SlideCheck工具，利用冻结病理基础模型的特征，通过双头MLP评分异常和恶性证据，引导自监督预训练数据筛选，实验表明数据分布影响模型下游性能。
Comments 9 pages, 2 figures, 4 tables
OmniMem: 面向流式音视频大语言模型的扰动感知记忆压缩
机构 * Tsinghua University（清华大学） ； ByteDance（字节跳动） ； Department of Engineering, University of Cambridge（剑桥大学工程系）
AI总结 提出OmniMem，一种针对音视频LLM的流式记忆压缩框架，通过模态感知分配和扰动感知选择压缩KV缓存，在保持长视频理解的同时减少内存，在多个基准上提升2-4%准确率。
Comments Code: https://github.com/bytedance/SALMONN/tree/omni_mem
QuadVerse：一种对齐视觉-物理现实用于四足仿真的集成框架
机构 * Nanjing University（南京大学） ； BUPT（北京邮电大学） ； DEXMAL ； Tsinghua University（清华大学）
AI总结 提出QuadVerse框架，通过重建场景校准视觉、物理和致动器，利用3DGS和接触校准减少仿真到现实的差距，实现零样本视觉导航策略部署。
DyCon: 通过演化难度建模的动态推理控制
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Zhongguancun Academy（中关村学院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Shenzhen Loop Area Institute（深圳河套学院） ； Tsinghua University（清华大学）
AI总结 提出DyCon框架，利用步骤级嵌入动态建模推理过程中的难度演化，无需训练即可控制推理深度，减少冗余步骤，提升效率且不损失准确性。
Comments Accepted at ICML 2026
RealDexUMI：用于灵巧机器人学习的可穿戴通用操作接口
机构 * Peking University（北京大学） ； BeingBeyond ； Beihang University（北航） ； LinkerBot ； Tsinghua University（清华大学）
AI总结 提出RealDexUMI，一种基于共享灵巧末端执行器模块的可穿戴通用操作接口，通过掌侧同构遥操作手套实现无重定向、直观精确的手部控制，在八项真实机器人任务中平均成功率达88.75%。
AutoTail-BSFGM：面向中文学术文本分类的类别平衡感知微调
机构 * Department of Intelligent Communication, School of Journalism and Communication, Minzu University of China（中国民族大学新闻与传播学院智能通信系） ； ZeeLin (Beijing) Technology Co., Ltd.（北京智联科技有限公司） ； School of Journalism and Communication, Tsinghua University（清华大学新闻与传播学院） ； College of AI, Tsinghua University（清华大学人工智能学院）
AI总结 提出AutoTail-BSFGM方法，通过自动门控尾部调整、弱平衡Softmax辅助损失和快速梯度法对抗正则化，解决中文学术文本分类中的类别不平衡和语义邻近问题，在CSL数据集上提升了验证集和锁箱集准确率。
Comments 17 pages, 4 figures, 4 tables. Code and data: https://github.com/thu-nmrc/autotail-bsfgm-scholarly-classification
当硬负例有害时：弥合检索中硬负例生成的生成-判别鸿沟
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； City University of Hong Kong（香港城市大学） ； School of Cyber Science and Technology, Sun Yat-sen University（中山大学信息科学与技术学院） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
AI总结 针对检索中硬负例生成存在的生成-判别鸿沟问题，提出CausalNeg方法，通过CoT引导的反事实扰动和查询视角熵最大化来提升检索性能。
Comments Accepted at KDD 2026
MBench: 视频世界模型记忆能力的综合基准
机构 * Tsinghua University（清华大学） ； WeChat Vision, Tecent Inc.（微信视觉，腾讯公司） ； Peking University（北京大学）
AI总结 提出MBench基准，通过实体一致性、环境一致性和因果一致性三个核心维度及其12个子维度，系统评估视频世界模型的长期记忆能力，并揭示现有方法在长期状态保持上的关键局限。
Comments Project Page: https://peanutup.github.io/MBench-project/
面向多自由变量复杂逻辑查询的神经可扩展符号搜索框架
机构 * Department of Mathematical Sciences, Tsinghua University（清华大学数学科学系） ； Squarepoint Capital（Squarepoint资本） ； Department of Computer Science and Engineering, Hong Kong University of Science and Technology（香港科学与技术大学计算机科学与工程系） ； Department of Computer Sciences, University of Rochester（罗切斯特大学计算机科学系）
AI总结 针对知识图谱上多自由变量复杂查询的联合排序难题，提出神经可扩展符号搜索（NS3）框架，通过预算约束和超节点合并近似联合排序，显著提升性能。
Comments 10 pages, 5 figures
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