高校专区
势引导的流匹配用于视觉-语言-动作策略改进
机构 * Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出ForesightFlow，一种自引导流匹配策略，通过解耦优势加权流匹配和一步边界估计器，无需外部评论家即可改进视觉-语言-动作策略。
M3imic: 学习用于多模态运动模仿的通用全身控制器
机构 * School of Automation, Southeast University（东南大学自动化学院） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动性学院） ； Department of Robotics, Mohamed Bin Zayed University of Artificial Intelligence（马尔代夫比兹亚德大学人工智能学院机器人系）
AI总结 提出M3imic框架，通过模态特定编码器将异构运动参考模态（机器人关节角度、人体姿态轨迹、末端执行器位姿）映射到共享潜在空间，并利用大规模强化学习训练单一策略，实现无需模态特定重训练的sim-to-real迁移。
在短视频平台上对原生动态屏幕GUI代理的基准测试
机构 * Beijing Institute of Technology（北京理工大学） ； Tsinghua University（清华大学） ； Beihang University（北航）
AI总结 针对短视频平台等动态屏幕环境，提出LivingScreen基准测试，通过三级任务套件和联合评估准确性与信息效率的指标，发现现有GUI代理存在观察过度或不足的问题。
Comments preprint
目标检测中的实例级事后不确定性量化
机构 * Tsinghua University（清华大学）
AI总结 提出蒙特卡洛广义线性模型（MC-GLM），用于目标检测中实例级、近似事后不确定性量化，无需重新训练，在nuScenes数据集上验证了有效性。
Comments 7 pages, 2 figures
Ekka: LLM推理中静默错误的自动诊断
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 提出Ekka系统，通过差分调试对齐比较中间执行状态，自动诊断LLM推理框架中的静默错误，在真实错误基准上达到80% pass@1和88% pass@5的诊断准确率。
Comments ICML 2026
Impostor：一个用于真实AIGC篡改定位的智能体策划基准
机构 * Southeast University（东南大学） ； Xiaohongshu Inc.（小红书公司） ； Tsinghua University（清华大学）
AI总结 为解决现有图像篡改检测与定位基准在视觉真实感、篡改多样性和生成器覆盖方面的局限，提出了Impostor数据集和CraftAgent框架，并设计了PhaseAware-Net方法，在多个基准上取得优异性能。
Comments 10 pages, 3 figures, 5 tables
Echo-Infinity: 学习演化记忆用于实时无限视频生成
机构 * The Chinese University of Hong Kong（香港中文大学） ； Joy Future Academy, JD（京东探索研究院） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出Echo-Infinity框架，通过可学习的演化记忆以恒定成本动态过滤、抽象和压缩任意长度历史，结合统一相对RoPE方案，首次实现24小时实时无限视频生成。
Comments Website: https://echo-team-joy-future-academy-jd.github.io/Echo-Infinity/
学习什么：小语言模型推理中SFT-then-RL的阶段特定数据集
机构 * Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； DiDi（滴滴出行） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 提出一种难度感知的SFT-then-RL框架，通过阶段特定数据集（SFT阶段使用桥接机制，RL阶段使用批判微调）协调数据难度，提升小语言模型推理性能。
Comments 25 pages, 12 figures
D^2SD: 使用双重扩散草稿模型加速推测解码
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； HKUST（香港科技大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Ant Group（蚂蚁集团）
AI总结 提出D^2SD框架，通过双重扩散草稿模型和置信度引导的前缀树，提升推测解码的接受率，优于现有扩散方法和自回归推测解码基线。
Deliberate Evolution: 基于智能体推理的样本高效符号回归与LLM
机构 * TMLR Group, Department of Computer Science, Hong Kong Baptist University（香港 Baptist 大学计算机科学系 TMLR 组） ； Beijing National Research Center for Information Science（北京信息科学国家研究中心） ； Technology (BNRist), Department of Automation, Tsinghua University, Beijing, P.R. China（技术（BNRist），自动化系，清华大学，北京，中华人民共和国） ； Lenovo Research（联想研究）
AI总结 提出Deliberate Evolution框架，通过解耦符号生成与搜索控制，利用自适应算子、分析工具和反思记忆，在仅用40%样本预算下超越现有LLM符号回归方法。
Comments ICML 2026
当眼见不再为实——面向搜索辅助的视频虚假信息检测基准
机构 * CASIA（中国科学院自动化研究所） ； UCAS（中国科学院大学） ； BAAI（百度人工智能研究院） ； Tsinghua University（清华大学） ； Peking University（北京大学）
AI总结 提出EVID-Bench基准，通过跨视频对比和开放网络搜索检测视频虚假信息，涵盖9种操纵类型，评估前沿多模态模型发现准确率低且面临多种挑战。
Comments 52 pages
基于语义锚点和空间仲裁的弱监督增量分割
机构 * National Natural Science Foundation of China（中华人民共和国国家自然科学基金委员会） ； Tsinghua University（清华大学）
AI总结 针对弱监督增量语义分割中噪声监督导致的特征漂移和语义覆盖问题，提出SASA方法，通过语义锚点稳定表示学习和空间标签仲裁过滤不可靠信号，有效缓解特征漂移。
Comments Accepted by ICME2026
RUBAS: 基于评分标准的强化学习用于智能体安全
机构 * The Conversational AI (CoAI) group, DCST, Tsinghua University（清华大学对话人工智能（CoAI）组，DCST，清华大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
AI总结 提出RUBAS框架，通过将智能体行为分解为四个维度的评分标准提供细粒度奖励，利用强化学习在保证任务完成的同时提升工具使用安全性。
深入场景：通过焦点计划生成打破视觉-语言决策中的感知瓶颈
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 提出SceneDiver方法，通过从粗到细的焦点计划生成，逐步构建场景图并分解任务，减少视觉幻觉，提升视觉-语言模型和视觉-语言-动作模型在具身决策任务中的表现。
Comments Accepted at ICML 2026
重新审视具身思维链以实现可泛化的机器人操作
机构 * Tsinghua University（清华大学） ； Xiaomi Robotics（小米机器人） ； Peking University（北京大学） ； CASIA ； HKUST(GZ)（香港科技大学（广州）） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Wuhan University（武汉大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 本文通过构建最大规模具身思维链语料库，提出ERVLA模型，利用思维链作为表征塑造监督而非测试时推理，显著提升了机器人操作的可泛化性。
通过双曲检索增强生成泛化图基础模型
机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学）
AI总结 提出双曲检索增强生成框架，通过双曲空间索引树状外部知识库并多粒度检索，解决图基础模型分布偏移下的泛化问题。
Comments Accepted by KDD2026
MemoryBench：面向LLM系统的记忆与持续学习基准
机构 * Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系）
AI总结 提出用户反馈模拟框架及跨领域、多语言、多任务类型的综合基准MemoryBench，评估LLM系统从累积用户反馈中持续学习的能力，实验表明现有方法效果与效率均不理想。
策略分裂：通过双模式熵正则化激励大语言模型强化学习中的双模式探索
机构 * Beijing Institute of Technology（北京理工大学） ； Tsinghua University（清华大学） ； Beihang University（北航）
AI总结 提出Policy Split方法，将策略分裂为正常和高熵两种模式，通过协作双模式熵正则化在保持准确性的同时促进多样化探索，实验表明在通用和创造性任务上优于现有基线。
Comments preprint
R3G: 一种面向以视觉为中心的答案生成的推理-检索-重排序框架
机构 * The Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院） ； State Key Laboratory of Nuclear Power Safety Technology and Equipment, China（核能安全技术与装备国家重点实验室） ； School of Computer Science and Information Engineering, Hefei University of Technology, China（合肥工业大学计算机科学与信息工程学院）
AI总结 提出R3G框架，通过先制定推理计划指定所需视觉线索，再采用粗检索加细粒度重排序的两阶段策略选择证据图像，在MRAG-Bench上提升六种多模态大语言模型在九个子场景中的准确率，实现整体最优性能。
EvoPrompt: 引导提示演化以适应视觉-语言模型
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） ； Sun Yat-sen University（中山大学） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出EvoPrompt框架，通过引导提示演化路径并解耦低秩更新为方向和幅度分量，实现视觉-语言模型在少样本学习中的遗忘-free微调，同时保持零样本能力。
是时候了：迈向下一代时间序列预测基准
机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 针对现有时间序列基准在数据组成、完整性、任务设计和分析视角上的局限，提出TIME基准，包含50个新数据集和98个预测任务，采用人机协作管道确保数据完整性，并引入模式级评估视角，对12个基础模型进行多粒度排名。
Comments Accepted to ICML 2026. Camera-ready version
LDA-1B：通过通用具身数据摄取扩展潜动力学动作模型
机构 * Peking University（北京大学） ； Galbot ； CASIA（中国科学院自动化研究所） ； BAAI（北京人工智能研究院） ； Tsinghua University（清华大学） ； Sun Yat-sen University（中山大学） ； NVIDIA
AI总结 提出LDA-1B机器人基础模型，通过统一格式的具身交互数据集EI-30k和结构化DINO潜空间中的动力学学习，联合建模动力学、策略和视觉预测，在接触丰富、灵巧和长时任务上分别提升高达21%、48%和23%。
Comments Accepted at RSS 2026, Project Page:https://pku-epic.github.io/LDA
DVGT: 驾驶视觉几何变换器
机构 * Tsinghua University（清华大学） ； University of Macau（澳门大学） ； Xiaomi EV（小米电动车） ； Peking University（北京大学）
AI总结 提出DVGT，一种从无位姿多视角图像序列重建全局稠密3D点图的视觉几何变换器，通过交替注意力机制学习几何关系，无需相机参数和后处理对齐，在多个驾驶数据集上显著优于现有模型。
Comments Code is available at https://github.com/wzzheng/DVGT
LMM-IR：面向静态IR压降预测的大规模网表感知多模态框架
机构 * Tsinghua University（清华大学）
AI总结 提出一种基于大规模网表变换器和3D点云表示的多模态框架，用于快速准确地预测芯片静态IR压降，在ICCAD 2023竞赛中取得最佳F1分数和最低MAE。
Comments Accepted by DAC2025
具有主动不确定性学习和数据分析的灌溉系统鲁棒模型预测控制
机构 * Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 本文提出了一种数据驱动的鲁棒模型预测控制方法，结合机理模型和数据驱动模型，通过构建不确定性集来提高灌溉系统的控制效率和可靠性，实验证明该方法能显著减少用水量并提升控制性能。
Journal ref IEEE Transactions on Control Systems Technology, vol. 28, no. 4, pp. 1493-1504, 2020
非线性优化中的快速安德森-切比雪夫加速方法
机构 * King Abdullah University of Science and Technology（卡布斯大学） ； Tsinghua University（清华大学）
AI总结 本文提出了一种快速安德森-切比雪夫加速方法，用于非线性优化问题，该方法在二次函数上实现了最优收敛率O(√κ ln(1/ε))，并提供了通用非线性问题的收敛分析，同时提出了动态猜测超参数的算法。
Comments To appear in AISTATS 2020
高效铰接超平面神经网络及其在非线性系统辨识中的应用
机构 * School of Mechanical Engineering（机械工程学院） ； Automation, Harbin Institute of Technology, Shenzhen, 518055, China（自动化学院，哈尔滨工业大学深圳校区，中国，518055） ； BNRist, Department of Automation, Tsinghua University, Beijing, 100084, China（BNRist，自动化系，清华大学，北京，中国，100084）
AI总结 本文提出了一种高效的铰接超平面（EHH）神经网络，该网络通过求解多个凸优化问题进行训练，具有快速的训练速度。研究证明，每个EHH神经网络等价于一个自适应铰接超平面（AHH）树，并在系统辨识中表现出良好的应用效果。EHH神经网络具有可解释性，可通过ANOVA分解或交互矩阵获得，可作为输入变量选择的建议。
Comments submitted to Automatica
通过费米-狄拉克公式式方法提升ResNets的自然和鲁棒准确性的集成方法
机构 * Department of Mathematics（数学系） ； Computer Science Department（计算机科学系） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Tsinghua University（清华大学） ； Yau Mathematical Sciences Center（杨振宁数学科学中心）
AI总结 本文提出了一种基于费米-狄拉克公式式的ResNets集成算法，通过在残差映射的输出中注入方差指定的高斯噪声并平均多个联合训练的修改ResNets的乘积来提高模型在干净和对抗性图像上的准确率。
Comments 18 pages, 6 figures
基于通行权的非信号交叉口安全高效自动驾驶策略
机构 * Graduate School at Shenzhen, Tsinghua University（清华大学深圳研究生院） ； Department of Automation, BNRist, Tsinghua University（清华大学自动化系，北京理工大学） ； traffic management solution division, traffic throughput through simulation experiments（交通管理解决方案部）
AI总结 本文提出一种基于通行权分配的策略，用于在非信号交叉口实现安全高效的自动驾驶，通过测试比较现有策略，证明该策略在交通效率上优于原有策略，但受限于通信范围和缺乏长期规划，不如协作驾驶策略，但通信成本更低。
Comments 6 pages, 7 figures
Hop：异质性感知的去中心化训练
机构 * University of Southern California（南加州大学） ； Tsinghua University（清华大学）
AI总结 本文提出Hop，首个考虑异质性的去中心化训练协议，通过引入迭代间隙这一独特特性，提出基于队列的同步机制以实现备份工作者和有限滞后，同时通过跳过迭代来缓解确定性延迟，实验表明在异质环境中相比标准去中心化训练有显著加速。
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