高校专区
基于说话人嵌入引导的无监督单通道语音分离扩散模型
机构 * Institute of Science Tokyo（东京科学研究所） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 该研究针对无监督单通道语音分离问题，提出说话人嵌入引导与分离导向求解器，提升了基于源模型的无监督语音分离性能。
解释数据混合缩放定律
机构 * Beijing Institute of Technology（北京理工大学） ； IIIS, Tsinghua University（清华大学智能产业研究院）
AI总结 提出统一框架解释多领域数据混合中模型损失行为，基于能力竞争和噪声减少两个关键因素，在多个尺度上有效预测高性能混合。
Comments Published to ICML 2026
重新思考基于事件的对象检测：通过表示层面的时间聚合和模型层面的超图推理
机构 * Xi’an Jiaotong University（西安交通大学） ； Tsinghua University（清华大学） ； China Mobile System Integration（中国移动系统集成） ； Inner Mongolia Agricultural University（内蒙古农业大学）
AI总结 本文提出Ev-DTAD框架，结合表示层面的时间编码与模型层面的时间超图推理，提升事件基于对象检测的准确率与效率。
RiO-DETR：面向实时的定向目标检测DETR
机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Tsinghua University（清华大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合国家科学中心人工智能研究院）
AI总结 RiO-DETR通过任务原生设计解决实时定向检测中的角度估计、周期性细化和密集监督问题，实现速度与精度的平衡。
Comments Accepted by ECCV 2026, 31 pages, 9 figures
用于锂金属电解质中官能团和盐效应电子结构分析的密度矩阵框架
机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Institute for Carbon Neutrality, Tsinghua University（清华大学碳中和研究院） ； AI Solid-State Battery Innovation Center（人工智能固态电池创新中心） ； C Innovation Laboratory (21C LAB), Contemporary Amperex Technology Co., Limited (CATL)（21C创新实验室（21C实验室），宁德时代新能源科技股份有限公司） ； National University of Singapore Guangzhou Research Translation and Innovation Institute（新加坡国立大学广州研究院） ； National University of Singapore (Chongqing) Research Institute（新加坡国立大学（重庆）研究院）
AI总结 该研究提出密度矩阵框架EMolStudio，通过集成分子功能化等流程预测分析锂金属电解质电子结构。应用于多种分子和簇，发现分子尺度上功能化的影响及溶剂化壳中阴离子对前沿轨道定位的作用，能将官能团和盐选择转化为相关电子结构假设。
Comments The data needs to be supplemented
用户提问，平台竞争：代理推荐市场如何形成
机构 * Tsinghua University（清华大学） ； Tencent Inc.（腾讯公司）
AI总结 研究基于LLM的代理推荐市场，用户先提需求平台竞争注意力。实验发现新设置在获取与注意力间有紧张关系，竞争引发平台策略行为，关联反馈可增加购买机会，强调设计代理推荐需综合考虑多方面并作为联合机制设计问题。
REFACT：用于紧凑且忠实的思维链推理的自适应事实重述
机构 * Northeastern University（东北大学） ； Tsinghua University（清华大学）
AI总结 研究复杂任务中语言模型推理轨迹易偏离上下文的问题，提出REFACT自适应事实重述框架，经两阶段优化，实验证明其能提升长上下文问答等能力，减少令牌消耗，保留更多证据使推理轨迹更优。
XS-VLA：将粗粒度空间蒸馏与潜在流匹配相结合用于轻量级机器人控制
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； National College for Excellent Engineers, Beihang University（北京航空航天大学卓越工程师学院） ； Wuxi Dexteroushands Robotic Technology Co.（无锡灵犀机器人技术有限公司）
AI总结 提出XS-VLA框架，先通过微调从Qwen3-VL-4B向SmolVLM2-0.25B骨干网蒸馏空间语义知识，再用其增强骨干网训练潜在流匹配策略，提升轻量级机器人控制性能，在LIBERO基准测试中表现出色。
Comments Preprint
RWGBench：评估相关工作生成中的学术定位
机构 * Tsinghua University（清华大学） ； Renmin University of China（中国人民大学）
AI总结 针对现有相关工作生成评估依赖文本相似度、忽略学术定位的问题，提出RWGBench基准，从引用决策角度评估引用选择、上下文适当性、组织和话语，揭示标准评估掩盖的系统性局限。
Comments 10 pages, code and data available at https://github.com/BFTree/RWGBench
EfficientGraph-RAG：面向跨任务检索增强生成的结构化检索状态管理
机构 * School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Tsinghua University, China（清华大学） ； Kunming University of Science and Technology, China（昆明理工大学） ； NiuTrans Research, Shenyang, China（沈阳NiuTrans研究院）
AI总结 提出EfficientGraph-RAG框架，通过显式定义检索状态（TAM、MARS、SMP三个机制）实现结构化状态管理，在多个基准上提升答案质量并降低大模型token消耗。
VidNum-1.4K：一个全面的视频基于数值推理基准
机构 * Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理与认知科学系） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本文提出VidNum-1.4K基准，通过1379个严格人工标注的视频问题对，评估视频基于的数值推理能力，揭示当前VLMs在多步骤逻辑推理上的不足。
Comments 7 pages, 5 figures
稀疏超图增强的帧事件目标检测与细粒度MoE
机构 * BNRist, THUIBCS, BLBCI, School of Software, Tsinghua University（清华大学软件学院，北京信息科学与技术国家研究中心，清华-英特尔先进移动计算中心，北京国家信息科学与技术实验室） ； State Key Laboratory of Heavy Oil Processing, China University of Petroleum (Beijing)（中国石油大学（北京）重质油国家重点实验室）
AI总结 本文提出Hyper-FEOD框架，通过稀疏超图增强交叉模态融合和细粒度MoE增强模块，实现高效的多模态交互优化，提升动态环境下目标检测的准确率与效率。
GroupRAG: 基于知识驱动的问题结构化进行的认知启发式组感知检索与推理
机构 * Tsinghua University（清华大学）
AI总结 GroupRAG通过知识驱动的关键点分组，实现组感知的检索与推理，提升语言模型在现实场景中的表现，实验表明其优于RAG和CoT基线方法。
Comments 9 pages, 3 figures
SMSP：多尺度感知的插件策略用于MLLMs感知视觉错觉
机构 * The Conversational AI (CoAI) group, DCST, Tsinghua University（清华人工智能（CoAI）小组，DCST，清华大学） ； Tsinghua University（清华大学）
AI总结 本文提出SMSP策略，通过抑制高频背景以提升MLLMs对视觉错觉的识别能力，实验表明其显著提高模型性能。
深度专家注入用于带有领域特定知识的视网膜视觉语言模型的锚定
机构 * Beijing Institute of Technology, Beijing, China（北京理工大学） ； National University of Singapore, Singapore（新加坡国立大学） ； Tsinghua University, Beijing, China（清华大学） ； The Hong Kong Polytechnic University, Hong Kong（香港理工大学）
AI总结 本文提出EyExIn框架，通过深度专家注入机制提升视网膜VLMs的领域知识嵌入能力，解决感知与推理间隙问题，实现高精度眼科视觉问答。
多轮语言模型交互中的状态依赖性安全故障
机构 * School of Cyber Science and Technology, University of Science and Technology of China, China（中国科学技术大学信息科学与技术学院） ； Nanyang Technological University, Singapore（南洋理工大学） ； Tsinghua University, Beijing, China（清华大学） ； Beijing Electronic Science and Technology Institute, Beijing, China（北京电子科技研究所）
AI总结 本文从状态空间视角研究多轮交互中的安全故障，提出STAR框架分析对话历史作为状态转移操作，揭示对齐模型在多轮交互中安全边界穿越的机制。
Comments 9 pages, accepted at the International Conference on Machine Learning (ICML) 2026
低延迟基于事件的对象检测与空间稀疏线性注意力
机构 * Tsinghua University（清华大学） ； University of Zurich（苏黎世大学） ； ShanghaiTech University（上海交通大学）
AI总结 本文提出SSLA，一种空间稀疏线性注意力机制，用于提升基于事件的目标检测效率与精度，实现低延迟性能。
Comments 19 pages, 4 figures, 8 tables, ECCV 2026
MAPO：混合优势策略优化用于长时多轮对话
机构 * NatureSelect ； Tsinghua University（清华大学） ； South China Normal University（华南师范大学） ； Xiamen University（厦门大学）
AI总结 MAPO通过混合优势策略优化，利用密集过程反馈和多级归一化，提升长时多轮对话的稳定性和性能，优于传统方法。
MemAgent：基于多轮对话强化学习的记忆智能体重构长上下文大语言模型
机构 * ByteDance Seed（字节跳动种子期） ； Institute for AI Industry Research (AIR)（人工智能产业研究院） ； Tsinghua University（清华大学）
AI总结 该研究提出MemAgent智能体工作流，结合扩展的DAPO算法优化长文本任务，实现从8K到3.5M上下文的高效外推，在RULER测试中表现优异。
Comments Accepted to ICLR 2026 as an Oral presentation. OpenReview: https://openreview.net/forum?id=k5nIOvYGCL Project page: https://memagent-sialab.github.io/
Journal ref International Conference on Learning Representations (ICLR), 2026
ClinFusion：用于整体医学理解的以视觉为中心的多模态大语言模型系统
机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hupan Laboratory（湖畔实验室） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Department of Radiology, The Affiliated Yangming Hospital of Ningbo University（宁波大学附属阳明医院放射科） ； Zhejiang University-University of Illinois Urbana-Champaign Institute, Zhejiang University（浙江大学伊利诺伊大学厄巴纳香槟校区联合学院，浙江大学） ； Hepato-Pancreato-Biliary Center, Beijing Tsinghua Changgung Hospital, School of Clinical Medicine, Tsinghua Medicine, Tsinghua University（清华长庚医院肝胆胰中心，清华大学临床医学院，清华医学，清华大学） ； School of Software, Tsinghua University（清华大学软件学院） ； 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）
AI总结 研究针对多模态大语言模型在医学领域部署的挑战，提出ClinFusion，采用组合级联视觉编码器架构和视觉基础评估框架，在多模态医学基准测试中表现优异，超越开源和专有模型，经专家盲评验证效果良好。
Comments Code: https://github.com/alibaba-damo-academy/ClinFusion Models: https://huggingface.co/collections/Alibaba-DAMO-Academy/clinfusion
NormWorlds-CF：使用变质关系GRPO进行求解器验证的反事实规范推理
机构 * Tsinghua University（清华大学）
AI总结 介绍NormWorlds-CF用于可执行规则世界的反事实规范推理，其求解器能产生多种结果用于监督评估。通过实验对比不同奖励机制对任务的影响，显示验证的反事实结构可影响训练后表现。
前馈3D编辑从语义部分变换中学习
机构 * Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学）
AI总结 提出Pxform数据集和PartFlow网络，通过语义部分变换实现高质量前馈3D编辑，在几何和外观编辑基准上达到最优性能。
Comments 31 pages, 22 figures. Project Page: https://dennis-jwweng.github.io/pxform/
对前沿视觉-语言模型进行审计以实现可信的医学视觉问答：定位失败、格式崩溃和领域适应
机构 * New York University, New York, USA（纽约大学） ； Tsinghua University, Beijing, China（清华大学） ； Columbia University, New York, USA（哥伦比亚大学） ； University of Michigan, Ann Arbor, USA（密歇根大学）
AI总结 本文审计了五种前沿视觉-语言模型在医学视觉问答中的表现，发现定位失败和格式崩溃是信任瓶颈，通过领域适应可提升性能。
基于评估的科学发现扩展
机构 * Wizard Intelligence Learning Lab, Stanford University（智能巫师学习实验室，斯坦福大学） ； Peking University（北京大学） ； 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 本文提出SimpleTES框架，通过并行探索、反馈驱动精炼和局部选择，提升评估驱动的发现循环效率，解决科学发现扩展问题，展示在21个科学问题上超越基线模型的性能。
情感碰撞：双双曲镜面流形用于通过反情感反射进行情感恢复
机构 * University of Macau（澳门大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Tongji University（同济大学） ； University of Southampton（南安普顿大学） ； University of Bologna（博洛尼亚大学） ； Minzu University of China（中央民族大学）
AI总结 本文提出Emotion Collider网络，利用双双曲镜面流形实现多模态情感和情绪建模，通过双曲空间对比学习提升类别分离，并在标准多模态情感基准上验证了其鲁棒性和准确性。
Comments 25 pages, 14 figures
CityGuard：图感知的隐私保护描述符用于城市摄像头间鲁棒的身份搜索
机构 * University of Macau（澳门大学） ； Tsinghua University（清华大学） ； Renmin University of China（中国人民大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Juntendo University（顺天堂大学） ； Peking University（北京大学）
AI总结 CityGuard通过图感知变换器实现隐私保护的身份检索，结合适应性度量学习、空间条件注意力和差分隐私嵌入，提升跨摄像头身份检索的鲁棒性与隐私保护能力。
Comments 36 pages, 12 figures
AdvSynGNN：通过对抗合成与自我纠正传播实现结构自适应的图神经网络
机构 * University of Macau（澳门大学） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； University of Southampton（南安普顿大学）
AI总结 本文提出AdvSynGNN，通过对抗合成与自我纠正传播实现结构自适应的图神经网络，提升在结构噪声和非同质拓扑下的鲁棒性。
Comments 32 pages, 8 figures
利用大型语言模型的迭代个性化增强行为提示：一项关于电力和热水节约的实地实验
机构 * School of Environment, Tsinghua University（清华大学环境学院） ； Department of Applied Psychology and Human Development, University of Toronto（多伦多大学应用心理学与人类发展系） ； State Key Laboratory of Regional Environment and Sustainability, Tsinghua University（清华大学区域环境与可持续性国家重点实验室） ； Department of Psychology, Beijing Normal University at Zhuhai（北京师范大学珠海校区心理学系） ； Department of Psychology and Cognitive Sciences, Tsinghua University（清华大学心理学与认知科学系）
AI总结 本研究利用大型语言模型实现迭代个性化，通过实地实验发现其在促进节能方面效果显著，且在前两轮干预中表现更优，但热水节约效果较弱且随时间减弱。
SwiftGS: 基于事件的先验知识用于即时卫星表面恢复
机构 * University of Macau（澳门大学） ； Juntendo University（顺天堂大学） ； Tongji University（同济大学） ； Zhejiang University（浙江大学） ； University of Florida（佛罗里达大学） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） ； Juniata College（朱尼亚塔学院）
AI总结 SwiftGS通过元学习方法实现单次前向传递的3D重建，结合几何-辐射解耦的高斯基元和轻量SDF，降低单场景优化成本，实现高效准确的数字表面模型重建和视图一致渲染。
Comments 23 pages, 6 figures
通过稀疏自编码器基于的转向实现可控的大语言模型推理
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Alibaba Group（阿里巴巴集团） ； Tsinghua University（清华大学）
AI总结 本文提出SAE-Steering方法，通过稀疏自编码器分解隐藏状态，实现对大语言模型推理策略的高效控制，提升推理准确率和灵活性。
Comments Accepted to the ACL 2026 Main
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