高校专区
RankE: 用于离散文本到图像生成的端到端后训练方法 with Decoder Co-Evolution
机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 本文提出RankE，一种端到端的后训练框架，通过解码器与策略的协同进化，解决离散自回归文本到图像生成中策略优化导致的潜在协变量偏移问题，同时提升图像质量和对齐度。
动态视频生成：跨时间和空间的视频生成塑造
机构 * Shanghai Jiao Tong University（上海交通大学） ； South China University of Technology（华南理工大学） ； Tsinghua University（清华大学）
AI总结 本文提出DVG框架，通过在时间和空间上联合分配计算，自动选择内容感知的加速策略，实现近无损加速，展示了在视频生成中的高效性能。
迈向物理一致的闭环自动驾驶模拟中的4D场景重建
机构 * Tsinghua University（清华大学） ； Meituan（美团） ； Central University of Finance and Economics（中央财经大学）
AI总结 本文提出了一种信息几何诊断框架，解决3DGS方法在同时实现空间和时间参数建模时的信用分配难题，通过引入正交投影梯度（OPG）和时间正则化策略，提升了4D场景重建的物理一致性。
Comments 20 pages, 4 figures
DrawMotion: 通过自由手绘生成3D人体动作
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Science and Technology of China（中国科学技术大学） ； NLP Lab, School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院自然语言处理实验室） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； The Institute of AI (TeleAI), China Telecom（中国电信人工智能研究院） ； Northwestern Polytechnical University（西北工业大学）
AI总结 本研究提出DrawMotion，一种基于扩散模型的框架，通过自由手绘和文本条件生成3D人体动作，减少用户输入时间，提升生成精度。
Memory Grafting: 通过离线条件记忆实现语言模型预训练的扩展
机构 * Tsinghua University（清华大学）
AI总结 本文提出Memory Grafting方法，通过利用冻结的隐藏状态作为条件n-gram记忆，实现语言模型预训练的扩展，通过离线处理和高效检索机制提升模型容量，实验表明其在不同规模下均优于MoE和Vanilla Engram基线。
Comments 25 pages, 12 figures, 5 tables
Winfree振荡神经网络
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Qi Zhi Institute（上海启智研究院） ； College of AI, Tsinghua University（清华大学人工智能学院）
AI总结 本文提出了一种基于广义Winfree动力学的振荡神经网络WONN，通过结构化的振荡交互在流形$(S^1)^d$上进化表示，结合基于相位的归纳偏置与灵活的层次交互机制，实现了在图像识别和复杂推理任务上的竞争力和参数效率。
Comments Project page: https://jiawen-dai.github.io/WONN_Project_Page/
ArchSIBench: 评估视觉-语言模型的建筑空间智能
机构 * School of Architecture, Tsinghua University（清华大学建筑学院）
AI总结 本文提出ArchSIBench，一个基于建筑学、认知科学和心理学视角的建筑空间智能评估基准，通过17个细粒度子任务和3000个问题-答案对，评估多种VLMs在建筑空间感知、推理、导航、转换和配置方面的性能，发现大多数模型在空间转换和配置推理上仍与有建筑训练的人类评估者存在差距。
Comments 51 pages
通过语言先验解决无监督3D点云分割中的长尾歧义
机构 * South China University of Technology（华南理工大学） ； Bytedance（字节跳动） ； Tsinghua University（清华大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学） ； Guangming Laboratory（光明实验室）
AI总结 本文提出LangTail框架，利用语言模型中的平衡世界知识来缓解无监督3D分割中的长尾歧义问题，通过建立语言衍生语义先验与视觉上不常见的小类之间的多级关联，提升小类的表示能力，实验表明在ScanNet-v2、S3DIS和nuScenes数据集上均取得显著提升。
Comments In submission. The code will be released at: https://github.com/Whisky0129/langtail_official
Sketch2MinSurf: 通过视觉-语言引导从手绘草图生成可编辑的最小曲面
机构 * School of Architecture, Tsinghua University（清华大学建筑学院） ； Department of Architecture, National University of Singapore（新加坡国立大学建筑系）
AI总结 本研究提出Sketch2MinSurf方法，结合视觉-语言引导和几何优化，从手绘草图生成平滑且可编辑的3D曲面，通过空间-拓扑编码和Sketch2MinSurf结构损失函数实现拓扑一致性与几何重建的联合约束。
Comments 22 pages, 16 figures, includes appendix
MTR-Suite: 一个用于评估和合成对话检索基准的框架
机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Meituan Inc.（美团公司） ； NiuTrans Research（牛译研所） ； Tsinghua University（清华大学）
AI总结 本文提出MTR-Suite框架，通过LLM审计、多智能体系统生成和通用领域基准，解决对话检索基准评估和合成中的成本高、标注稀疏和自动化方法僵化的问题。
Comments Accepted to ACL 2026 (main conference). 28 pages. Code and data: https://github.com/rangehow/mtr-suite
从自动化到自主：分层代理原生网络架构（HANA）
机构 * AsiaInfo Technologies Limited（亚洲信息科技有限公司） ； Institute for AI Industry Research (AIR)（人工智能产业研究院） ； Tsinghua University（清华大学） ； Verimag
AI总结 本文提出了一种分层多代理参考架构，旨在实现Level 4/5自主网络，通过引入代理自意识，统一战略规划与操作韧性，验证了其在5G核心环境中的有效性。
Comments This manuscript has been accepted by IEEE Networking Letters
Journal ref B. Wu, S. Wang, Y. Liu, Y. -Q. Zhang, J. Sifakis and Y. Ouyang, "From Automated to Autonomous: Hierarchical Agent-native Network Architecture (HANA)," in IEEE Networking Letters, 2026
WorldString: 可行动态世界表征
机构 * CalTech（加州理工学院） ； UC San Diego（南加州大学） ； Tsinghua University - IEI Lab（清华大学-IEI实验室） ； NVIDIA（英伟达）
AI总结 本文提出WorldString，一种能够通过点云或RGB-D视频流直接学习现实物体状态流形的神经架构，为构建可行动态世界模型提供基础构建块。
在任务无关的世界模型中强化视觉-语言-动作
机构 * Microsoft Research Asia（微软亚洲研究院） ； Nanjing University（南京大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Wuhan University（武汉大学） ； University of Technology Sydney（悉尼科技大学） ； Tsinghua University（清华大学）
AI总结 本文提出RAW-Dream方法，通过分离世界模型学习与下游任务依赖，利用预训练的世界模型和现成的视觉-语言模型，实现零样本推理，从而在无需任务特定数据的情况下提高VLA适应性。
AuDirector：一种用于沉浸式音频叙事的自反思闭环框架
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学）
AI总结 本文提出AuDirector框架，通过自反思闭环多智能体方法解决长期音频叙事中一致性、情感表达和音频保真度的问题，提升语音生成的质量和用户交互性。
列表式策略优化：基于组的RLVR作为LLM响应单纯形上的目标投影
机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； LLM Department, Tencent（腾讯LLM部门）
AI总结 本文提出列表式策略优化（LPO），通过显式执行目标投影来解构隐式目标，利用响应单纯形限制近端RL目标，并通过精确散度最小化进行策略投影，从而在多样推理任务和LLM基础上提升训练性能，同时保持优化稳定性和响应多样性。
GeoPT：通过提升几何预训练实现物理模拟的扩展
机构 * MIT CSAIL ； Tsinghua University（清华大学）
AI总结 本文提出GeoPT，一种基于提升几何预训练的通用物理模拟预训练模型，通过合成动态增强几何，实现动态感知的自监督学习，从而提升物理模拟的效率和效果。
Comments Project Page: https://physics-scaling.github.io/GeoPT/
微 canonical 动力学能否利用小批量梯度噪声？
机构 * Department of Statistics, LMU Munich（统计系，慕尼黑大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Department of Physics, University of California, Berkeley（伯克利大学物理系） ； Department of Astronomy, Tsinghua University（清华大学天文系） ； Physics Division, Lawrence Berkeley National Lab（伯克利国家实验室物理部）
AI总结 本文研究了微 canonical 动力学能否有效利用小批量梯度噪声，提出了一种梯度噪声预条件化方案和能量方差基于的自适应调节器，从而开发出一种鲁棒且可扩展的微 canonical 采样器，实现了在高维推断任务中的最佳性能。
Comments In Proceedings of the 43rd International Conference on Machine Learning
TimeRewarder: 通过帧间时间距离从被动视频中学习密集奖励
机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China（清华大学交叉信息研究院） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Shanghai Jiao Tong University（上海交通大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出TimeRewarder方法，通过帧间时间距离从被动视频中学习密集奖励，以提升强化学习在稀疏奖励任务中的性能，实验表明其在多个任务中显著提高了成功率和样本效率。
Comments ICML 2026 spotlight paper
UniEdit-Flow：在流模型时代释放反向与编辑
机构 * The University of British Columbia（不列颠哥伦比亚大学） ； Tsinghua University（清华大学） ； Snap Inc.（Snap公司） ； Vector Institute（向量研究所） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
AI总结 本文提出了一种基于预测-校正框架的流模型反向与编辑方法，通过Uni-Inv实现准确重建，并通过Uni-Edit实现区域感知的图像编辑，方法无需调优，具有通用性和高效性，实验表明其在多种生成模型中均表现出色。
Comments ICLR 2026. Project Page: https://uniedit-flow.github.io/
OmniISR: 一个通过中间监督和正则化实现集中学习和联邦学习统一框架
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院，清华大学，深圳，中国） ； Shenzhen Research Institute of Big Data, Shenzhen, China（深圳大数据研究院，深圳，中国） ； Department of Computer Science and Engineering, Southern University of Science and Technology, Shenzhen, China（南方科技大学计算机科学与工程系，深圳，中国） ； Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong, China（香港大学电子与电气工程系，香港，中国） ； Yinwang Intelligent Technology Co. Ltd., Shenzhen, China（云网智能科技有限公司，深圳，中国）
AI总结 本文提出OmniISR框架，通过中间监督和正则化信号融合纯集中学习、纯联邦学习和混合集中-联邦学习训练模式，解决了集中学习和联邦学习之间的不兼容优化问题，并在理论上推导了收敛界、联邦漂移界、梯度对齐保证和逃逸时间界。
Comments 18 pages
思想的原子：基于微状态的通用EEG表示学习
机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） ； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究院） ； School of Clinical Medicine, Tsinghua University（清华大学临床医学院） ； Beijing Five Seasons Medical Technology Co., Ltd.（北京五 Seasons 医疗科技有限公司）
AI总结 本文提出了一种基于微状态的通用EEG表示学习方法，通过将连续EEG信号聚类为离散的微状态序列，构建了一个通用的微状态分词器，并在睡眠分期、情绪识别和运动想象分类等下游任务中展示了其优越性，同时提高了可解释性和扩展性。
Comments Accepted by the 3rd International Workshop on Multimodal and Responsible Affective Computing (MRAC 2025). 8 pages of main text, 23 pages total, 5 figures, 4 tables
PixVerve：通过大规模高质量数据集将原生超高清图像生成推至100MP
机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出PixVerve-95K数据集，通过精心设计的数据管道构建，包含95K张高分辨率图像和七维标注，用于推动超高清图像生成技术，通过三种训练方案将T2I基础模型扩展到100MP生成，并建立PixVerve-Bench评估协议。
Comments Project page is available at https://haojunchen663.github.io/projects/PixVerve/
FlexDraft: 通过注意力调节和奖励引导校准实现灵活的推测解码
机构 * EPIC Lab, SJTU（上海交通大学EPIC实验室） ； UESTC ； School of Software Engineering, HUST（华中科技大学软件工程学院） ； Tsinghua University（清华大学） ； HKUST(GZ)（香港科技大学（广州）） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出FlexDraft框架，通过注意力调节和奖励引导校准，灵活适应不同批处理大小，解决传统并行推测解码在大批次时的吞吐量下降问题。
AffectVerse: 多模态情感计算中的情感世界模型
机构 * Great Bay University（大湾大学） ； Tencent（腾讯） ； Tsinghua University（清华大学） ； Shenzhen Technology University（深圳技术大学）
AI总结 本研究提出AffectVerse，一种基于Qwen2.5-Omni的多模态情感计算模型，通过引入情感世界模块实现短期潜在情感预测，利用未来预测作为自监督信号，提高了情感计算的准确性。
实时并行反事实遗憾最小化
机构 * IIIS, Tsinghua University（清华大学信息科学技术学院）
AI总结 本文提出了一种实时深度限制下的CFR求解并行框架，通过剪枝、抽象和高级CFR变体的无缝整合，实现了在几秒内完成近均衡策略计算的高效方法，实验显示在德州扑克中速度提升了3.3-3.4倍。
Comments 13 pages, 3 figures
超越动作残差：通过瓶颈潜在强化学习实现现实世界机器人策略引导
机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； Shanghai Qizhi Institute（上海启智研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院）
AI总结 本文提出了一种名为Z-Perturbation Reinforcement Learning（ZPRL）的方法，通过紧凑的瓶颈潜在空间来引导预训练策略，从而提高样本效率和最终性能，同时在现实世界任务中显著提升了成功率。
Colorful Pinball：基于密度加权分位数回归的条件保证置信预测
机构 * School of Economics and Management, Tsinghua University, China（清华大学经济管理学院）
AI总结 本文提出了一种基于密度加权分位数回归的条件保证置信预测方法，通过改进标准置信预测的条件覆盖性能，提供更精确的非渐近保证。
Comments ICML 2026
CPC-VAR：视觉自回归模型中的持续个性化与组合生成
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peng Cheng Laboratory（鹏城实验室） ； South China University of Technology（华南理工大学）
AI总结 本文研究了视觉自回归模型中的持续个性化生成问题，提出了一种统一框架，通过梯度基概念神经元选择和上下文感知组合策略，解决了连续单概念学习和多概念合成中的关键挑战，提升了长序列持续个性化和多概念图像合成的性能。
OScaR：LLMs及更广泛场景中的极压缩KV缓存量化之奥卡姆之刀
机构 * Tsinghua University（清华大学） ； Meituan LongCat Team（美团LongCat团队） ； The University of Hong Kong（香港大学） ； The University of Edinburgh（爱丁堡大学） ； UCAS（中国科学技术大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文针对LLMs中KV缓存极压缩时的量化保真问题，提出OScaR框架，通过Canalized Rotation和Omni-Token Scaling有效缓解Token Norm Imbalance，实现近无损的INT2量化性能，同时提升解码速度和吞吐量。
Comments Under review
SafeAlign-VLA: 一种增强负样本的安全对齐框架用于风险感知的自动驾驶
机构 * College of Transportation, Tongji University（同济大学交通运输学院） ； Department of Civil Engineering, Tsinghua University（清华大学土木工程系） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院） ； Department of Civil and Environmental Engineering, National University of Singapore（新加坡国立大学土木与环境工程系）
AI总结 本文提出SafeAlign-VLA框架，通过整合负样本数据提升自动驾驶系统对安全边界的理解，通过生成安全标签和反事实轨迹，结合两阶段训练策略和基于锚点的群体相对策略优化，提高了自动驾驶的安全性和鲁棒性。
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