Tsinghua University（清华大学）

FutureWorld: A Live Reinforcement Learning Environment for Predictive Agents with Real-World Outcome Rewards

FutureWorld: 一个用于预测代理的实时强化学习环境，具有现实世界结果奖励

Zhixin Han, Yanzhi Zhang, Chuyang Wei, Maohang Gao, Xiawei Yue, Kefei Chen, Yu Zhuang, Haoxiang Guan, Jiyan He, Jian Li, Yitong Duan, Yu Shi, Mengting Hu, Shuxin Zheng

机构 * College of Software, Nankai University（南开大学软件学院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； IIIS, Tsinghua University（清华大学智能系统与信息工程研究院） ； Zhongguancun Academy, Beijing, China（北京中关村学院） 纠错

AI总结 本文提出FutureWorld，一个实时强化学习环境，通过闭环预测、结果实现与参数更新，提升预测准确性与校准能力。

Comments The code will be released in the near future. The experiments are currently ongoing

Small Generalizable Prompt Predictive Models Can Steer Efficient RL Post-Training of Large Reasoning Models

小规模可泛化提示预测模型可引导大推理模型的高效强化学习后训练

Yun Qu, Qi Wang, Yixiu Mao, Heming Zou, Yuhang Jiang, Weijie Liu, Clive Bai, Kai Yang, Yangkun Chen, Saiyong Yang, Xiangyang Ji

机构 * Department of Automation, Tsinghua University, Beijing, China（自动化系，清华大学，北京，中国） ； LLM Department, Tencent, Beijing, China（大模型部门，腾讯，北京，中国） 纠错

AI总结 本文提出GPS方法，通过轻量级生成模型进行提示难度的贝叶斯推断，结合中间难度优先和历史锚定多样性，提升大模型强化学习后的训练效率和测试效率。

Best-of-Both-Worlds for Heavy-Tailed Markov Decision Processes

兼顾最佳的双世界方法用于厚尾马尔可夫决策过程

Yu Chen, Yuhao Liu, Jiatai Huang, Yihan Du, Longbo Huang

机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China（清华大学交叉信息研究院） ； Beijing ZhuoShi Capital Co., Ltd., China（北京中关村资本有限公司） ； ESD, Singapore University of Technology and Design, Singapore（新加坡科技与设计大学ESD学院） 纠错

AI总结 本文提出HT-FTRL-OM和HT-FTRL-UOB算法，针对厚尾马尔可夫决策过程，在对抗环境和自界环境实现最佳双世界保证，分别获得实例无关和对数实例依赖的 regret。

Sparse ActionGen: Accelerating Diffusion Policy with Real-time Pruning

稀疏动作生成：通过实时剪枝加速扩散策略

Kangye Ji, Jianbo Zhou, Yuan Meng, Ye Li, Hanyun Cui, Zhi Wang

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） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Department of Computer Science（计算机科学系） 纠错

AI总结 本文提出SAG方法，通过自适应剪枝和重用机制实现稀疏动作生成，提升实时视觉运动控制效率，实验显示生成速度提升4倍。

Skyra: AI-Generated Video Detection via Grounded Artifact Reasoning

Skyra：通过 grounded artifact reasoning 实现 AI 生成视频检测

Yifei Li, Wenzhao Zheng, Yanran Zhang, Runze Sun, Yu Zheng, Lei Chen, Jie Zhou, Jiwen Lu

机构 * Department of Automation, Tsinghua University（清华大学自动化系） 纠错

AI总结 本文提出 Skyra，一种专门用于识别 AI 生成视频中人类可感知的视觉瑕疵的多模态大语言模型，通过这些瑕疵作为基础证据进行检测和解释，同时构建了首个大规模 AI 生成视频瑕疵数据集并提出两阶段训练策略。

Comments Camera Ready Version. Project Page: https://github.com/JoeLeelyf/Skyra

LLM-EDT: Large Language Model Enhanced Cross-domain Sequential Recommendation with Dual-phase Training

LLM-EDT: 基于大语言模型的跨领域序列推荐增强方法与双阶段训练

Ziwei Liu, Qidong Liu, Wanyu Wang, Yejing Wang, Pengyue Jia, Tong Xu, Wei Huang, Chong Chen, Xiangyu Zhao

机构 * City University of Hong Kong Hong Kong China ； Xi'an Jiaotong University \& City University of Hong Kong Xi'an China ； University of Science ； Independent Researcher Beijing China ； Tsinghua University Beijing China ； City University of Hong Kong ； Xi'an Jiaotong University \& City University of Hong Kong ； Independent Researcher ； Tsinghua University 纠错

AI总结 本文提出LLM-EDT，通过双阶段训练策略解决跨领域序列推荐中的领域不平衡和过渡问题，引入可转移物品增强器和领域感知配置模块，提升推荐效果。

VideoVerse: Does Your T2V Generator Have World Model Capability to Synthesize Videos?

VideoVerse: 你的T2V生成器有世界模型能力来合成视频吗？

Zeqing Wang, Xinyu Wei, Bairui Li, Zhen Guo, Jinrui Zhang, Hongyang Wei, Keze Wang, Lei Zhang

机构 * Sun Yat-sen University（中山大学） ； Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； OPPO Research Institute（OPPO研究院） 纠错

AI总结 VideoVerse通过评估T2V模型对复杂时间因果关系和世界知识的理解能力，揭示现有模型与理想世界建模能力的差距。

Comments 26 Pages, 10 Figures, 14 Tables

Dynamic-TreeRPO: Breaking the Independent Trajectory Bottleneck with Structured Sampling

动态树RPO：通过结构化采样打破独立轨迹瓶颈

Xiaolong Fu, Lichen Ma, Zipeng Guo, ShiPing Dong, Lan Yang, Tan Lit Sin, Gaojing Zhou, Yu He, Jingling Fu, Shizhe Zhou, Junshi Huang, Jason Li

机构 * Sun Yat-sen University（中山大学） ； Tsinghua University（清华大学） ； Beijing University of Chemical Technology（北京化工大学） 纠错

AI总结 本文提出动态树RPO，通过树状结构采样策略和动态噪声强度，提升文本到图像生成的质量与效率，同时结合层调优强化学习方法，在多个基准测试中表现出色。

Comments Fig.3 updated

TemplateRL: Structured Template-Guided Reinforcement Learning for LLM Reasoning

TemplateRL: 结构化模板引导的强化学习用于大语言模型推理

Jinyang Wu, Chonghua Liao, Mingkuan Feng, Shuai Zhang, Zhengqi Wen, Haoran Luo, Ling Yang, Huazhe Xu, Jianhua Tao

机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Princeton University（普林斯顿大学） ； Shanghai AI Lab（上海人工智能实验室） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心） 纠错

AI总结 TemplateRL通过结构化模板引导强化学习提升大语言模型推理能力，通过MCTS构建问题解决模板库并整合到RL训练中，提高轨迹命中率并减少无效探索，实验显示在AIME和AMC上表现优于GRPO。

Comments Accepted by ACL 2026

DealMaTe: Multi-Dimensional Material Transfer via Diffusion Transformer

DealMaTe: 通过扩散变换器实现多维材料传输

Nisha Huang, Yizhou Lin, Jie Guo, Xiu Li, Tong-Yee Lee, Zitong Yu

机构 * Tsinghua University（清华大学） ； Pengcheng Laboratory（鹏城实验室） ； National Cheng-Kung University（国立成功大学） ； Great Bay University（大湾大学） ； Dongguan Key Laboratory for Intelligence and Information Technology（东莞智能与信息技术重点实验室） 纠错

AI总结 DealMaTe通过深度、规范和光照图像实现材料传输，采用简化扩散框架，消除文本引导和参考网络，设计轻量3D信息注入方法，优化注意力机制，实现高效高质量的材料传输。

MaTe: Images Are All You Need for Material Transfer via Diffusion Transformer

MaTe：仅需图像进行材料迁移的扩散变换器

Nisha Huang, Henglin Liu, Yizhou Lin, Kaer Huang, Chubin Chen, Jie Guo, Tong-Yee Lee, Xiu Li

机构 * Tsinghua University（清华大学） ； PengCheng Laboratory（鹏城实验室） ； Lenovo Research（联想研究院） ； National Cheng-Kung University（国立成功大学） 纠错

AI总结 MaTe通过多模态注意力机制实现材料迁移，无需文本指导或辅助网络，提升了生成质量和效率。

MyoChallenge 2025: A New Benchmark for Human Athletic Intelligence

MyoChallenge 2025: 人类运动智能的新基准

Cheryl Wang, Chun Kwang Tan, Balint K. Hodossy, Eric Lyu, Jun Guo, Wentao Zhao, Huaping Liu, Chengkun Li, Merkourios Simos, Bianca Ziliotto, Alexander Mathis, Siyuan Liu, Jiahao Chen, Shanlin Zhong, Bo Jiang, Ci Song, Yaoye Zhu, Chenhui Zuo, Yanan Sui, Mohamed Irfan Refai, Massimo Sartori, Guillaume Durandau, Vikash Kumar, Vittorio Caggiano

机构 * McGill University（麦吉尔大学） ； National University of Singapore（国立新加坡大学） ； Imperial College London（伦敦帝国理工学院） ； King’s College London（伦敦国王学院） ； Tsinghua University（清华大学） ； EPFL（苏黎世联邦理工学院） ； CASIA（中国科学院自动化所） ； University of Twente（代尔夫特理工大学） ； MyoLab 纠错

AI总结 本文提出MyoChallenge 2025基准，通过高保真骨骼肌模型与机器学习算法结合，推动运动控制智能研究，包含乒乓球和足球点球两个任务，促进多学科交叉研究。

RIDE: Retinex-Informed Decoupling for Exposing Concealed Objects

RIDE: 基于Retinex的解耦方法用于揭示隐藏物体

Chunming He, Rihan Zhang, Dingming Zhang, Chengyu Fang, Longxiang Tang, Jingjia Feng, Fengyang Xiao, Sina Farsiu

机构 * Duke University（杜克大学） ； Tsinghua University（清华大学） ； Harvard University（哈佛大学） 纠错

AI总结 RIDE通过Retinex理论提出同域图像分解方法，解决隐藏物体分割问题，利用判别性差距定理提升前景与背景的区分度。

Solvita: Enhancing Large Language Models for Competitive Programming via Agentic Evolution

Solvita：通过代理进化增强大型语言模型以应对编程竞赛

Han Li, Jinyu Tian, Rili Feng, Yuqiao Du, Chong Zheng, Chenyu Wang, Chenchen Liu, Shihao Li, Xinping Lei, Yifan Yao, Weihao Xie, Letian Zhu, Jiaheng Liu

机构 * Nanjing University（南京大学） ； Tsinghua University（清华大学） ； Independent Researcher（独立研究者） 纠错

AI总结 Solvita通过闭环系统和可训练知识网络，使代理动态学习，提升编程竞赛任务的准确性和经验积累。

Deep Pre-Alignment for VLMs

视觉语言模型的深度预对齐

Tianyu Yu, Kechen Fang, Zihao Wan, Kaidong Zhang, Yicheng Zhang, Jun Song, Bo Zheng, Yuan Yao

机构 * Tsinghua University ； Shanghai Qi Zhi Institute ； Taobao \& Tmall Group of Alibaba 纠错

AI总结 本文提出深度预对齐(DPA)，通过替换传统ViT编码器为小型VLM作为感知器，实现视觉特征与目标大语言模型文本空间的深度对齐，提升了多模态基准性能，并降低了语言能力遗忘。

Comments Accepted by ICML 2026. Project Website: https://github.com/THUMAI-Lab/Deep-Pre-Alignment

Curriculum Learning of Physics-Informed Neural Networks based on Spatial Correlation

基于空间相关性的物理信息神经网络课程学习

Xujia Chen, Xinyue Hu, Letian Chen, Daming Shi, Wenhui Fan

机构 * Department of Automation, Tsinghua University（自动化系，清华大学） 纠错

AI总结 本文提出基于空间相关性的课程学习框架，解决PINN训练中的高维非凸损失景观、多目标约束不平衡和信息传播无效问题，通过空间因果权重、低频信息桥和区域自适应重加权策略提升训练稳定性与解的准确性。

Comments 37 pages, 14 figures, 9 tables

Fitting Is Not Enough: Smoothness in Extremely Quantized LLMs

拟合并不足够：在极量化的LLM中平滑性

Yuzhuang Xu, Xu Han, Yuxuan Li, Pengzhan Li, Wanxiang Che

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文指出极量化LLM存在平滑性退化问题，通过平滑性代理发现量化位宽越小退化越严重，提出保持平滑性的方法提升性能，强调平滑性在极端量化中的重要性。

Comments 19 pages, 4 tables, 14 figures

SKILL0: In-Context Agentic Reinforcement Learning for Skill Internalization

SKILL0：基于上下文的代理强化学习用于技能内化

Zhengxi Lu, Zhiyuan Yao, Jinyang Wu, Chengcheng Han, Qi Gu, Xunliang Cai, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen

机构 * Zhejiang University（浙江大学） ； Meituan（美团） ； Tsinghua University（清华大学） 纠错

AI总结 SKILL0通过在训练时逐步减少技能上下文，使模型在无任务检索情况下实现自主行为，实验显示在多个任务中性能提升显著。

When Importance Sampling Misallocates Credit: Asymmetric Ratios for Outcome-Supervised RL

重要采样误分配信用：用于结果监督强化学习的非对称比率

Jiakang Wang, Runze Liu, Qingpeng Cai, Lei Lin, Wenping Hu, Xiu Li, Fuzheng Zhang, Guorui Zhou, Kun Gai, Ling Pan

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Kuaishou Technology（快手科技） ； Tsinghua University（清华大学） 纠错

AI总结 本文揭示了在结果监督强化学习中，重要采样比率因角色转变导致正优势token与负优势token的权重失衡，提出非对称重要采样策略ASPO以纠正此问题，提升训练稳定性与性能。

Stabilizing Knowledge, Promoting Reasoning: Dual-Token Constraints for RLVR

稳定知识，促进推理：双令牌约束用于RLVR

Jiakang Wang, Runze Liu, Fuzheng Zhang, Xiu Li, Guorui Zhou, Ling Pan

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Kuaishou Technology（快手科技） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出Archer框架，通过双令牌约束在RLVR中平衡优化，提升LLM的推理和知识保持能力，实验显示在数学推理和代码生成任务中表现优异。

On the Convergence Rates of Federated Q-Learning across Heterogeneous Environments

在异构环境中联邦Q学习的收敛速度研究

Leo Muxing Wang, Pengkun Yang, Lili Su

机构 * Northeastern University（东北大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文研究了在异构环境中同步联邦Q学习的收敛速度，发现K增加时误差下降线性加速，但E>1会导致性能下降，证明了误差衰减速度为Θ(E/T)。

Quantitative Video World Model Evaluation for Geometric-Consistency

几何一致性定量视频世界模型评估

Jiaxin Wu, Yihao Pi, Yinling Zhang, Yuheng Li, Xueyan Zou

机构 * Tsinghua University - IEI Lab（清华大学-IEI实验室） ； UW-Madison（威斯康星大学麦迪逊分校） ； Adobe Research（Adobe研究院） 纠错

AI总结 本文提出PDI-Bench框架，通过分割与点跟踪获取物体中心观测，利用单目重建获取3D坐标，计算投影几何残差以评估生成视频的几何一致性，揭示视频生成器的特定失败模式。

Comments 12 pages, 5 figures. Project page : https://pdi-bench.github.io/

Evidential Reasoning Advances Interpretable Real-World Disease Screening

证据推理促进可解释的现实世界疾病筛查

Chenyu Lian, Hong-Yu Zhou, Jing Qin

机构 * The Center for Smart Health, School of Nursing, the Hong Kong Polytechnic University, Hong Kong, China（智能健康中心，护理学院，香港理工大学，香港，中国） ； Research Institute for Smart Ageing, the Hong Kong Polytechnic University, Hong Kong, China（智能老龄化研究 institute，香港理工大学，香港，中国） ； School of Biomedical Engineering, Tsinghua Medicine, Tsinghua University, Beijing, China（生物医学工程学院，清华大学，北京，中国） 纠错

AI总结 本文提出EviScreen框架，通过区域证据提升疾病筛查的可解释性与性能，利用双知识库和对比检索提升定位解释性，实现实世界疾病筛查的高特异性。

Comments ICML 2026

Self-Distilled Agentic Reinforcement Learning

自蒸馏代理强化学习

Zhengxi Lu, Zhiyuan Yao, Zhuowen Han, Zi-Han Wang, Jinyang Wu, Qi Gu, Xunliang Cai, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen

机构 * Zhejiang University（浙江大学） ； Meituan（美团） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出SDAR方法，通过将OPSD作为辅助目标并保持RL为主优化，解决多轮代理中的稳定性问题，提升性能。

Driving Intents Amplify Planning-Oriented Reinforcement Learning

意图驱动强化学习放大规划导向的强化学习

Hengtong Lu, Victor Shea-Jay Huang, Chengmin Yang, Pengfei Jing, Jifeng Dai, Yan Xie, Benjin Zhu

机构 * Li Auto（力 auto） ； Tsinghua University（清华大学） ； CUHK MMLab（香港大学MMLab） 纠错

AI总结 本文提出DIAL框架，通过两阶段方法解决连续动作策略在偏好对齐中的模式崩溃问题，通过意图引导的采样扩展分布并提升性能。

Comments Project page: https://mind-omni.github.io/

MindVLA-U1: VLA Beats VA with Unified Streaming Architecture for Autonomous Driving

MindVLA-U1：统一流架构使VLA超越VA用于自动驾驶

Yuzhou Huang, Benjin Zhu, Hengtong Lu, Victor Shea-Jay Huang, Haiming Zhang, Wei Chen, Jifeng Dai, Yan Xie, Hongsheng Li

机构 * CUHK MMLab（香港中文大学多模态实验室） ； Li Auto ； Tsinghua University（清华大学） 纠错

AI总结 MindVLA-U1通过统一流架构实现自动驾驶中VLA超越VA，采用统一视觉语言模型骨干和流匹配连续动作轨迹，在保持各模态自然输出形式的同时，实现高效规划和低延迟。

Comments Work in progress. Project page: https://mind-omni.github.io/

Action Emergence from Streaming Intent

从流式意图中涌现动作

Pengfei Jing, Victor Shea-Jay Huang, Hengtong Lu, Jifeng Dai, Yan Xie, Benjin Zhu

机构 * Li Auto ； Tsinghua University（清华大学） ； CUHK 纠错

AI总结 本文提出流式意图方法，通过连续思维链生成语义合适且安全的动作，实现自动驾驶中长尾交通场景的自主决策。

Comments Project page: https://mind-omni.github.io/

MHSA: A Lightweight Framework for Mitigating Hallucinations via Steered Attention in LVLMs

MHSA：一种轻量级框架，通过引导注意力缓解LVLMs中的幻觉

Wei Ding, Yilin Li, Yudong Zhang, Ruobing Xie, Xingwu Sun, Jiansheng Chen, Yu Wang

机构 * Tsinghua University（清华大学） ； Tsinghua University, Tencent（清华大学腾讯） ； Tencent（腾讯） ； University of Science and Technology Beijing（北京科技大学） ； University of Macau（澳门大学） 纠错

AI总结 本文提出MHSA框架，通过学习修正跨模态注意力模式来缓解LVLMs中的幻觉，采用简单三层MLP生成器和DHCP判别器信号指导训练，无需修改模型参数即可在多种数据集和模型上有效减少判别和生成幻觉。

Comments 19 pages, 17 figures

Masked Next-Scale Prediction for Self-supervised Scene Text Recognition

基于自监督的多尺度预测用于场景文本识别

Zhuohao Chen, Zeng Li, Yifei Zhang, Chang Liu, Yu Zhou

机构 * Nankai University（南开大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Department of Automation and BNRist, Tsinghua University（清华大学自动化系和清华大学脑科学与智能技术研究院） 纠错

AI总结 本文提出MNSP框架，通过跨尺度结构演化建模提升场景文本识别性能，实现86.2%的Union14M基准准确率。

Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026 Findings Track.10 pages, 4 figures

Graphs of Research: Citation Evolution Graphs as Supervision for Research Idea Generation

研究图谱：引用演化图谱作为研究想法生成的监督

Songyang Gao, Yinghui Xia, Siyi Liu, Hui Xiong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出GoR方法，通过提取种子论文的2跳引用邻域，构建引用演化有向无环图，利用结构化文本提示训练LLM生成研究想法，实验表明其在想法生成任务中优于基线模型。