高校专区
InteracVid：基于直播聊天视频构建真实交互式视听响应数据集
机构 * College of AI, Tsinghua University（清华大学人工智能学院）
AI总结 该研究提出首个开源大规模交互式视听数据集InteracVid，解决现有生成模型监督信号缺失问题，实验证实其可提升多模态助手的交互规划与响应生成性能，为交互式多模态生成提供关键基础。
CoT-Edit：让思维链（CoT）指导指令视频编辑
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学）
AI总结 本文提出CoT-Edit的plan--guide--edit框架，以CoT增强的MLLM为规划器生成空间先验，结合扩散编辑器实现高保真指令视频编辑，性能优于多个基准方法
Push-Wiper：基于分段推动轨迹的通用机器人清洁方案，用于处理不同污渍与表面
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Z-Lab, Zerith Robotics（Zerith机器人公司Z-Lab实验室） ； University of Toronto（多伦多大学）
AI总结 Push-Wiper 框架将粘性污渍清洁转化为聚合问题，通过分段推动轨迹结合 Diffusion Policy 与 ASPI 控制器，清洁得分比基线高130%，可零样本泛化至多种污渍与表面。
Comments 8 pages, 8 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
PixelSR：基于像素分类的高效屏幕内容超分辨率方法
机构 * Tsinghua University（清华大学）
AI总结 PixelSR通过训练阶段的像素分箱分类计算内容注意力、测试阶段利用屏幕内容特性优化推理，在屏幕内容超分辨率任务中实现了性能先进且推理速度更快的效果。
DrawAI：用于生成可编辑光栅图像的智能体基准与工作流
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 DrawAI提出图像到可编辑重建任务，构建含DrawAI-Bench基准与DrawAI-Flow工作流的智能体方案，经实验验证DrawAI-Flow可提升可编辑结构，不同模型-harness配置的重建质量与成本差异显著。
Comments Project URL: https://drawai.renaissancemind.ai/
CrossProjection：建筑图纸中超越视角变化的几何定位
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； University College London（伦敦大学学院）
AI总结 该研究提出CrossProjection方法评估视觉语言模型在异构建筑视图间的几何定位能力，发现模型在自由几何定位上性能脆弱，仅封闭选择成功不代表具备可靠几何定位能力。
Comments Initial controlled diagnostic study on 23 natural drawing sets and three VLMs; broader model, building, repeated-inference, and human coverage is planned for a subsequent version
从文本到视觉的可迁移性：视觉语言模型（VLM）的能力缩放定律与迁移动态
机构 * Meituan（美团） ； Tsinghua University（清华大学）
AI总结 该研究提出首个跨家族的能力驱动多模态缩放定律，可通过LLM文本能力预测VLM性能，将主干选择从经验搜索转为定量决策，还揭示了LLM作为VLM主干的相关见解。
用于视差和表面法线的统一立体几何估计框架
机构 * Beijing Institute of Technology（北京理工大学） ； School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； Beihang University（北京航空航天大学） ； INSAIT, Sofia University（索非亚大学INSAIT） ； BAAI AIR, Tsinghua University（清华大学BAAI AIR）
AI总结 本文针对立体匹配和表面法线估计问题，提出统一框架GeoStereo，结合前馈立体匹配与基于扩散的法线估计分支，引入初始化策略与扭曲条件，实现有效交互，在多场景表现可靠，零样本设置下视差和法线估计精度高。
DynImmune-BERT：基于神经常微分方程驱动的连续变换器的动态免疫组库建模
机构 * University of Macau（澳门大学） ； Hanyang University（汉阳大学） ； Zhejiang University（浙江大学） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学） ； South China University of Technology（华南理工大学） ； University of Liverpool（利物浦大学）
AI总结 研究针对纵向T细胞受体组库建模问题，提出DynImmune-BERT模型，结合多种方法，能在有纵向组库结构时补充静态编码器，通过特定评估方式得出结果，对小外部队列和协议差异需谨慎解读。
Comments 13 pages, 6 figures
DAG-FM：异构因果机制下因果发现的基础模型
机构 * Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 针对观测表格数据因果发现难题，提出DAG-FM基础模型，通过自回归阶段、表格交互块及叶专家混合处理复杂情况，经迭代推理构建DAG，在合成及真实数据集上性能优于传统算法和其他模型。
Comments 33 pages, 9 figures, 12 tables, preprint
LCPNet：用于红外小目标检测的潜在一致近端展开网络
机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Laboratory of Imaging Detection and Intelligent Perception, University of Electronic Science and Technology of China（电子科技大学成像探测与智能感知实验室） ； School of Artificial Intelligence, Beijing Institute of Technology（北京理工大学人工智能学院）
AI总结 针对红外小目标检测，提出LCPNet。通过在潜在空间展开并利用低秩先验，推导LCP求解器及引入共享优化内存，实现准确鲁棒检测，优于现有方法。
ArcAD: 冷启动监督异常检测的异常校正校准框架
机构 * Faculty of Computing, Harbin Institute of Technology, Harbin, China University of New South Wales, Sydney, Australia School of Biomedical Engineering, Tsinghua University, Beijing, China School of Artificial Intelligence ； Robotics, Hunan University, Changsha, China Big data institute, Central South University, Sydney, Australia DZ-Matrix, Beijing, China Chongqing Research Institute of HIT, Chongqing, China
AI总结 针对工业异常检测中冷启动场景下正常样本不足、异常样本稀少的问题，提出基于推拉学习范式的即插即用校准框架ArcAD，通过将正常样本投影到超球面并聚类、合成伪异常并利用真实异常优化边界，在多个数据集上显著优于现有方法。
Comments Accepted to European Conference on Computer Vision (ECCV) 2026
ATOD: 面向多轮自主智能体的退火轮次感知在线策略蒸馏
机构 * Tencent Inc.（腾讯公司） ； Tsinghua University（清华大学）
AI总结 提出ATOD混合在线蒸馏算法，通过退火式OPD-RL调度和轮次级重加权，解决长程交互任务中OPD性能天花板和RL早期低效问题，在三个基准上超越教师模型。
DataClaw0: 从原始流中智能定制多模态数据
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Shenzhen University of Advanced Technology（深圳理工大学） ； Tsinghua University（清华大学）
AI总结 提出DataClaw0模型，通过两阶段流水线将生成语义合成锚定于确定性事实锚点，结合SFT与GRPO实现复杂数据精炼意图的对齐，首个数据精炼基准验证其高效性。
Comments add base model: Qwen3.5-27B
用表示自编码器蒸馏漂移变换器
机构 * Tsinghua University（清华大学） ； Ant Group（蚂蚁集团） ； CUHK（香港中文大学）
AI总结 提出Drift-RAE方法，通过漂移范式在表示自编码器潜空间中蒸馏预训练流模型，解决各向异性和大曲率问题，在ImageNet 256上仅用10k步达到1.77 FID。
复用融合时频谱可靠性用于RGB-红外目标检测的自适应融合与专家路由
机构 * Tsinghua University（清华大学）
AI总结 提出一种无参数的7维频谱可靠性描述符，通过频谱可靠性融合和可靠性条件专家路由，提升RGB-红外目标检测在退化条件下的性能。
SAM3D-Phys：迈向真实世界中的多物体交互仿真
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Pengcheng Laboratory（鹏城实验室）
AI总结 提出SAM3D-Phys框架，结合场景重建与SAM3D生成式先验，从部分观测中恢复完整可仿真物体几何，并通过物理约束优化和掩码引导外观蒸馏实现场景一致性，支持多物体同时交互仿真。
Comments 9 pages, 4 figures
GPS拒止环境下无人机的高度自适应纯视觉地理定位
机构 * Department of Precision Instrument, Tsinghua University（清华大学精密仪器系） ； School of Aerospace Engineering, Beijing Institute of Technology（北京理工大学航天工程学院） ； School of Instrumentation Science and Opto-electronics Engineering, Beijing Information Science and Technology University（北京信息科技大学仪器科学与光电工程学院）
AI总结 针对无人机视觉位置识别中高度变化导致的尺度不匹配问题，提出一种基于单目视觉的高度自适应地理定位框架，通过频域变换估计相对高度并用于图像尺度归一化，结合分类-检索视觉位置识别模块实现粗定位，引入质量自适应边缘分类器提升检索鲁棒性。
OnePred: 多轮对话中基于递归意图记忆的下一个查询预测
机构 * Tsinghua University（清华大学） ； Qwen Applications Business Group of Alibaba（阿里巴巴Qwen应用业务组）
AI总结 针对多轮对话中下一个查询预测任务，提出OnePred模型，通过递归更新的意图记忆代替完整历史，结合两阶段强化学习训练，在NQP-Bench基准上实现高达22倍的每轮token节省且预测质量优于所有基线。
Co-ReAct：作为ReAct智能体逐步协作者的评分准则
机构 * Qwen Applications Business Group of Alibaba（阿里巴巴文勤应用业务组） ； Tsinghua University（清华大学）
AI总结 提出Co-ReAct框架，通过训练专用评分准则生成器，在推理时逐步指导ReAct智能体的行动选择，显著提升搜索密集型多步推理任务的性能。
大型音频语言模型综述：通用性、可信度与展望
机构 * Nanyang Technological University（南洋理工大学） ； Independent Researcher（独立研究者） ； The University of Melbourne（墨尔本大学） ； North China Electric Power University（华北电力大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Tsinghua University（清华大学） ； Fortemedia Singapore（富媒体新加坡） ； Tencent（腾讯） ； Fudan University（复旦大学） ； Wuhan University（武汉大学） ； Chinese University of Hong Kong（香港中文大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 本文综述了大型音频语言模型的通用性、可信度及未来发展方向，探讨了其架构创新、对齐算法及安全风险，并提出了防御深入、因果音频世界建模等策略以提升音频智能的可信度。
基于多专家投影和多维层次量化的一致生成推荐
机构 * DCST, Tsinghua University（清华大学直流系统研究所） ； DCST, BNRist, Tsinghua University（清华大学直流系统研究所） ； Tencent（腾讯）
AI总结 本文提出AsymRec框架，通过分离输入输出表示解决生成推荐中的信息瓶颈问题，采用多专家投影和多维层次量化提升推荐性能，实验表明在推荐任务中平均提升15.8%。
具有预训练的自适应核密度估计
机构 * Department of Statistics and Data Science, Tsinghua University（统计与数据科学系，清华大学）
AI总结 本文提出利用预训练技术提升高维下自适应核密度估计效率，通过神经网络推荐合适核函数，实验证明在目标分布接近预训练分布时效果显著。
SynAgent：通过独狼到协作代理协同实现通用化的人形机器人操作
机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； College of Artificial Intelligence, Nanjing Forestry University（南京林业大学人工智能学院）
AI总结 本文提出SynAgent框架，通过独狼到协作代理协同转移单agent人-物体交互技能，实现可扩展且物理合理的协作操作，实验显示其在协作模仿和轨迹条件控制方面优于现有基线。
GaiaFlow：基于语义的扩散调优用于碳节约搜索
机构 * University of Macau（澳门大学） ； Renmin University of China（中国人民大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Liverpool（利物浦大学） ； Peking University（北京大学） ； Northeast Normal University（东北师范大学） ； Minzu University of China（民族大学）
AI总结 GaiaFlow通过结合语义引导的扩散调优与硬件无关的性能建模策略，在保证检索精度的同时降低环境影响，实现了高效且可持续的神经搜索系统。
Comments 19 pages, 7 figures
缺失-by-设计：可撤销多模态情感分析的可验证模态删除
机构 * University of Macau（澳门大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Juntendo University（立命馆大学） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出MBD框架，通过结构化表示学习和可验证参数修改流程，实现可撤销多模态情感分析中的模态删除，实验表明其在不完整输入下具有强预测性能，并实现隐私与效用的平衡。
Comments 21 pages, 6 figures. In the previous version, Juntendo University was erroneously listed as the affiliation; we must clarify that this paper has absolutely no relation to Juntendo University. Therefore, we have replaced this affiliation in the new version
TempoNet：基于Transformer的强化学习调度器用于自适应截止时间导向的实时调度
机构 * University of Macau（澳门大学） ； Tsinghua University（清华大学） ； Northeast Normal University（东北师范大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Australian National University（澳大利亚国立大学） ； Peking University（北京大学） ； Harbin University of Science and Technology（哈尔滨理工大学） ； Renmin University of China（中国人民大学） ； Adelaide University（阿德莱德大学）
AI总结 TempoNet结合Transformer与深度Q近似，通过时间松弛量化和稀疏注意力机制提升实时调度性能，实现高吞吐量下的截止时间保障。
Comments 43 pages, 12 figures
图像推理中的测试时感知扩展：解决图像推理中的 grounding 困境
机构 * Tsinghua University（清华大学） ； Beijing University of Technology（北京工业大学）
AI总结 本文提出 TTSP 框架，通过测试时扩展感知解决图像推理中的 grounding 困境，通过生成多个感知轨迹并过滤不可靠轨迹来提升细粒度视觉推理能力。
DriveCode: 针对基于LLM的自动驾驶的领域特定数值编码
机构 * School of Information Science and Engineering, Lanzhou University（兰州大学信息科学与工程学院） ； The School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动性学院） ； The Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； DiDi, Beijing, China（滴滴出行） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（清华大学智能绿色车辆与移动性国家重点实验室）
AI总结 本文提出DriveCode，一种将数字表示为专用嵌入而非离散文本标记的新型数值编码方法，提升LLM在自动驾驶中的数值推理与解码效率。
Comments The project page is available at https://shiftwilliam.github.io/DriveCode
寻找黄金：利用通用知识图谱扩展领域特定知识图谱
机构 * National Key Laboratory of Big Data and Decision（大数据与决策国家重点实验室） ； National University of Defense Technology（国防科技大学） ； The Center for machine learning research（机器学习研究中心） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 本文提出领域特定知识图谱融合任务，通过神经符号框架ExeFuse，利用通用知识图谱提升领域知识图谱的完整性和实用性。
Comments 13 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