高校专区
基于内在反思的生成式空间推理器：RL-RIG
机构 * Zhiyuan College, Shanghai Jiao Tong University（上海交通大学紫元学院） ； Huazhong University of Science and Technology（华中科技大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 RL-RIG通过生成-反思-编辑范式，提升图像生成的精细空间关系捕捉能力，采用Scene Graph IoU和VLM评估策略，在空间一致性上优于现有模型。
SLOPE：基于模型的强化学习中的乐观势能塑造
机构 * Beijing Institute of Technology（北京理工大学） ； Heriot-Watt University（赫瑞-沃森大学） ； Shenzhen Institutes of Advanced Technology, CAS（深圳先进技术研究院） ； Microsoft Research NY（微软研究院纽约分部） ； Tsinghua University（清华大学） ； Jilin University（吉林大学）
AI总结 SLOPE通过乐观势能估计构建信息丰富的势能景观，解决稀疏奖励环境下梯度信息不足的问题，提升模型在稀疏、半稀疏和密集奖励任务中的性能。
Comments Work in progress
评估大型语言模型在科学发现中的表现
机构 * Deep Principle（深原则） ； Department of Computer Science, Cornell University（计算机科学系，康奈尔大学） ； Department of Computer Science and Engineering, The Ohio State University（计算机科学与工程系，俄亥俄州立大学） ； Department of Chemical Engineering & Applied Chemistry, University of Toronto（化学工程与应用化学系，多伦多大学） ； Department of Computer Science and Engineering, University of Notre Dame（计算机科学与工程系，圣母大学） ； QuEra Computing Inc.（QuEra计算公司） ； Department of Pathology, Department of Genetics, Cancer Biology Program, Stanford University School of Medicine（病理学系、遗传学系、癌症生物学项目，斯坦福大学医学院） ； Harvard Law School（哈佛法学院） ； Department of Computer Science, Tufts University（计算机科学系，塔夫茨大学） ； School of Computational Science and Engineering, Georgia Institute of Technology（计算科学与工程学院，佐治亚理工学院） ； Department of Computer Science, University of California, Los Angeles（计算机科学系，加州大学洛杉矶分校） ； Department of Computer Science, Virginia Tech（计算机科学系，弗吉尼亚理工大学） ； Department of Physics, Tsinghua University（物理系，清华大学） ； Institute for Advanced Study, Tsinghua University（清华大学高级研究所） ； Laboratory of Artificial Chemical Intelligence, Ecole Polytechnique Federale de Lausanne（人工化学智能实验室，瑞士联邦理工学院）
AI总结 本文提出一个基于场景的基准测试，评估LLM在生物学、化学、材料科学和物理学中的科学发现能力，揭示了模型在科学发现任务中的性能差距和改进方向。
AgentProg: 通过程序引导的上下文管理赋能长周期GUI代理
机构 * Tsinghua University（清华大学） ； Peking University（北京大学）
AI总结 本文提出AgentProg，通过将交互历史重构为程序结构，实现长周期GUI任务的高效上下文管理，实验表明其在AndroidWorld和扩展任务集上达到最优性能，并在长周期任务中保持稳健表现。
Comments 16 pages, 8 figures
学习提出问题：基于推理和求解器适应的数据合成
机构 * Tsinghua University（清华大学） ； Tencent（腾讯） ； Nanyang Technological University（南洋理工大学） ； Sun Yat-sen University（中山大学）
AI总结 本文提出一种基于推理和求解器适应的数据合成方法，通过生成相关问题对并利用推理模型生成中间步骤，提升问题设计策略，实验表明在多个基准上实现了3.4%的平均提升。
Fidel-TS：一种高保真多模态时间序列预测基准
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； The Chinese University of Hong Kong（香港中文大学） ； School of Software（软件学院） ； Tsinghua University（清华大学） ； ZJU-UIUC Institute（浙大-UIUC研究院） ； Zhejiang University（浙江大学） ； School of Data Science（数据科学学院） ； The Chinese University of Hong Kong, Shenzhen（深圳香港中文大学）
AI总结 本文提出Fidel-TS，一种高保真多模态时间序列预测基准，解决现有基准数据源不纯、泄露问题及结构不清晰的问题，通过实验揭示现有基准的局限性和模型评估中的潜在差异。
Comments new version
具有内存库的多模态扩散变换器用于可扩展的长时谈话视频生成
机构 * South China University of Technology（南方科技大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing National Research Center for Information Science and Technology, Tsinghua University（北京信息科学研究中心，清华大学） ； Department of Automation, BNRist, Tsinghua University（清华大学自动化系，北京信息科学研究中心）
AI总结 本文提出 LetsTalk 框架，通过多模态指导和内存库机制解决长时谈话视频生成中的质量、一致性、时间连贯性和计算效率问题，实验表明其在生成质量和效率上达到新水平。
Comments 16 pages, 25 figures
BAMI：无需训练的GUI定位偏差缓解
机构 * Tsinghua University, China（清华大学，中国） ； Lenovo Research, China（联想研究院，中国）
AI总结 本文提出BAMI方法，通过粗到细聚焦和候选选择缓解GUI定位中的精度偏差和歧义偏差，提升模型在无训练设置下的准确性。
Comments Accepted by CVPR 2026
Relit-LiVE: 通过联合学习环境视频实现视频照明
机构 * Nanjing University（南京大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Huazhong University of Science and Technology（华中科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 Relit-LiVE通过引入原始参考图像和环境视频预测方法，实现了无需相机姿态先验知识的物理一致视频照明，提升了真实场景下的照明效果和时间稳定性。
Comments Accepted at SIGGRAPH 2026. Project site: https://github.com/zhuxing0/Relit-LiVE
代理AI是基础模型在分布外泛化中的缺失范式
机构 * Tsinghua University（清华大学）
AI总结 本文提出代理系统是解决基础模型分布外泛化问题的必要范式，通过四个步骤论证代理系统在结构上超越了传统模型中心范式，提出了参数覆盖上限的理论，并反驳了七项反论点。
Comments 13 pages, 2 figures
OA-WAM：面向鲁棒机器人操作的对象可寻址世界动作模型
机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学）
AI总结 OA-WAM通过分解帧为N+1槽状态，结合文本、图像和动作历史，提升机器人操作的鲁棒性，其可寻址对象状态在场景扰动下表现更优。
SparseForge：通过Hessian引导的软掩码退火实现高效的半结构化LLM稀疏化
机构 * Tsinghua University（清华大学）
AI总结 SparseForge通过优化稀疏掩码而非扩大重训练token数量，实现高效的半结构化LLM稀疏化，提升稀疏恢复效率，实验显示其在准确率与效率的权衡上优于现有方法。
教授思考模型进行工具推理：一种完整的全管道配方用于工具集成推理
机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出一种全管道配方，通过注入自然工具使用行为提升强思考模型的工具集成推理能力，同时保持文本推理能力，展示在Qwen3模型上取得最佳性能。
感知、路由与调制：时间序列预测中的动态模式再校准
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） ； Squirrel Ai Learning
AI总结 本文提出动态模式再校准（DPR），通过轻量级'感知-路由-调制'流程，实现时间序列预测中动态模式的自适应调整，提升模型对局部动态变化的响应能力。
Comments 22 pages, 6 figures. Preprint
CKT-WAM: 在世界动作模型之间高效传递上下文知识
机构 * Tsinghua University（清华大学） ； LivsynRobotics ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 CKT-WAM通过文本嵌入空间中的紧凑上下文传递教师WAM知识，提升零样本泛化能力，在LIBERO-Plus上达到86.1%的成功率，且在现实任务中表现出色。
重新审视不确定性：关于部分相关视频检索的证据学习
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） ； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学，深圳，中国） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室，深圳，中国）
AI总结 本文提出Holmes框架，通过多粒度跨模态证据聚合量化和建模不确定性，解决视频检索中因查询简短与视频内容丰富带来的语义模糊问题。
Comments Accepted by ICML 2026. 16 pages, 6 figures, 3 tables
TheraAgent：自我改进的治疗剂用于精准且全面的治疗计划
机构 * Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University, Beijing, China（计算机科学与技术系，人工智能研究院，清华大学，北京，中国） ； Institute for AI Industry Research (AIR), Tsinghua University, Beijing, China（人工智能产业研究院（AIR），清华大学，北京，中国） ； School of Computing, National University of Singapore, Singapore（计算学院，新加坡国立大学，新加坡）
AI总结 TheraAgent通过迭代生成-判断-改进流程提升治疗计划的精准度和完整性，实验显示其在HealthBench上表现优异，专家评估中胜率高达86%。
Comments Accepted to ACL 2026
从视频先验构建统一的4D世界动作模型
机构 * Tsinghua University（清华大学） ； Xiaomi Robotics（小米机器人） ； Peking University（北京大学） ； CASIA
AI总结 本文提出X-WAM，统一了实时机器人动作执行与高保真的4D世界合成，在单一框架中解决传统统一世界模型仅建模2D像素空间且无法平衡动作效率与世界建模质量的问题。
Comments Project website: https://sharinka0715.github.io/X-WAM/
使重建FID成为扩散生成FID的预测指标
机构 * Tsinghua University（清华大学） ； University of Cambridge（剑桥大学） ； Peking University（北京大学） ； Kuaishou Technology（快手科技）
AI总结 本文提出插值FID(iFID)，通过在潜在空间中检索最近邻并插值其潜在表示，解码后计算与原数据集的FID，从而与生成FID强相关。
去中心化注意力失败于中心化信号：重新思考用于医疗时间序列的Transformer
机构 * Department of Biomedical Engineering, PolyU（PolyU 生物医学工程系） ； School of Nursing, PolyU（PolyU 护理学院） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学尤太数学科学中心）
AI总结 本文提出CoTAR模块，通过集中化MLP替代去中心化注意力，以更好地捕捉医疗时间序列数据中的中心化依赖关系，提升模型效果与效率。
Comments Accepted by ICLR 2026 (Oral). arXiv admin note: text overlap with arXiv:2405.19363 by other authors
SuperWing：一个综合的跨音速机翼数据集用于数据驱动的空气动力学设计
机构 * School of Aerospace Engineering, Tsinghua University, Beijing, China（清华大学北京航空航天工程学院） ； School of Computation, Information and Technology, Technical University of Munich, Germany（慕尼黑技术大学计算、信息与技术学院）
AI总结 SuperWing数据集通过4239种参数化机翼几何和28856个RANS解，为数据驱动的空气动力学设计提供广泛的数据支持，展示了其在预测表面流动和零样本泛化方面的有效性。
AsyncVLA: 视觉-语言-动作模型中的异步流匹配
机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Lumos Robotics（Lumos机器人）
AI总结 本文提出AsyncVLA，一种引入异步流匹配的视觉-语言-动作模型框架，通过非均匀时间调度和自修正机制提升长周期任务的稳定性与效率。
生成AI遇见6G与未来：扩散模型在语义通信中的应用
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Tsinghua University（清华大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文探讨生成AI与6G通信的结合，介绍扩散模型在语义通信中的应用，分析其在可控生成、高效推理和跨域适应中的核心方法及贡献。
Comments Accepted by IEEE COMST, GitHub repository: https://github.com/qin-jingyun/Awesome-DiffComm, project page: https://qin-jingyun.github.io/Awesome-DiffComm
NOWS: 用于加速迭代求解器的神经算子预热
机构 * Leibniz University Hannover（莱布尼茨汉诺威大学） ； Institute of Photonics（光子研究所） ； Department of Mathematics and Physics（数学与物理系） ； Tsinghua University（清华大学） ； Institute of Structural Mechanics（结构力学研究所） ； Bauhaus-Universität Weimar（魏玛建筑学院）
AI总结 NOWS结合神经算子的快速推理与传统求解器的严谨性，通过生成高质量初始猜测加速迭代求解，显著降低计算时间并保持稳定性。
神经算子是否遗忘几何？深度算子学习中的遗忘假设
机构 * Qiuzhen College, Tsinghua University, Beijing, China（清华大学北京校区Quizhen学院） ； Yau Mathematical Sciences Center, Tsinghua University, Beijing, China（清华大学Yau数学科学中心）
AI总结 本文研究了神经算子在不规则几何上性能下降的原因，提出几何遗忘假设，并引入轻量级几何记忆注入机制以缓解遗忘问题，揭示几何保留是结构需求而非设计选择。
HCInfer：通过误差补偿实现资源受限设备的高效推理系统
机构 * Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 本文提出HCInfer系统，通过将残差补偿任务卸载到CPU，利用GPU执行压缩主干网络，并引入异步补偿管道和敏感性感知的动态秩分配，以提高精度恢复和吞吐量。
LeakDojo：解码RAG系统的泄漏威胁
机构 * Tsinghua University, China（清华大学, 中国） ； Ant International, China（蚂蚁集团, 中国） ； Nanyang Technological University, Singapore（南洋理工大学, 新加坡）
AI总结 LeakDojo通过可控评估揭示RAG系统泄漏风险，发现查询生成和对抗指令独立影响泄漏，且指令能力越强泄漏风险越高，RAG可信度提升可能增加泄漏风险。
Comments Findings of ACL 2026
通过理解监督引导统一多模态模型的视觉生成
机构 * Tsinghua University（清华大学） ； Kolors Team, Kuaishou Technology（快手技术团队）
AI总结 本文提出UNO框架，通过将理解作为监督信号引导生成，提升多模态模型在图像生成与编辑中的性能。
HyperLens: 通过细粒度置信轨迹量化大语言模型中的认知努力
机构 * IIIS, Tsinghua University（清华大学信息学院） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 HyperLens通过分析大语言模型推理过程中的置信轨迹，量化认知努力，揭示复杂任务对更高认知努力的需求，并诊断监督微调对领域任务性能的影响。
Comments 33 pages
EgoEMG：一个用于手姿态估计的多模态自体视角数据集，包含双侧EMG和视觉信息
机构 * Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 EgoEMG数据集融合双侧EMG和视觉信息，用于手姿态估计，包含16通道EMG、IMU、RGB视频和RGB-D视频，涵盖41名参与者60种手势，提供EMG-to-pose、vision-to-pose和融合任务的基准测试。
Comments 34 pages, 13 figures, 15 tables. Submitted to NeurIPS 2026
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