高校专区
推理时预算控制用于大语言模型搜索代理
机构 * City University of Hong Kong（香港城市大学） ； Tsinghua University（清华大学） ； Alibaba Ant Group（阿里巴巴集团）
AI总结 本文研究了多跳问答中推理时双预算控制问题，通过两阶段控制策略，在搜索阶段根据任务级信息价值评分选择检索、分解或回答承诺，在最终阶段根据证据选择性修正答案，实验表明该方法在多个基准上取得积极收益。
对现实软件开发中主动编码助手的实证研究
机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； Fitten Tech Co., Ltd.（Fitten科技有限公司）
AI总结 本文通过大规模实证研究，分析了模拟与现实数据在主动意图预测中的差异，提出ProCodeBench基准，并指出模拟数据无法替代真实数据。
为野外面部外观捕捉学习一种愉悦先验
机构 * School of Software（软件学院） ； BNRist, Tsinghua University（清华大学计算机系） ； ShanghaiTech University（上海科技大学） ； Deemos Technology Co., Ltd.（德莫斯科技有限公司）
AI总结 本文提出通过训练强大愉悦网络作为先验来约束优化，结合异构数据源实现高质量反射率估计，同时开源模型和数据集推动高精度面部捕捉研究。
Comments ACM Transactions on Graphics (Proc. of SIGGRAPH), 2026. Code: https://github.com/yxuhan/OpenDelight Project Page: https://yxuhan.github.io/OpenDelight/index.html
DexSim2Real: 基于基础模型的仿真到现实迁移用于通用的灵巧操作
机构 * Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） ； Bengbu University（Bengbu大学） ； UCSI University（UCSI大学）
AI总结 本文提出DexSim2Real框架，结合基础模型引导的域随机化、触觉视觉交叉注意力策略和渐进技能课程，提升灵巧操作的仿真到现实迁移性能，实验表明其在现实世界中的成功率达到78.2%。
Comments 13 pages, 2 figures, 5 tables
MesonGS++: 3D高斯散射的后训练压缩与超参数搜索
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shenzhen Technology University（深圳技术大学） ； Xiamen University（厦门大学） ； Simon Fraser University（西蒙弗雷泽大学） ； Jiangxing Intelligence Inc.（江兴智能有限公司）
AI总结 MesonGS++提出了一种基于超参数搜索的3D高斯散射后训练压缩方法，通过联合重要性剪枝、八叉树几何编码等技术，实现34倍压缩并保持渲染质量，优于现有方法并精准满足目标存储预算。
面向HOI的自适应网络用于弱监督动作分割
机构 * Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 本文提出AdaAct网络，通过利用视频级的时空局部人-物交互作为先验知识，动态适应HOI序列以区分模糊动作，实验验证了方法的有效性。
Comments Accepted to IJCAI 2023
MACE-Dance: 基于动作-外观级联专家的音乐驱动舞蹈视频生成
机构 * Renmin University of China（中国人民大学） ； AMAP, Alibaba Group（阿里集团AMAP） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学）
AI总结 本文提出MACE-Dance框架，结合级联混合专家模型，实现音乐驱动的高质量舞蹈视频生成，通过动作和外观专家分别生成3D动作和视频，提升视觉一致性和动作真实感。
Comments Accepted by SIGGRAPH 2026
ImCoref-CeS: 一种改进的轻量级管道用于基于LLM的检查-分割细化的指代消解
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Institute for AI, Tsinghua University（清华大学人工智能研究院） ； East China Normal University（华东师范大学） ； Jiangsu Collaborative Innovation Center for Language Ability（江苏省语言能力协同创新中心）
AI总结 本文提出ImCoref-CeS框架，结合增强的监督模型与LLM推理，通过改进的指代消解方法和LLM多角色检查-分割代理提升性能。
Comments Accepted by ACL2026 main
LiCamPose：结合多视角LiDAR和RGB相机实现鲁棒的单帧3D人体姿态估计
机构 * Department of Automation, BNRist, Tsinghua University, China（自动化系、北京人工智能研究院、清华大学、中国）
AI总结 本文提出LiCamPose，结合多视角RGB和稀疏点云数据，通过单帧实现鲁棒的3D人体姿态估计，并设计了合成数据生成器和无监督域适应策略，验证了方法在多种数据集上的泛化能力。
Comments Accepted by WACV2025
对基于AI的紧急警务调度中的种族偏见进行审计：对十一种大型语言模型的跨语言评估
机构 * Department of Industrial Engineering, Tsinghua University（清华大学工业工程系） ； School of Social Sciences, Tsinghua University（清华大学社会科学部） ； Department of Industrial Engineering, Federal University of Rio de Janeiro（里约热内卢联邦大学工业工程系）
AI总结 本文通过跨语言框架评估11种模型，在19800个输出中发现当事件严重性模糊时种族偏见系统性出现，但当操作优先级由通话内容确定时偏见消失。偏见程度因种族轴而异，宗教外观影响最大，性别次之，种族最小。语言间偏见转移不一致，性别偏见在中文中放大，种族偏见在英文中更明显。
Comments 26 pages, 7 figures. Submitted to Humanities and Social Sciences Communications (Nature) collection on Artificial Intelligence and Emerging Technologies in Public Safety. Code and data: https://github.com/williamguey/llmdispatchbias
AMSnet-q：无监督的电路识别与性能标注用于AMS电路
机构 * Southern University of Science and Technology（南方科技大学） ； University of California Los Angeles（加州大学洛杉矶分校） ； Tsinghua University（清华大学） ； Eastern Institute of Technology Ningbo（宁波东部技术研究院）
AI总结 AMSnet-q通过无监督方法自动构建AMS电路数据库，实现电路功能验证和性能标注，无需人工干预。
DiagramNet: 一种面向非标准系统级图表的端到端识别框架和数据集
机构 * School of IC, Peking University, Beijing, China（北京大学信息科学技术学院） ； College of Artificial Intelligence, Xi'an Jiaotong University, Xi'an, China（西安交通大学人工智能学院） ； Department of Precision Instruments, Tsinghua University, Beijing, China（清华大学精密仪器系） ； School of Software and Microelectronics, Peking University, Beijing, China（北京大学软件与微电子学院） ； School of Computer Science, Peking University, Beijing, China（北京大学计算机科学系） ； Institute of EDA, Peking University, Beijing, China（北京大学EDA研究院） ； Beijing Advanced Innovation Center for IC, Beijing, China（北京集成电路先进创新中心）
AI总结 本文提出DiagramNet数据集和训练框架，通过端到端方法在系统级图表识别中超越现有模型，提升多模态大语言模型的图表理解能力。
Comments 13 pages, 7 figures. Preprint
GIFT：指导微调与迁移以增强指令微调语言模型
机构 * Southern University of Science and Technology（南方科技大学） ； Alibaba Group（阿里巴巴集团） ； Shanghai University of Finance and Economics（上海财经大学） ； Tsinghua University（清华大学） ； Xiamen University（厦门大学）
AI总结 GIFT通过整合指令模型的指导信息，提升指令微调语言模型的任务适应能力，实验显示其在数学和知识密集型基准上优于直接微调和迁移基线。
Journal ref Main of ACL 2026
LLMs中的激活压缩：理论分析与高效算法
机构 * Nanjing University（南京大学） ； Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； Hong Kong University of Science and Technology（香港科学大学）
AI总结 本文提出一种激活-梯度联合压缩方法，通过低秩因子压缩线性层梯度，无需额外计算，提升LLM训练效率与压缩性能。
协同生成的从头功能性蛋白质设计
机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； Department of Computer Science（计算机科学系） ； Technology, Tsinghua University（技术，清华大学）
AI总结 本文提出CodeFP模型，通过同时解码序列和结构令牌，提升功能性与折叠性的实现。模型利用功能局部结构增强语义编码，并引入辅助功能监督以缓解训练模糊性，实验显示在功能一致性和折叠性上均优于基线。
一种适用于流固耦合的ALE一致图神经运算-变换器框架
机构 * Institute for Ocean Engineering（海洋工程研究院） ； Shenzhen International Graduate School, Tsinghua University（深圳国际研究生院，清华大学）
AI总结 本文提出一种结合图神经运算与视觉变换器的ALE一致框架，用于预测变形无结构网格上的流固耦合，通过轻量级LSTM网络预测结构运动，并通过ALE一致边界修正提升精度与稳定性。
Comments 29 pages, 20 figures
Rhythm: 为双人形机器人学习交互式全身控制
机构 * Fudan University（复旦大学） ； TARS Robotics（TARS机器人） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 本文提出Rhythm框架，通过整合交互感知动作重定向、交互引导强化学习和现实部署系统，实现双人形机器人在复杂物理交互中的鲁棒控制。
Robo3R：通过精确的前馈3D重建增强机器人操作
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学）
AI总结 Robo3R通过前馈3D重建模型，直接从RGB图像和机器人状态实时预测高精度场景几何，提升机器人操作的精度与一致性。
Comments Published at Robotics: Science and Systems (RSS) 2026
通过动态单次策略细化实现大规模语言模型推理的资源高效强化学习
机构 * UCAS（中国科学院大学） ； HKUST(GZ)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； Sun Yat-Sen University（中山大学） ； Xidian University（西安电子科技大学） ； George Mason University（乔治·梅森大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 本文提出动态单次策略细化方法，通过减少训练样本数量和计算开销，提升大规模语言模型推理效率。
SurGE：科学调查生成的基准和评估框架
机构 * Tsinghua University（清华大学） ； Quan Cheng Laboratory（泉城实验室） ； Renmin University of China（中国人民大学） ； Fudan University（复旦大学）
AI总结 为科学调查生成任务设计了SurGE基准和评估框架，通过测试实例和学术文献库评估生成质量，揭示LLM在该任务上的性能差距。
增强拉格朗日乘子网络用于强化学习中的状态级安全性
机构 * Department of Mathematical Sciences, Tsinghua University（清华大学数学科学系） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院） ； School of Vehicle and Mobility & College of AI, Tsinghua University（清华大学车辆与移动系统学院 & 清华大学人工智能学院）
AI总结 本文提出增强拉格朗日乘子网络框架，通过二次惩罚和监督回归稳定状态级乘子学习，提升安全强化学习的性能与稳定性。
Comments 13 pages, 41 figures, 1 tables
UniVidX：一种基于扩散先验的统一多模态框架，用于 versatile 视频生成
机构 * Beihang University（北京航空航天大学） ； Nanjing University（南京大学） ； Stanford University（斯坦福大学） ； Tsinghua University（清华大学）
AI总结 UniVidX 提出一种统一多模态框架，通过扩散先验实现 versatile 视频生成，采用随机条件掩码、解耦门控LoRA和跨模态自注意力等设计，提升多模态一致性与生成性能。
Comments Project page: https://houyuanchen111.github.io/UniVidX.github.io/ Accepted to ACM Transactions on Graphics (Proceedings of SIGGRAPH 2026)
Journal ref ACM Trans. Graph. 45, 4, Article 51 (July 2026)
文本与图像思考：用于长周期机器人操作的交错视觉-语言推理轨迹
机构 * Tsinghua University（清华大学） ； Beijing Institute of Technology（北京理工大学） ； Xiaomi Group（小米集团）
AI总结 本文提出IVLR框架，通过显式轨迹表示交替文本子目标与视觉关键帧，提升长周期机器人操作的逻辑与几何一致性，实验显示在LIBERO和SimplerEnv-WidowX上取得高成功率。
Odysseus：通过强化学习扩展VLMs以实现游戏中的100+回合决策
机构 * Princeton Language and Intelligence（普林斯顿语言与智能实验室） ； Princeton University（普林斯顿大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学）
AI总结 本文研究了通过强化学习训练VLMs进行长回合决策，提出轻量级回合级批评机改进训练稳定性，利用预训练VLMs提升样本效率，引入Odysseus框架在多个游戏层级取得显著进展。
姿态感知扩散用于3D生成
机构 * Gaoling School of AI, Renmin University of China（中国人民大学 Gallagher人工智能学院） ； VCIP, School of Computer Science, Nankai University（南开大学计算机学院 VCIP） ； THU-Bosch MLCenter, Tsinghua University（清华大学 THU-Bosch 机器学习中心） ； Inspur Group（Inspur集团）
AI总结 本文提出Pose-Aware Diffusion，通过直接在观测空间生成3D几何，解决姿态对齐难题，实现高保真姿态一致的3D资产生成。
预见未见：生成式数据增强用于几何-语义事故预见
机构 * State Key Laboratory of Internet of Things for Smart City（物联网智能城市国家重点实验室） ； University of Macau（澳门大学） ； Department of Civil Engineering（土木工程系） ； Department of Computer and Information Science（计算机与信息科学系） ； Department of Automotive Engineering（汽车工程系） ； Tsinghua University（清华大学）
AI总结 本文提出双路径框架，通过视频合成和语义图神经网络提升事故预见能力，发布新基准数据集验证方法有效性，提升自动驾驶系统可靠性。
将拼图碎片放在关键位置：一种用于强化学习的问题增强框架
机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Peking University（北京大学）
AI总结 本文提出PieceHint框架，通过战略性提供关键推理步骤，解决强化学习中训练易问题过拟合和训练难问题奖励稀疏的问题，实验表明其在数学推理基准上性能优异且保持pass@k多样性。
利用自监督时空去噪实现天文成像更深层的检测限
机构 * Department of Automation, Beijing National Research Center for Information Science and Technology, Tsinghua University, Beijing, China（自动化系，北京信息科学与技术国家研究中心，清华大学，北京，中国） ； Department of Astronomy, Tsinghua University, Beijing, China（天文系，清华大学，北京，中国） ； Institute for Brain and Cognitive Sciences, Tsinghua University, Beijing, China（脑与认知科学研究院，清华大学，北京，中国） ； Kavli Institute for the Physics and Mathematics of the Universe (WPI), The University of Tokyo, Kashiwa, Japan（宇宙物理与数学科学研究所（WPI），东京大学，日光，日本） ； National Astronomical Observatory of Japan, Tokyo, Japan（日本国家天文台，东京，日本） ； Institute for Cosmic Ray Research, The University of Tokyo, Kashiwa, Japan（宇宙射线研究所，东京大学，日光，日本） ； College of AI, Tsinghua University, Beijing, China（人工智能学院，清华大学，北京，中国） ； School of Mathematics and Physics, Qinghai University, Xining, China（数学与物理学院，青海大学，西宁，中国） ； Tsinghua Wuxi Institute of Applied Technology, Wuxi, China（清华大学无锡应用技术研究院，无锡，中国）
AI总结 本文提出ASTERIS算法，通过整合多曝光的时空信息，提升天文成像检测限，实现更清晰的天体识别与发现。
Comments Published in Science. This is the author's version of the work. It is posted here by permission of the AAAS for personal use, not for redistribution
ExCyTIn-Bench：评估LLM代理在网络安全调查中的表现
机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； Microsoft Security AI Research（微软安全AI研究） ； Tsinghua University（清华大学）
AI总结 ExCyTIn-Bench是首个评估LLM代理在网络安全调查任务中的基准，通过从调查图中生成的安全问题进行测试。该基准利用Azure租户中的SQL环境和Microsoft Sentinel日志构建威胁调查图，并生成问题以评估LLM代理的能力。
Comments Accepted By ICML 2026
SCAN：面向大语言模型的结构化能力评估与导航
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） ； School of Cyber Engineering, Xidian University（西安电子科技大学电子工程学院） ； Baidu, Inc（百度公司）
AI总结 本文提出SCAN框架，通过细粒度评估实现对LLM能力的深入分析，揭示了同一类别下不同子能力的显著性能差异，强调了细粒度评估的重要性。
Comments Accepted by 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