高校专区
KARL：面向知识密集型视觉定位的知识感知推理与强化学习
机构 * University of Macau（澳门大学） ； Shandong University（山东大学） ； Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出KARL框架，通过知识引导的推理数据和强化学习方法，提升模型在知识密集型视觉定位任务中的表现，实现跨领域泛化能力的提升。
ExGes：基于音频驱动的 gesture 合成中的 expressive 人类运动检索与调节
机构 * Renmin University（中国人民大学） ； Kuaishou Technology（快手科技） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学）
AI总结 本文提出ExGes框架，通过运动库构建、运动检索模块和精度控制模块，提升音频驱动手势合成的表达性和与音频语义的一致性，实验表明其在Fréchet Gesture Distance和运动多样性上优于现有方法。
通用YOCO用于高效深度扩展
机构 * Microsoft Research（微软研究院） ； Tsinghua University（清华大学）
AI总结 本文提出通用YOCO（YOCO-U），结合递归计算与YOCO解码器解码器架构，实现更高效的推理效率与深度扩展能力，通过参数共享和浅层高效注意力层提升性能。
通过分层特征优化增强联邦学习中的梯度反向攻击
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Computer Science and Technology, Harbin Institute of Technology（哈尔滨工业大学计算机科学与技术学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 本文提出GIFD方法，通过分解GAN模型并搜索中间层的分层特征，提升梯度反向攻击的表达能力和泛化能力，同时引入正则化约束和OOD场景下的标签映射技术，实现像素级重建。
随机注意力：受连接组启发的随机路由用于表达性线性时间注意力
机构 * Tsinghua University（清华大学）
AI总结 本文提出Stochastic Attention，通过随机排列token序列提升注意力机制的表达性，实现更高效的全局通信，在预训练和推理任务中均优于传统方法。
HabitatAgent：一种端到端的多智能体系统用于住房咨询
机构 * Fangdongdong（方东东） ； Tsinghua University（清华大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出HabitatAgent，一种基于LLM的多智能体系统，通过四个专业角色提供可审计且可靠的住房咨询流程，实现高准确率的住房选择支持。
Comments Accepted at the DMO-FinTech Workshop (PAKDD 2026)
局部自信，全局停滞：扩散语言模型中的质量探索困境
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Tsinghua University（清华大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； McGill University（麦吉尔大学）
AI总结 本文探讨了扩散语言模型中质量与探索的矛盾，提出了一种平衡两者的方法，通过优化分布和采样策略提升生成质量与探索能力。
PReD：基于大语言模型的电磁感知、识别与决策基础多模态模型
机构 * Tsinghua University（清华大学） ； National University of Defense Technology（国防科技大学） ； Beihang University（北京航空航天大学） ； Tianjin University（天津大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） ； Institute of Microelectronics, Chinese Academy of Sciences（中国科学院微电子研究所） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； The Hong Kong University of Science and Technology（香港科技大学） ； Civil Aviation University of China（中国民航大学） ； Beijing Institute of Technology（北京理工大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文提出PReD，首个电磁领域基础模型，涵盖感知、识别与决策闭环，构建高质量多任务电磁数据集和评估基准，通过多阶段训练策略提升电磁领域能力，实验显示在PReD-Bench上达到最佳性能。
超越黄金数据：通过时间步选择性训练解决运动-视觉质量困境
机构 * Tsinghua University（清华大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队）
AI总结 本文提出TQD方法，通过时间步选择性训练解决视频生成中运动与视觉质量的矛盾，证明在不平衡数据上训练可超越传统高质量数据训练效果。
Comments Accepted to CVPR 2026
语义音频视觉导航在连续环境中
机构 * Wuhan University（武汉大学） ； Zhongguancun Academy（中关村学院） ； Shandong Jianzhu University（山东建筑大学） ； Nankai University（南开大学） ； Tsinghua University（清华大学） ； CASIA（中国科学院自动化研究所） ； UCAS（中国科学院大学）
AI总结 本文提出MAGNet模型，通过多模态Transformer实现语义目标推理，提升在连续空间中导航的鲁棒性与成功率。
Comments This paper has been accepted to CVPR 2026
MVSS：多视图结构化调查生成的统一框架
机构 * Beijing University of Technology（北京工业大学） ； Peking University（北京大学） ； Beihang University（北京航空航天大学） ； Tsinghua University（清华大学）
AI总结 本文提出MVSS框架，通过结构优先方法生成和对齐引用支撑的层级树、结构化比较表和调查文本，提升调查生成的结构组织和证据呈现质量。
ActErase: 一种无需训练的概念擦除范式通过激活重定向
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）
AI总结 本文提出无需训练的概念擦除方法ActErase，通过激活差异区域分析和动态替换输入激活，实现高效概念擦除，同时保持模型生成能力，且具有对抗攻击鲁棒性。
让模型分配其怀疑：通过 verbalized 概率分布进行置信度估计
机构 * Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University（清华大学计算机科学与技术系、人工智能研究院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院）
AI总结 本文通过生成 verbalized 概率分布提升置信度估计，系统实验显示其在多个 LLM 和任务中表现优异，推理效率高且计算节省显著，但也揭示了特定任务的局限性。
AlphaResearch：利用语言模型加速新算法发现
机构 * Tsinghua University（清华大学） ； New York University（纽约大学） ； Yale University（耶鲁大学）
AI总结 AlphaResearch通过迭代提出新想法、编程验证和优化研究提案，实现了在开放性问题上发现新算法的突破，其在六个开放性问题上的表现优于其他系统，尤其在圆圈排列问题上超越了人类和基线模型。
AgentExpt: 基于LLM的资源检索代理自动化AI实验设计
机构 * Tsinghua University（清华大学） ； Shandong University（山东大学） ； Northeastern University（东北大学）
AI总结 本文提出基于LLM的资源检索代理框架，通过自动化数据收集和集体感知增强检索，提升实验设计的自动化和可解释性，实验结果显示在Recall@20和HitRate@5上分别提升5.85%和8.30%。
Comments 10 pages
CLoD-GS：通过3D高斯散射实现连续细节层次
机构 * Tsinghua University（清华大学） ； AMAP（高德地图）
AI总结 本文提出CLoD-GS框架，利用3D高斯散射技术实现连续细节层次，通过动态调整高斯体透明度，实现单模型的平滑细节渐变，减少存储开销和视觉瑕疵。
Comments Accepted by ICLR 2026 poster
LPS-GNN：在拥有1000亿条边的图上部署图神经网络
机构 * Tsinghua University（清华大学） ； Sun Yat-sen University（中山大学） ； Tencent Inc（腾讯公司） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出LPS-GNN框架，通过优化图分区和子图增强策略，在单块GPU10小时内处理1000亿图节点，提升用户获取场景性能13.8%。
Journal ref ACM Transactions on Knowledge Discovery from Data (TKDD) (2026)
MATHDance：具有统一标记化的Mamba-Transformer架构用于高质量3D舞蹈生成
机构 * Renmin University of China（中国人民大学） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学） ； Beihang University（北京航空航天大学）
AI总结 本文提出MATHDance框架，通过两阶段设计提升音乐到舞蹈生成的一致性，采用Kinematic-Dynamic量化阶段和混合架构生成高质量3D舞蹈。
面向知识增强视觉推理的自动足球解说生成
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； BNRist, Tsinghua University（清华大学北京信息科学与技术国家研究中心）
AI总结 本文提出GameSight模型，通过视觉推理与知识增强生成更准确的足球解说，提升解说质量与上下文相关性。
Comments Accepted by ICME 2026
在3D几何计算机视觉中评估博士级别的编程能力
机构 * AIR, Tsinghua University（清华大学智能产业研究院） ； Qiuzhen College, Tsinghua University（清华大学求真书院） ； BAAI（北京智源人工智能研究院） ； Peking University（北京大学） ； Nanjing University（南京大学） ； University of Toronto（多伦多大学）
AI总结 本文提出GeoCodeBench基准，用于评估3D视觉编程能力。通过精选论文中的任务，生成多样化的测试用例，评估八种模型的性能，揭示当前模型在可靠3D科学编程方面的差距。
Comments Accepted by CVPR 2026; Project page: https://geocodebench.github.io/
强化推理用于端到端的逆合成规划
机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； PharMolix Inc（PharMolix公司）
AI总结 本文提出ReTriP框架，通过端到端生成方法将逆合成规划转化为连续推理任务，采用路径一致的分子表示和渐进训练课程，提升长周期规划的鲁棒性。
$R_\ ext{dm}$：重新概念化分布匹配作为扩散蒸馏的奖励
机构 * KlingAI Research（KlingAI 研究院） ； Tsinghua University（清华大学）
AI总结 本文提出将分布匹配重新概念化为奖励以提升扩散蒸馏性能，通过引入GNDM提升优化稳定性，实现无缝奖励整合和改进采样效率，实验表明其在生成质量与保真度上优于现有方法。
SVBench：视频生成模型在社会推理中的评估
机构 * Tsinghua University（清华大学） ； Shanda AI Research Tokyo（盛大人工智能研究院东京） ； Shanghai AI Lab（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学）
AI总结 本文提出SVBench基准，用于评估视频生成模型在社会推理能力上的不足，通过七大核心维度和免训练流程，评估七种先进模型，揭示表面合理性与深层社会推理能力间的差距。
Comments 10pages
为特定性和多样性扩展全身人体肌肉骨骼行为模拟
机构 * Tsinghua University（清华大学）
AI总结 本文提出一种大规模并行肌肉骨骼计算框架，用于基于生物力学的全身运动再现，通过整合GPU模拟与对抗性奖励聚合，实现了高维强化学习在肌肉骨骼控制中的优化，准确再现了700多块肌肉驱动的广泛运动 repertoire。
PSPA-Bench：面向智能手机GUI代理的个性化基准
机构 * Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Beijing Institute of Mathematical Sciences and Applications（北京数学科学与应用研究院）
AI总结 本文提出PSPA-Bench，用于评估智能手机GUI代理的个性化能力，通过12855条个性化指令和22款移动应用，揭示现有方法在个性化场景下的不足，并提出改进方向。
Comments 28 pages
推进基于大语言模型的音素到字母转换以实现多语言语音识别
机构 * TasiTech Co., Ltd., China（塔斯科技股份有限公司，中国） ； Speech Processing and Machine Intelligence (SPMI) Lab, Tsinghua University, China（清华大学语音处理与机器智能（SPMI）实验室，中国） ； School of Computer Science and Technology, Xinjiang University, China（新疆大学计算机科学与技术学院，中国）
AI总结 本文研究了基于大语言模型的多语言音素到字母转换，通过鲁棒训练和低资源过采样将平均识别错误率从10.56%降至7.66%。
Comments Update after INTERSPEECH2026 submission
伪类感知加权攻击（DAWA）：打破伪类防御中的安全汇合
机构 * Tsinghua University（清华大学） ； University of Macau（澳门大学） ； Tencent（腾讯）
AI总结 本文提出DAWA，一种新的评估方法，通过自适应加权同时攻击真实标签和伪标签，有效突破伪类防御机制，降低其鲁棒性评估值。
SparseDriveV2：仅需评分即可实现端到端自动驾驶
机构 * Tsinghua University（清华大学） ； Horizon Continental Technology（地平线大陆科技） ； Horizon（地平线）
AI总结 本文提出SparseDriveV2，通过可扩展的词汇表示和评分策略提升端到端自动驾驶性能，实现在NAVSIM和Bench2Drive上的高评分和成功率。
QuestA: 通过问题增强扩展大语言模型的推理能力
机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海期智研究院） ； Amazon（亚马逊） ； Stanford University（斯坦福大学）
AI总结 QuestA通过问题增强策略在训练中引入部分解以降低问题难度，提升大语言模型在数学推理任务中的推理能力，取得新的SOTA结果。
Comments 25 pages, 18 figures, ICLR 2026
流式4D视觉几何变换器
机构 * Tsinghua University（清华大学）
AI总结 本文提出一种流式视觉几何变换器，通过因果变换器架构实现低延迟的4D视觉几何重建，结合知识蒸馏和高效注意力机制，提升在线场景下的推理速度与重建质量。
Comments Code is available at: https://github.com/wzzheng/StreamVGGT
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