Your Code Agent Can Grow Alongside You with Structured Memory
你的代码代理可以与你一同成长，借助结构化记忆
机构 * Tsinghua University（清华大学）
AI总结 本文提出MemCoder框架，通过结构化记忆和实时反馈实现人类与AI的持续共进化，提升代码代理在复杂软件工程任务中的性能。
Comments Code Agent
高校专区
Tsinghua University（清华大学）
Aura: Universal Multi-dimensional Exogenous Integration for Aviation Time Series
Aura：通用多维外源整合用于航空时间序列
机构 * School of Software, BNRist, Tsinghua University（软件学院、BNRist、清华大学） ； Hongshen College, Chongqing University（弘深学院、重庆大学） ； School of Software, Tsinghua University（软件学院、清华大学） ； China Southern Airlines（中国南方航空）
AI总结 本文提出Aura框架，通过整合多维外源因素提升航空时间序列预测精度，实验表明其在航空安全与可靠性方面具有广泛应用潜力。
HyReaL: Clustering Attributed Graph via Hyper-Complex Space Representation Learning
HyReaL: 通过超复数空间表示学习进行属性图聚类
机构 * Tsinghua University（清华大学） ； Xiamen University（厦门大学） ； Shenzhen University（深圳大学） ； Northeastern University（东北大学） ； Hong Kong Baptist University（香港 Baptist大学）
AI总结 HyReaL通过引入超复数空间提升属性图聚类的表示学习，解决过平滑问题，增强属性耦合学习能力，无需过多图卷积层即可实现更有效的聚类。
Comments Accepted to DASFAA 2026
A Multi-task Large Reasoning Model for Molecular Science
分子科学的多任务大规模推理模型
机构 * Pengcheng Laboratory（鹏城实验室） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生学院）
AI总结 本文提出多任务大规模推理模型，结合科学逻辑与深度学习，通过强化学习提升分子推理能力，在10项任务中实现50.3%的性能提升，验证了显式推理机制的有效性。
Spectral Defense Against Resource-Targeting Attack in 3D Gaussian Splatting
频谱防御对抗资源攻击在3D高斯点云中
机构 * Nanyang Technological University（南洋理工大学） ； UESTC ； Tsinghua University（清华大学） ； GigaAI ； VinUniversity（文大学）
AI总结 本文提出频谱防御方法，通过3D频率滤波和2D频谱正则化，有效抑制资源攻击导致的高斯点云过度增长，提升3DGS的鲁棒性、精度和安全性。
Cheers: Decoupling Patch Details from Semantic Representations Enables Unified Multimodal Comprehension and Generation
Cheers：解耦补丁细节与语义表示以实现统一的多模态理解和生成
机构 * Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 Cheers通过解耦补丁细节与语义表示，实现统一的多模态理解和生成，提升图像生成的保真度，并在多个基准测试中表现优异，同时实现4倍的token压缩效率。
Comments 17 pages, 5 figures
MoKus: Leveraging Cross-Modal Knowledge Transfer for Knowledge-Aware Concept Customization
MoKus: 利用跨模态知识迁移实现知识感知的概念定制
机构 * Tsinghua University（清华大学） ； HKUST（香港科技大学）
AI总结 本文提出MoKus框架，通过跨模态知识迁移实现知识感知的概念定制，解决稀有token在预训练数据中缺失导致的性能不稳定问题，并引入KnowCusBench基准测试，验证了方法在概念定制任务中的优越性。
Comments Project Page: https://chenyangzhu1.github.io/MoKus/
CM-Bench: A Comprehensive Cross-Modal Feature Matching Benchmark Bridging Visible and Infrared Images
CM-Bench：一个综合的跨模态特征匹配基准，连接可见图像和红外图像
机构 * School of Instrument 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） ； Department of Precision Instrument, Tsinghua University（清华大学精密仪器系）
AI总结 本文提出CM-Bench，涵盖30种跨模态特征匹配算法，用于评估同源性估计、相对姿态估计和基于特征匹配的地理定位，包含自适应预处理和新的红外-卫星跨模态数据集。
Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data
从不完美的人类运动数据中学习竞技型人形网球技能
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Galbot Inc.（Galbot公司） ； Shanghai Qi Zhi Institute（上海启智研究所） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出LATENT系统，通过不完美的网球运动数据学习人形机器人网球技能，提升真实场景中的网球表现。
The Economics of AI Supply Chain Regulation
人工智能供应链监管的经济学
机构 * School of Economics and Management, Tsinghua University（清华大学经济管理学院） ； Naveen Jindal School of Management, The University of Texas at Dallas（德克萨斯大学达拉斯分校纳文·金达尔管理学院）
AI总结 本文通过博弈模型分析AI供应链中政策干预对消费者剩余的影响，发现促进价格竞争的政策在高计算成本时有效，而促进质量竞争的政策始终提升消费者剩余。
Comments An earlier version of this paper, titled "The Economics of Fine-Tuning for Large-Scale AI Models," was presented at WISE 2023, where it won the Best Student Paper Award
A Spectral Revisit of the Distributional Bellman Operator under the Cramér Metric
对Cramér度量下分布贝尔曼算子的谱再审视
机构 * School of Electrical and Electronic Engineering, University College Dublin（电子工程学院） ； School of Vehicle and Mobility, Tsinghua University（车辆与移动技术学院） ； College of Artificial Intelligence, Tsinghua University（人工智能学院）
AI总结 本文研究分布强化学习中贝尔曼更新对分布的影响，通过Cramér度量分析贝尔曼算子的收缩性质，构建正则化谱希尔伯特表示以实现CDF层级几何结构。
Think with 3D: Geometric Imagination Grounded Spatial Reasoning from Limited Views
用3D思考：从有限视角出发的几何想象引导的空间推理
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） ； Meituan（美团） ； National University of Singapore（新加坡国立大学） ； Beihang University（北航） ； LMMs-Lab（LMMs实验室）
AI总结 本文提出3DThinker框架，通过利用图像中的丰富几何信息实现空间推理，无需3D先验输入或显式标注3D数据，在多个基准测试中优于现有方法。
Comments 25 pages, 17 figures
Journal ref CVPR 2026
AeroGPT: Leveraging Large-Scale Audio Model for Aero-Engine Bearing Fault Diagnosis
AeroGPT：利用大规模音频模型进行航空发动机轴承故障诊断
机构 * School of Physics and Astronomy, The University of Edinburgh（爱丁堡大学物理与天文学学院） ； Glasgow College, University of Electronic Science and Technology of China（电子科技大学格拉斯哥学院） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电子与电气工程系） ； Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； School of Mechanical Engineering, Northwestern Polytechnical University（西北工业大学机械工程学院） ； Department of Industrial Engineering, Tsinghua University（清华大学工业工程系） ； City University of Hong Kong Shenzhen Research Institute（香港城市大学深圳研究院）
AI总结 本文提出AeroGPT框架，通过迁移通用音频知识到航空发动机轴承故障诊断，结合振动信号对齐和生成故障分类，实现无需后处理的可解释故障诊断，实验验证其在航空发动机轴承数据集上的高准确率。
IndexCache: Accelerating Sparse Attention via Cross-Layer Index Reuse
IndexCache: 通过跨层索引复用加速稀疏注意力
机构 * Tsinghua University（清华大学）
AI总结 IndexCache通过跨层索引复用减少75%的计算量，提升预填和解码速度，有效优化稀疏注意力效率。
QChunker: Learning Question-Aware Text Chunking for Domain RAG via Multi-Agent Debate
QChunker: 通过多智能体辩论学习问题感知的文本分块以实现领域RAG
机构 * School of Information, Renmin University of China（中国人民大学信息学院） ； School of Smart Governance, Renmin University of China（中国人民大学智能治理学院） ； School of Information, BRAIN, Renmin University of China（中国人民大学信息学院、BRAIN学院） ； School of Economics and Management, Tsinghua University（清华大学经济管理学院）
AI总结 QChunker通过多智能体辩论框架，提升RAG中文本分块的语义完整性和信息粒度，采用ChunkScore评估指标，实现更高效高质量的文本分块生成。
Tokenization Allows Multimodal Large Language Models to Understand, Generate and Edit Architectural Floor Plans
分词使多模态大语言模型能够理解、生成和编辑建筑平面图
机构 * Tsinghua University（清华大学） ； UC Berkeley（伯克利大学）
AI总结 HouseMind通过引入离散房间实例标记，实现了建筑平面图的统一理解和生成，具备高效且可控的布局生成能力。
Comments 20 pages, 9 figures. Accepted to CVPR 2026
From Pets to Robots: MojiKit as a Data-Informed Toolkit for Affective HRI Design
从宠物到机器人：MojiKit作为影响性人机交互设计的数据驱动工具包
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） ； Beijing Institute of Technology（北京理工大学） ； Sichuan University（四川大学） ； 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）
AI总结 MojiKit通过结合结构化参考卡片、拟人化机器人原型和行为控制工作室，为影响性人机交互设计提供数据驱动的系统化工具，帮助用户设计更多样化的机器人影响性行为。
Comments 25 pages, 11 figures, Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26)
Taming OpenClaw: Security Analysis and Mitigation of Autonomous LLM Agent Threats
驯服OpenClaw：自主LLM代理威胁的分析与缓解
机构 * Ant Group & Tsinghua University（蚂蚁集团与清华大学） ； Tsinghua University（清华大学）
AI总结 本文分析了自主LLM代理OpenClaw的安全威胁，提出五层安全框架，揭示现有防御机制的不足，并提出包括插件审查、上下文过滤等在内的综合防御策略。
MANSION: Multi-floor lANguage-to-3D Scene generatIOn for loNg-horizon tasks
MANSION: 多楼层语言到3D场景生成用于长周期任务
机构 * Tsinghua University（清华大学） ； AgiBot ； McGill University, MILA - Quebec AI Institute（麦吉尔大学，魁北克人工智能研究所）
AI总结 MANSION是首个多楼层语言驱动的3D场景生成框架，能生成真实可导航的建筑环境，支持跨楼层长周期任务的开发与评估，同时配套发布MansionWorld数据集和任务语义编辑代理，为空间推理和规划提供关键测试平台。
Mango-GS: Enhancing Spatio-Temporal Consistency in Dynamic Scenes Reconstruction using Multi-Frame Node-Guided 4D Gaussian Splatting
Mango-GS: 通过多帧节点引导的4D高斯散射提升动态场景重建的空间-时间一致性
机构 * School of Software, Tsinghua University（清华大学软件学院）
AI总结 Mango-GS通过多帧节点引导的4D高斯散射方法，提升动态场景重建的空间-时间一致性，实现高保真重建与实时渲染。
GeoDiff4D: Geometry-Aware Diffusion for 4D Head Avatar Reconstruction
GeoDiff4D: 基于几何的扩散模型用于4D头像重建
机构 * Tsinghua University（清华大学） ； Li Auto（利亚自动）
AI总结 GeoDiff4D通过几何感知扩散模型，结合表面法线和表情编码器，实现了高保真的4D头像重建，提升了视觉质量和跨身份泛化能力。
Comments 17 pages
Controllable Exploration in Hybrid-Policy RLVR for Multi-Modal Reasoning
混合策略强化学习可调节探索用于多模态推理
机构 * Aberystwyth University（阿伯里斯特维斯大学） ； Institute of Artificial Intelligence (TeleAl)（人工智能研究所） ； China Telecom（中国电信） ； Tsinghua University（清华大学）
AI总结 本文提出CalibRL框架，通过分布感知优势加权和非对称激活函数实现可控探索，提升多模态推理模型的探索与利用平衡。
Comments Published as a conference paper at ICLR 2026
GTR-Bench: Evaluating Geo-Temporal Reasoning in Vision-Language Models
GTR-Bench：评估视觉-语言模型中的地理时间推理
机构 * Tsinghua University（清华大学） ； SenseTime Research（商汤科技研究院） ； Peking University（北京大学） ； Technical University of Munich, Heilbronn Data Science Center, Munich Data Science Institute（慕尼黑技术大学，海德堡数据科学中心，慕尼黑数据科学研究所）
AI总结 GTR-Bench提出了一种新的基准，用于评估视觉-语言模型在地理时间推理中的能力，揭示了现有模型在空间和时间上下文利用、时间预测能力及地图数据整合方面的不足。
Comments ICLR 2026, 31 pages, 20 figures
Image Segmentation via Variational Model Based Tailored UNet: A Deep Variational Framework
基于变分模型的定制UNet图像分割：一种深度变分框架
机构 * Department of Mathematical Sciences, Tsinghua University（清华大学数学科学系） ； School of Mathematics, China University of Mining and Technology（中国矿业大学数学学院）
AI总结 本文提出VM_TUNet框架，结合变分模型与UNet，通过数据驱动操作和定制有限点法提升图像分割精度与可解释性。
TianQuan-S2S: A Subseasonal-to-Seasonal Global Weather Model via Incorporate Climatology State
天quant-S2S：通过整合气候状态构建全球亚季节至季节天气模型
机构 * Sun Yat-Sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； National Supercomputing Center in Shenzhen（深圳国家超算中心） ； Huawei Technologies Co Ltd（华为技术有限公司）
AI总结 天quant-S2S通过整合气候状态和不确定性增强的Transformer，提升了亚季节至季节天气预测的准确性和稳定性。
Training-Free Multi-Step Inference for Target Speaker Extraction
无需训练的多步推理用于目标说话人提取
机构 * Beijing University of Posts and Telecommunications, China（北京邮电大学，中国） ； Center for Speech and Language Technologies, BNRist, Tsinghua University, China（语音与语言技术中心，北京理工大学，中国）
AI总结 本文提出无需训练的多步推理方法，用于目标说话人提取，通过联合度量优化平衡不同评估目标，提升实际应用中的提取性能。
Dynamics-Predictive Sampling for Active RL Finetuning of Large Reasoning Models
动态预测采样用于主动强化学习微调大推理模型
机构 * Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 DPS通过动态预测方法减少回放成本，提升大推理模型的强化学习微调效率与性能。
Comments Accepted to ICLR 2026
4DEquine: Disentangling Motion and Appearance for 4D Equine Reconstruction from Monocular Video
4DEquine：从单目视频中解耦运动与外观进行4D马类重建
机构 * Southern University of Science and Technology（南方科技大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学）
AI总结 4DEquine通过解耦运动与外观重建，提出新框架实现高效4D马类重建，展示在真实数据集上的优越性能。
Comments Accepted to CVPR2026
LaTeX Compilation: Challenges in the Era of LLMs
LaTeX编译：在大语言模型时代面临的挑战
机构 * Southern University of Science and Technology（南方科技大学） ； Alibaba（阿里巴巴） ； Tsinghua University（清华大学） ； Rutgers University（罗格斯大学） ； Liii Network（Liii网络）
AI总结 本文提出Mogan STEM作为替代TeX的结构编辑器，通过高效的数据结构和按需插件加载，在编译效率、生成语义和工具生态系统等方面优于TeX，并展示了其在LLM微调中的优势。
Comments 25 pages, 12 figures
UrbanAlign: Post-hoc Semantic Calibration for VLM-Human Preference Alignment
UrbanAlign: 域内任务中VLM与人类偏好对齐的后处理语义校准
机构 * Tsinghua University（清华大学） ； University College London（伦敦大学学院） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Peking University（北京大学） ； Southwest Jiaotong University（西南交通大学） ； Zhejiang University（浙江大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Renmin University of China（中国人民大学） ； Southeast University（东南大学）
AI总结 UrbanAlign通过后处理方法实现VLM与人类偏好的对齐，无需修改模型权重，提升领域任务的准确性和可解释性。
Comments 26 pages
