高校专区
GTR-Turbo：合并的检查点实际上是为代理VLM训练提供免费的教师
机构 * Tsinghua University（清华大学） ； Tencent Hunyuan（腾讯文生） ； Peking University（北京大学）
AI总结 GTR-Turbo通过合并检查点作为免费教师，提升了多模态代理训练的效率和效果。
Comments Accepted by CVPR 2026
高效音频-视觉语音分离与离散唇语语义及多尺度全局-局部注意力
机构 * Department of Computer Science and Technology, Institute for AI, BNRist, Tsinghua University, Beijing（计算机科学与技术系，人工智能研究院，BNRist，清华大学，北京） ； IDG/McGovern Institute for Brain Research, Tsinghua University, Beijing（IDG/麦克戈文脑研究 institute，清华大学，北京） ； Chinese Institute for Brain Research (CIBR), Beijing（中国脑科学研究院（CIBR），北京）
AI总结 Dolphin通过离散唇语语义和多尺度全局-局部注意力实现高效音频-视觉语音分离，提升分离质量和效率。
Comments Accepted to ICLR 2026
SEGA: 从单张图像生成可驾驶的3D高斯头人偶
机构 * Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； ByteDance（字节跳动） ； Pengcheng Lab（鹏城实验室） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 SEGA通过结合通用先验模型与层次UV空间高斯散点框架，实现从单张图像生成可驾驶的3D高斯头人偶，提升泛化能力和实时性能。
基于大语言模型的出行行为预测
机构 * Department of Civil Engineering, Tsinghua University, Beijing, China（清华大学土木工程系） ； Department of Civil and Environmental Engineering, Massachusetts Institute of Technology, Cambridge, MA 02139（麻省理工学院土木与环境工程系） ； Department of Urban Studies and Planning, Massachusetts Institute of Technology, Cambridge, MA 20139（麻省理工学院城市研究与规划系） ； Department of Management Science and Engineering, Stanford University, Stanford, CA 94305（斯坦福大学管理科学与工程系）
AI总结 本文提出利用大语言模型进行出行行为预测，通过零样本提示和文本嵌入两种方法，实现了与传统模型相当的预测性能。
World2Mind: 用于基础模型的方位认知工具包
机构 * Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； Dept. of Comp. Sci. and Tech., Institute for AI, Tsinghua-Bosch Joint ML Center, THBI Lab, BNRist Center, Tsinghua University（清华大学人工智能院计算机科学与技术系、清华大学-博世联合机器学习中心、THBI实验室、BNRist中心、清华大学）
AI总结 World2Mind通过构建空间认知地图和三阶段推理链，提升基础模型的空间推理能力，使纯文本模型也能实现复杂3D空间推理。
FetalAgents：一种用于胎儿超声图像和视频分析的多智能体系统
机构 * Tsinghua University（清华大学） ； University of California San Diego（加州大学圣地亚哥分校） ； West China Second University Hospital, Sichuan University（四川大学华西第二医院）
AI总结 FetalAgents是一种多智能体系统，通过动态协调视觉专家，实现胎儿超声图像和视频的端到端分析与报告，提供高准确性和流程对齐的解决方案。
SEA-Nav: 高效安全敏捷四足机器人在密集环境中导航的策略学习
机构 * Tsinghua University（清华大学） ； Imperial College London（伦敦帝国理工学院）
AI总结 SEA-Nav通过安全、高效和敏捷的强化学习框架，实现了在密集环境中四足机器人导航的高效训练，仅需分钟级训练时间。
Comments Project website: https://11chens.github.io/sea-nav/
具身人类仿真用于交互机器人定量设计与分析
机构 * School of Aerospace Engineering, Tsinghua University（清华大学航天航空学院）
AI总结 本文提出了一种基于仿真的具身人类仿真框架，用于交互机器人设计中的定量分析与优化，通过生理学基础的运动行为生成和大规模设计空间探索，提升人机交互的性能。
通过方向解耦对齐缓解偏好模式崩溃在扩散强化学习中
机构 * Tsinghua University（清华大学） ； AMAP, Alibaba Group（阿里云实验室，阿里巴巴集团）
AI总结 本文提出D²-Align框架，通过方向解耦对齐缓解扩散强化学习中的偏好模式崩溃，提升生成多样性。
Comments Accepted by CVPR 2026
基于上下文微调的轻量时间序列数据估值方法
机构 * Sun Yat-sen University State Key Laboratory of Internet Architecture（中山大学互联网架构国家重点实验室） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出LTSV方法，通过上下文微调实现轻量时间序列数据估值，有效解决传统方法的计算瓶颈和时间依赖性问题。
Comments Accepted as a full paper at DASFAA 2026 (The 31st International Conference on Database Systems for Advanced Applications)
SPAN: 用于单目3D目标检测的空间-投影对齐
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院） ； School of Mathematics and Statistics, University of Glasgow（格拉斯哥大学数学与统计学学院） ； Basic Algorithm Center, PCG, Tencent（腾讯计算机系统有限公司基础算法中心）
AI总结 SPAN通过空间点对齐和3D-2D投影对齐解决单目3D目标检测中几何一致性不足的问题，提升检测性能。
Comments Accepted by CVPR 2026
LLaVAShield: 保障视觉语言模型中的多模态多轮对话安全
机构 * Southeast University（东南大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Zhejiang University of Technology（浙江工业大学） ； Tsinghua University（清华大学） ； RealAI
AI总结 LLaVAShield通过构建MMDS数据集和MMRT框架，有效提升多模态多轮对话的安全性，优于现有VLMs和内容审查工具，揭示了主流模型的安全漏洞。
Comments Accepted to CVPR 2026
一种基于神经网络的代理模型用于预测高温超导磁体中的电流分布
机构 * State Key Laboratory of Clean and Efficient Turbomachinery Power Equipment, Department of Mechanical Engineering, Tsinghua University（清洁高效 turbomachinery 动力设备国家重点实验室，机械工程系，清华大学） ； Key Laboratory for Advanced Materials Processing Technology, Ministry of Education（先进材料加工技术重点实验室，教育部）
AI总结 本文提出一种基于神经网络的代理模型，用于高效预测高温超导磁体中的电流分布，提升大尺寸磁体设计效率。
SATURN: 基于求解的强化学习以释放大语言模型的推理能力
机构 * Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 Saturn通过基于SAT问题的强化学习框架，提升大语言模型的推理能力，实现可扩展的任务构建、规则验证和难度控制，取得显著效果。
Comments Camera-ready version for Neural Information Processing Systems (NeurIPS) 2025, Spotlight Paper
Diff-Muscle: 高效学习用于肌骨骼机器人乒乓球
机构 * Department of Computer Science and Technology, Tsinghua University, China（清华大学计算机科学与技术系）
AI总结 Diff-Muscle通过微分平坦性将高维动作空间转化为低维关节空间，实现高效学习，使肌骨骼机器人在动态乒乓球任务中实现连续回球。
Comments 8 pages, 7 figures
PolyFormer: 为在复杂物理约束下可扩展优化学习高效重述
机构 * School of Electrical and Electronic Engineering（电气电子工程学院） ； North China Electric Power University（华北电力大学） ； Department of Electrical Engineering（电气工程系） ； Tsinghua University（清华大学） ； School of Automation（自动化学院） ； Beijing Institute of Technology（北京理工大学） ； Department of Industrial Engineering（工业工程系） ； Laboratory for Systems and Control（系统与控制实验室） ； École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL））
AI总结 PolyFormer通过将物理和几何知识转化为高效多边形重述，实现了在复杂约束下的高效优化，显著提升计算效率和内存利用率。
Comments Code availability: All the data and code are made openly available at https://github.com/wenyl16/PolyFormer
EasyInsert: 一种数据高效且具有通用性的插入策略
机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 EasyInsert通过delta-pose回归问题实现高效数据收集，提升机器人在杂乱环境中的插入任务泛化能力。
POIROT：探讨多党谋杀谜游戏中的直接实体交互与数字中介交互及态度调节
机构 * Tsinghua University（清华大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Syracuse University（Syracuse大学） ； National University of Singapore（新加坡国立大学） ； Royal College of Art（皇家艺术学院）
AI总结 POIROT研究通过实验揭示，用户对机器人的负面态度影响其在多党谋杀谜游戏中的沉浸体验，表明交互方式需根据用户倾向进行适应性调整。
Comments 16 pages, 7 figures. Accepted to the 21st ACM/IEEE International Conference on Human-Robot Interaction (HRI 2026)
SAMoE-VLA：一种面向自动驾驶的场景自适应混合专家视觉-语言-动作模型
机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； School of Instrument Science and Engineering, Southeast University（仪器科学与工程学院，东南大学） ； Zhili College, Tsinghua University（紫荆学院，清华大学） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（人工智能与自动化学院，华中科技大学） ； Department of Automation, University of Science and Technology of China（自动化学院，中国科学技术大学） ； Department of Automation, University of Science and Technology Beijing（自动化学院，北京科技大学）
AI总结 SAMoE-VLA通过场景自适应混合专家机制提升自动驾驶中的视觉-语言-动作推理性能。
适应性视觉控制的冗余机器人用于人机协作的空隙空间交互
机构 * Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 本文提出了一种适应性视觉控制与空隙空间交互相结合的控制方案，用于冗余机器人的人机协作，以提升协作效率和安全性。
面向容量的混合法则实现高效大语言模型数据优化
机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（交叉信息研究院，清华大学） ； Shanghai Qizhi Institute（上海启智研究院）
AI总结 面向容量的混合法则通过高效数据混合优化，减少50%的优化成本并提升3%的下游性能
Holi-Spatial: 将视频流转化为整体3D空间智能
机构 * Shanghai AI Lab（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； Sichuan University（四川大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 Holi-Spatial通过自动化方法构建大规模多模态3D空间数据集，提升空间推理任务的模型性能。
Comments project page: https://visionary-laboratory.github.io/holi-spatial/
压缩的联邦学习用于非凸复合优化在异构数据上
机构 * School of Intelligent Systems Engineering, Sun Yat-Sen University（中山大学智能系统工程学院） ； Department of Automation, Beijing National Research Center for Information Science and Technology, Tsinghua University（清华大学自动化系） ； Department of Mechanical Engineering, University of Victoria（维多利亚大学机械工程系）
AI总结 FedCEF通过解耦近端更新和通信机制，提高非凸复合优化在异构数据上的通信效率与收敛鲁棒性。
Comments 14 pages, 4 figures
Helix：基于进化强化学习的开放性科学问题求解
机构 * Bosch (China) Investment Co., Ltd.（博世（中国）投资有限公司） ； Tsinghua-Bosch Joint Center for ML, Tsinghua University（清华大学-博世联合人工智能中心，清华大学） ； Dept. of EE, Tsinghua University（清华大学电子工程系） ； Dept. of Comp. Sci. & Techn., Tsinghua University（清华大学计算机科学与技术系）
AI总结 HELIX通过分层进化强化学习框架，在开放性科学问题求解中实现了先进解决方案的发现，其在圆圈装箱任务中取得state-of-the-art结果，并在机器学习基准测试中超越GPT-4o。
Comments Accepted at ICLR 2026
FeasibleCap: 机器人自由捕捉中的实时执行性指导
机构 * Tsinghua University（清华大学）
AI总结 FeasibleCap通过实时执行性指导提升机器人自由捕捉的效率和成功率。
基于约束矩阵扩散的生成神经求解器用于车辆路径问题
机构 * University of Nottingham Ningbo China（诺丁汉大学宁波校区） ； Tongji University（同济大学） ； University of Nottingham（诺丁汉大学） ； Tsinghua University（清华大学）
AI总结 本文提出基于约束矩阵扩散的生成神经求解器，用于解决车辆路径问题，通过融合神经网络框架提升求解性能。
HSC-VLA：分层场景清除用于密集杂乱环境中的鲁棒双臂操作
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学）
AI总结 HSC-VLA 通过分层场景清除方法提升密集杂乱环境中的双臂操作鲁棒性，实现 86.7% 的高成功率。
Dial：一种基于知识的方言特定自然语言到SQL系统
机构 * Tsinghua University（清华大学） ； China Telecom Corporation Ltd. Shanghai Branch（中国电信股份有限公司上海分公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 Dial提出一种基于知识的方言特定自然语言到SQL系统，通过逻辑查询规划、知识库和执行驱动调试提升翻译准确性和方言特征覆盖度。
水下具身智能：一种约束耦合视角下的规划、控制与部署
机构 * Department of Mechanical Engineering, The University of Hong Kong（香港大学机械工程系） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生学院） ； Department of Data and Systems Engineering, The University of Hong Kong（香港大学数据与系统工程系） ； Department of Data Science, New Jersey Institute of Technology（新泽西理工学院数据科学系）
AI总结 本文提出一种约束耦合视角下的水下具身智能方法，探讨了规划、控制与部署中的紧密耦合约束，旨在实现更可靠和可扩展的自主性。
Comments This article is currently under review
CryoNet.Refine: 一种用于利用冷冻电镜密度图约束快速优化结构模型的一步扩散模型
机构 * State Key Laboratory of Membrane Biology, Beijing Frontier Research Center of Biological Structures, Tsinghua-Peking Joint Center for Life Sciences, School of Life Sciences, Tsinghua University, Beijing, China（膜生物学国家重点实验室，北京生物结构前沿研究中心，清华大学-北京大学联合生命科学中心，生命科学学院，清华大学，北京，中国） ； State Key Laboratory of Membrane Biology–Membrane Structure and Artificial Intelligence Biology Branch, Hangzhou, China（膜生物学国家重点实验室——生物结构与人工智能生物学分支，杭州，中国） ； State Key Laboratory of Membrane Biology, Beijing Tsinghua Institute for Frontier Interdisciplinary Innovation, Beijing, China（膜生物学国家重点实验室，北京清华大学前沿交叉创新研究院，北京，中国）
AI总结 CryoNet.Refine通过一步扩散模型实现快速结构模型优化，结合密度感知损失和立体化学约束，提供自动化且高效的冷冻电镜结构精修解决方案。
Comments Published as a conference paper at ICLR 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