高校专区
为何不可学习的例子有效：互信息的新视角
机构 * State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（数学科学国家重点实验室，数学与系统科学研究院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； College of AI, Tsinghua University（清华大学人工智能学院） ； Shanghai Qi Zhi Institute（上海启智研究院）
AI总结 本文提出了一种基于互信息减少的不可学习方法，通过减少类内特征协方差来有效阻碍深度学习模型的泛化能力。
Comments 32 pages, ICLR 2026
MAGE：面向战略探索与利用的语言智能体元强化学习
机构 * Tsinghua University（清华大学）
AI总结 MAGE通过元强化学习框架提升语言智能体在战略探索与利用中的性能，结合多回合训练与种群训练技术实现稳定学习和泛化能力。
视差对齐所有内容：一种用于分布式多视图图像压缩的 OmniParallax 注意机制
机构 * The National Engineering Laboratory for Video Technology, School of Computer Science, Peking University（国家视频技术工程实验室，计算机科学学院，北京大学） ； Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学）
AI总结 ParaHydra通过OmniParallax注意机制和多信息融合模块，实现了分布式多视图图像压缩的高效编码与解码，显著提升压缩效率并降低计算开销
Comments Accepted by CVPR 2026
ProSMA-UNet：解码器条件下的近邻稀疏跳连特征选择
机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge, UK（应用数学与理论物理系，剑桥大学） ； School of Engineering, Zurich University of Applied Sciences, CH（工程学院，应用科学大学 Zurich） ； Bioengineering Department and ImperialX, Imperial College London, UK（生物工程系和ImperialX，伦敦帝国学院） ； Lucerne University Teaching and Research Hospital, CH（卢塞恩大学教学与研究医院） ； Yau Mathematical Sciences Center, Tsinghua University, China（尤金数学科学中心，清华大学）
AI总结 ProSMA-UNet通过解码器条件稀疏跳连特征选择提升医学图像分割性能，尤其在3D任务中表现突出。
VideoChat-M1: 通过多智能体强化学习实现视频理解的协作策略规划
机构 * Shenzhen Key Lab of Computer Vision and Pattern Recognition（深圳计算机视觉与模式识别重点实验室） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； VIVO AI Lab（VIVO人工智能实验室） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shenzhen Campus of Sun Yat-sen University（孙逸仙大学深圳校区） ； Shanghai Jiao Tong University（上海交通大学） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； 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）
AI总结 VideoChat-M1通过多智能体强化学习实现视频理解的协作策略规划，显著提升复杂视频任务的性能。
Comments Accepted by CVPR 2026
通过纹理引导的高斯-网格联合优化改进多视图重建
机构 * SIGS, Tsinghua University（清华大学信息科学与技术学院） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出一种通过纹理引导的高斯-网格联合优化方法，实现多视图重建中几何与外观的统一优化，提升3D重建质量以支持后续编辑任务。
Comments 10 pages, correct errors, clarify details, accepted to 3DV 2026
Kaleido：开源多主体参考视频生成模型
机构 * Hefei University of Technology（合肥工业大学） ； Tsinghua University（清华大学） ； Zhipu AI（智谱AI）
AI总结 Kaleido通过改进的数据构建和参考旋转位置编码，提升了多主体参考视频生成的一致性、保真度和泛化能力。
Comments 21 pages, 7 figures
基于MLLM的网页理解基准测试：推理、鲁棒性与安全性
机构 * Dalian Maritime University（大连海事大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Xi'an Jiaotong University（西安交通大学） ； Renmin University of China（中国人民大学） ； Wuhan University（武汉大学）
AI总结 本文提出WebRRSBench基准测试，评估多模态大语言模型在网页理解中的推理、鲁棒性和安全性能力，揭示模型在复杂交互任务中的不足。
当相关性与新颖性交汇：为偶然推荐的双稳定周期优化
机构 * Tsinghua University（清华大学）
AI总结 本文提出CoEA方法，通过双稳定周期优化解决推荐系统中相关性与新颖性的平衡问题，提升偶然推荐效果。
通过一阶逻辑规则增强的大语言模型进行法律判决预测
机构 * College of Computer Science and Technology, National University of Defense and Technology（国防科技大学计算机科学与技术学院） ； College of Electronic Engineering, National University of Defense Technology（国防科技大学电子工程学院） ； School of Data and Computer Science, Shandong Women’s University（山东女子大学数据与计算机科学学院） ； Institute for Artificial Intelligence, Tsinghua University（清华大学人工智能研究院）
AI总结 本文提出基于一阶逻辑和对比学习的规则增强方法，通过三阶段流程提升法律判决预测的适应性和准确性。
隐式U-KAN2.0：动态、高效且可解释的医学图像分割
机构 * Department of Applied Mathematics and Theoretical Physics, University of Cambridge, UK（应用数学与理论物理系，剑桥大学） ； Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign, USA（计算与数据科学学院，伊利诺伊大学厄巴纳-香槟分校） ； Zurich University of Applied Sciences, Switzerland（苏黎世应用科学大学） ； Lucerne Cantonal Hospital, Switzerland（卢塞恩州立医院） ； Lucerne University of Applied Sciences and Arts, Switzerland（卢塞恩应用科学与艺术大学） ； Yau Mathematical Sciences Center, Tsinghua University, China（尤太数学科学中心，清华大学）
AI总结 隐式U-KAN2.0通过结合MultiKAN和二次NODEs，提升了医学图像分割的可解释性和效率，同时降低了计算成本。
Comments Accepted in MICCAI 2025
FSMLP: 基于简单理论的多层感知机在频域中建模通道依赖性
机构 * Communication University of China（通信大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 FSMLP通过引入简单体MLP层，有效缓解时间序列预测中通道依赖的过拟合问题，提升预测精度与效率。
离线到在线多智能体强化学习：结合离线价值函数记忆与序列探索
机构 * IIIS, Tsinghua University（清华大学人工智能研究院）
AI总结 OVMSE通过离线价值函数记忆和序列探索策略，在多智能体强化学习中提升样本效率和性能。
Comments Include detailed hyperparameter configurations
迈向自适应鲁棒大语言模型：通过CoIPO实现内在提示噪声抵抗力
机构 * Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Meituan LongCat Interaction Team（美团LongCat交互团队） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出CoIPO方法，通过对比学习提升大语言模型对提示噪声的内在鲁棒性，实验表明其在NoisyPromptBench上表现优于现有方法。
PlugMem: 一种通用插件记忆模块用于LLM代理
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） ； Microsoft Research（微软研究院）
AI总结 PlugMem是一种通用记忆模块，通过知识中心的记忆图结构提升LLM代理在复杂任务中的记忆检索与推理能力。
基于3D小波的结构先验用于控制扩散的全身体低剂量PET去噪
机构 * School of Engineering, Zurich University of Applied Sciences, CH ； Bioengineering Department ； Imperial-X, Imperial College London, UK ； DAMTP, University of Cambridge, UK ； Lucerne University Teaching ； Research Hospital, CH ； Lung Institute, Imperial College London, UK ； Cardiovascular Research Centre, Royal Brompton Hospital, UK ； School of Biomedical Engineering \& Imaging Sciences, King's College London, UK ； Yau Mathematical Sciences Center, Tsinghua University, CN
AI总结 WCC-Net通过引入3D小波结构先验，提升低剂量PET去噪效果，实现更稳定的解剖结构与噪声分离。
Comments 10 pages
上下文化隐私防御用于大语言模型代理
机构 * Tsinghua University（清华大学） ； Stanford University（斯坦福大学） ； Microsoft（微软）
AI总结 本文提出上下文化防御指导（CDI），通过强化学习优化框架，在大语言模型代理执行中主动塑造隐私保护与有用性之间的平衡。
Comments 25 pages
通过基础模型合成与小波域注意力改进异常检测
机构 * organization= School of Aeronautics ； Astronautics , addressline= Zhejiang University , city= Hangzhou , postcode= 310027 , country= China ； organization= School of Computer Science ； organization= Ningbo Innovation Center , addressline= Zhejiang University , city= Ningbo , country= China ； organization= Department of Automation , addressline= Tsinghua University , city= Beijing , postcode= 100084 , country= China ； organization= College of Information Science \& Electronic Engineering , addressline= Zhejiang University , city= Hangzhou , postcode= 310027 , country= China
AI总结 本文提出基于基础模型的异常合成方法和小波域注意力模块，通过生成逼真异常样本和增强特征提取，提升工业异常检测的灵敏度和效率。
基于指南的证据积累用于高风险代理验证
机构 * Tsinghua University（清华大学） ； University of Cambridge（剑桥大学） ； Thomson Reuters Foundational Research（汤姆森路透基础研究）
AI总结 GLEAN通过基于指南的证据积累框架，提升高风险代理决策的验证可靠性，实验显示其在AUROC和Brier分数减少方面均优于基线方法。
OnlineX: 一种基于主动到稳定状态演化的统一在线3D重建与理解方法
机构 * Tsinghua University（清华大学）
AI总结 OnlineX通过解耦主动到稳定状态演化范式，实现基于流式图像的统一在线3D重建与理解，提升重建质量和实时推理效率。
Comments Accepted by CVPR Finding 2026 (Project page: https://xiac20.github.io/OnlineX/)
SimRecon: 从真实视频中实现模拟准备的组合场景重建
机构 * Tsinghua University（清华大学） ； Galbot Project（Galbot项目）
AI总结 SimRecon通过引入主动视角优化和场景图合成器，解决了从真实视频中重建复杂场景时的视觉和物理真实性问题，实现了感知-生成-模拟的全流程流水线。
Comments Accepted by CVPR 2026 (Project page: https://xiac20.github.io/SimRecon/ )
ShiftLUT: 基于空间位移增强的查找表用于高效的图像修复
机构 * Tsinghua University（清华大学） ； Kuaishou Technology（快手科技）
AI总结 ShiftLUT通过引入可学习空间位移模块和不对称双分支架构，实现了更大的感受野和更高的修复效率，同时保持低存储和计算开销。
Comments Accepted to CVPR 2026
OptMerge: 通过模型融合统一多模态大语言模型的能力与模态
机构 * Tsinghua University（清华大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Sun Yat-sen University（中山大学） ； Nanyang Technological University（南洋理工大学）
AI总结 OptMerge通过模型融合统一多模态大语言模型的能力与模态，提出基准和算法提升性能2.48%
六条拥抱准则：一种具有视觉和触觉感知的人形拥抱机器人的设计与评估
机构 * Institute for Clarity in Documentation（文档清晰研究所） ； Inria Paris-Rocquencourt（巴黎-罗quentourt研究所） ； Rajiv Gandhi University（拉贾·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒实验室）
AI总结 本文提出六条准则设计并评估了一种具有视觉和触觉感知的人形拥抱机器人，通过实验验证了其在提升用户感知和拥抱体验方面的有效性。
Comments 9 pages, 6 Figures, 2 Tables, ACM/IEEE Human-Robot Interaction (HRI) Conference 2021
图GRPO：通过群体相对策略优化稳定多智能体拓扑学习
机构 * Tsinghua University（清华大学） ； Donghua University（东华大学）
AI总结 图GRPO通过群体相对策略优化稳定多智能体拓扑学习，提升训练稳定性并识别关键通信路径。
可信治理：在弱真相信号下的一种社会机制，用于集体自我校正
机构 * School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） ； Tsinghua University（清华大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI）
AI总结 可信治理通过动态可信度评分和可信度加权背书，提升集体自我校正能力，减少虚假信息影响。
通过可解释的基模预测器广义加性模型检测结构性心脏病
机构 * Department of Information Center, Fuwai Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（信息中心部门，阜外医院，中国医学科学院和北京协和医学院） ； The Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； National Clinical Research Center for Cardiovascular Diseases, Fuwai Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College（心血管疾病临床医学研究中心，阜外医院，中国医学科学院和北京协和医学院）
AI总结 本文提出基于广义加性模型的可解释框架，通过整合ECG基模预测器，提升SHD检测性能并增强临床可解释性。
通过拉格朗日引导的流匹配实现实时生成策略用于自动驾驶
机构 * School of Vehicle and Mobility, Tsinghua University（车辆与移动系统学院，清华大学） ； College of Artificial Intelligence, Tsinghua University（人工智能学院，清华大学）
AI总结 DACER-F通过流匹配实现实时生成策略，提升自动驾驶中的决策效率与性能。
EdgeFLow: 通过边缘网络中的顺序模型迁移实现无服务器联邦学习
机构 * Dept. of Electronic Engineering, BNRist, Tsinghua University（电子工程系，北京理工大学，清华大学）
AI总结 EdgeFLow通过边缘网络中的顺序模型迁移，实现无服务器联邦学习，减少通信开销并提升学习效率。
从视觉基础模型中实现可泛化的知识蒸馏用于语义分割
机构 * School of Artificial Intelligence, Xidian University, China（西安电子科技大学人工智能学院） ； Department of Information Engineering and Computer Science, University of Trento, Italy（特伦托大学信息工程与计算机科学系） ； Department of Automation, Tsinghua University, China（清华大学自动化系） ； School of Computer Science and Information Engineering, Hefei University of Technology, China（合肥工业大学计算机科学与信息工程学院）
AI总结 本文提出GKD方法，通过多阶段框架提升视觉基础模型在语义分割中的领域外泛化能力，实验显示其在基础到基础和基础到局部蒸馏中均取得显著优势。
Comments Accepted by CVPR2026
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