Tsinghua University（清华大学）

SemGS: Feed-Forward Semantic 3D Gaussian Splatting from Sparse Views for Generalizable Scene Understanding

SemGS：从稀疏视图中进行前馈语义3D高斯点云分割以实现可泛化的场景理解

Sheng Ye, Zhen-Hui Dong, Ruoyu Fan, Tian Lv, Yong-Jin Liu

机构 * Department of Computer Science, Tsinghua University（计算机科学系，清华大学） 纠错

AI总结 SemGS通过双分支架构和相机感知注意力机制，从稀疏视图中高效重建可泛化的语义3D场，实现快速推理和广泛适用性。

Comments ICRA 2026

Silent Sabotage During Fine-Tuning: Few-Shot Rationale Poisoning of Compact Medical LLMs

细调过程中的无声破坏：紧凑型医学LLM的少样本推理污染

Jingyuan Xie, Wenjie Wang, Ji Wu, Jiandong Gao

机构 * Department of Electronics Engineering, Tsinghua University, Beijing, China（清华大学电子工程系） ； College of AI, Tsinghua University, Beijing, China（清华大学人工智能学院） ； Beijing National Research Center for Information Science and Technology, Beijing, China（北京信息科学国家研究中心） 纠错

AI总结 本文提出了一种针对医学LLM在细调过程中的推理污染攻击，通过注入污染的推理样本导致模型在特定医学主题上的性能下降，揭示了细调阶段存在的安全风险。

A Benchmark Analysis of Graph and Non-Graph Methods for Caenorhabditis Elegans Neuron Classification

果蝇神经元分类中图方法与非图方法的基准分析

Jingqi Lu, Keqi Han, Yun Wang, Lu Mi, Carl Yang

机构 * Department of Computer Science, Emory University, USA（计算机科学系，埃默里大学，美国） ； Department of Biomedical Informatics, Emory University, USA（生物医学信息学系，埃默里大学，美国） ； College of AI, Tsinghua University, China（人工智能学院，清华大学，中国） 纠错

AI总结 本研究通过比较图方法与非图方法，验证了GNNs在果蝇神经元分类中的有效性，并指出空间和连接特征是关键预测因子。

PreciseCache: Precise Feature Caching for Efficient and High-fidelity Video Generation

PreciseCache: 用于高效且高保真的视频生成的精确特征缓存

Jiangshan Wang, Kang Zhao, Jiayi Guo, Jiayu Wang, Hang Guo, Chenyang Zhu, Xiu Li, Xiangyu Yue

机构 * MMLab, CUHK（香港中文大学MMLab） ； Tsinghua University（清华大学） ； Tongyi Lab, Alibaba（阿里巴巴通义实验室） 纠错

AI总结 PreciseCache通过精确检测和跳过冗余计算，实现视频生成的高效且高质量推理。

Comments ICLR 2026

Discrete Solution Operator Learning for Geometry-Dependent PDEs

几何依赖偏微分方程的离散解算子学习

Jinshuai Bai, Haolin Li, Zahra Sharif Khodaei, M. H. Aliabadi, YuanTong Gu, Xi-Qiao Feng

机构 * Institute of Biomechanics and Medical Engineering Applied Mechanics Laboratory (AML) Tsinghua University（生物力学与医学工程研究所应用力学实验室（AML）清华大学） ； Department of Aeronautics Imperial College London（航空航天系帝国理工学院伦敦） ； School of Mechanical, Medical, and Process Engineering Queensland University of Technology（机械、医学与工艺工程学院昆士兰理工大学） 纠错

AI总结 DiSOL通过学习离散求解过程来处理几何依赖的偏微分方程，实现稳定且准确的预测。

Comments 15 pages main text, 42 pages SI

Cache-to-Cache: Direct Semantic Communication Between Large Language Models

缓存到缓存：大型语言模型之间的直接语义通信

Tianyu Fu, Zihan Min, Hanling Zhang, Jichao Yan, Guohao Dai, Wanli Ouyang, Yu Wang

机构 * Tsinghua University（清华大学） ； Infinigence AI ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； SLAI ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 缓存到缓存通过直接语义通信提升大型语言模型的性能和效率，实现比文本通信更高的准确率和更低的延迟。

Comments Published in ICLR'26

Network Topology Optimization via Deep Reinforcement Learning

通过深度强化学习进行网络拓扑优化

Zhuoran Li, Xing Wang, Ling Pan, Lin Zhu, Zhendong Wang, Junlan Feng, Chao Deng, Longbo Huang

机构 * IIIS, Tsinghua University（清华大学信息科学与技术学院） ； China Mobile Research Institute（中国移动研究院） 纠错

AI总结 本文提出DRL-GS算法，通过深度强化学习优化网络拓扑，提升效率与性能。

SageBwd: A Trainable Low-bit Attention

SageBwd: 一种可训练的低比特注意力

Jintao Zhang, Marco Chen, Haoxu Wang, Kai Jiang, Ion Stoica, Joseph E. Gonzalez, Jianfei Chen, Jun Zhu

机构 * Tsinghua University（清华大学） ； UC Berkeley（伯克利大学） 纠错

AI总结 SageBwd通过降低比特数实现高效的注意力机制，通过理论分析和实验发现QK-范数和K-平滑对训练稳定性至关重要，从而在预训练中实现与全精度注意力的性能匹配。

MAP-Diff: Multi-Anchor Guided Diffusion for Progressive 3D Whole-Body Low-Dose PET Denoising

MAP-Diff: 多锚点引导的扩散模型用于渐进式三维全身低剂量PET去噪

Peiyuan Jing, Chun-Wun Cheng, Liutao Yang, Zhenxuan Zhang, Thiago V. Lima, Klaus Strobel, Antoine Leimgruber, Angelica Aviles-Rivero, Guang Yang, Javier A. Montoya-Zegarra

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 纠错

AI总结 MAP-Diff通过多锚点引导的扩散模型实现低剂量PET图像的渐进式去噪，提升PSNR和SSIM，降低NMAE，优于多种基线方法。

Comments 8 pages, 3 figures

Learn-to-Distance: Distance Learning for Detecting LLM-Generated Text

学以致用：用于检测LLM生成文本的距离学习

Hongyi Zhou, Jin Zhu, Kai Ye, Ying Yang, Erhan Xu, Chengchun Shi

机构 * Tsinghua University（清华大学） ； University of Birmingham（伯明翰大学） ； London School of Economics and Political Science（伦敦政治经济学院） 纠错

AI总结 本文提出了一种自适应学习的距离方法，用于更有效地检测LLM生成的文本，通过几何方法揭示了重写检测算法的原理，并在多种LLM上实现了显著的性能提升。

Comments Accepted by ICLR2026

StockBench: Can LLM Agents Trade Stocks Profitably In Real-world Markets?

StockBench: LLM代理在真实市场中能否盈利地进行股票交易？

Yanxu Chen, Zijun Yao, Yantao Liu, Amy Xin, Jin Ye, Jianing Yu, Lei Hou, Juanzi Li

机构 * Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 STOCKBENCH评估LLM在真实股票市场中的交易能力，发现多数模型难以超越简单买入持有策略，部分模型展现出更高的收益和风险管理潜力。

What Papers Don't Tell You: Recovering Tacit Knowledge for Automated Paper Reproduction

论文未告诉你什么：为自动化论文复现恢复隐性知识

Lehui Li, Ruining Wang, Haochen Song, Yaoxin Mao, Tong Zhang, Yuyao Wang, Jiayi Fan, Yitong Zhang, Jieping Ye, Chengqi Zhang, Yongshun Gong

机构 * School of Software, Shandong University China ； Beijing Institute of Technology China ； Zhejiang University China ； Dept.\ of Math \& Statistics, Boston University USA ； College of AI, Tsinghua University China ； Alibaba Group China ； The Hong Kong Polytechnic University Hong Kong SAR, China ； School of Software, Shandong University ； Beijing Institute of Technology ； Zhejiang University ； Dept.\ of Math \& Statistics, Boston University ； College of AI, Tsinghua University ； Alibaba Group ； The Hong Kong Polytechnic University 纠错

AI总结 本文提出一种基于图的智能体框架，通过恢复关系型、身体型和集体型隐性知识，提升自动化论文复现性能。

Comments 32 pages (+ appendix), 8 figures. Lehui Li and Ruining Wang contributed equally. Yongshun Gong is the corresponding author

DriveCombo: Benchmarking Compositional Traffic Rule Reasoning in Autonomous Driving

DriveCombo：自主驾驶中组合交通规则推理的基准测试

Enhui Ma, Jiahuan Zhang, Guantian Zheng, Tao Tang, Shengbo Eben Li, Yuhang Lu, Xia Zhou, Xueyang Zhang, Yifei Zhan, Kun Zhan, Zhihui Hao, Xianpeng Lang, Kaicheng Yu

机构 * Autolab, Westlake University（西lake大学自动化实验室） ； Li Auto Inc（Li Auto公司） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 DriveCombo提出了一种基于文本和视觉的基准，用于评估自动驾驶中复杂交通规则的推理能力，通过五级认知阶梯和Rule2Scene代理提升模型在多规则冲突场景下的性能。

TQCodec: Towards neural audio codec for high-fidelity music streaming

TQCodec：面向高质量音乐流媒体的神经音频编解码器

Lixing He, Zhouxuan Chen, Mingshuai Liu, Xinran Sun, Wucheng Wang, Minfu Li, Lingcheng Kong, Weifeng Zhao, Wenjiang Zhou

机构 * Tencent Music Entertainment（腾讯音乐娱乐） ； The Chinese University of Hong Kong（香港中文大学） ； Southeast University（东南大学） ； Tsinghua University（清华大学） 纠错

AI总结 TQCodec是一种针对高质量音乐流媒体设计的神经音频编解码器，通过改进的网络架构和感知驱动的比特分配策略，在高比特率下实现卓越的音频质量。

Investigating Group Relative Policy Optimization for Diffusion Transformer based Text-to-Audio Generation

探究基于扩散变压器的文本到音频生成中的群体相对策略优化

Yi Gu, Yanqing Liu, Chen Yang, Sheng Zhao

机构 * Tsinghua University（清华大学） ； Microsoft（微软） 纠错

AI总结 本文基于扩散变压器架构，利用群体相对策略优化提升文本到音频生成的保真度和提示遵循性。

Boosting AI Reliability with an FSM-Driven Streaming Inference Pipeline: An Industrial Case

通过FSM驱动的流式推理管道提升AI可靠性：一个工业案例

Yutian Zhang, Zhongyi Pei, Yi Mao, Chen Wang, Lin Liu, Jianmin Wang

机构 * School of Software, BNRist, Tsinghua University, China（软件学院、BNRist、清华大学、中国） ； Tianyi Technology Co., Ltd, China（天翼科技有限公司、中国） 纠错

AI总结 本文提出一种基于FSM驱动的流式推理管道，通过整合先验知识提升AI在工业场景中的鲁棒性和预测准确性。

Comments Preprint. The work was done in 2024

FATE: Closed-Loop Feasibility-Aware Task Generation with Active Repair for Physically Grounded Robotic Curricula

FATE: 闭环可行性感知任务生成与主动修复的物理 grounded 机器人课程

Bingchuan Wei, Bingqi Huang, Jingheng Ma, Zeyu zhang, Sen Cui

机构 * School of Aerospace Engineering, Tsinghua University, Beijing, China（航空航天工程系，清华大学，北京，中国） ； Department of Automation, Tsinghua University, Beijing, China（自动化系，清华大学，北京，中国） ； School of Integrated Circuits, Tsinghua University, Beijing, China（集成电路学院，清华大学，北京，中国） ； State Key Laboratory of General Artificial Intelligence, Beijing Institute for General Artificial Intelligence (BIGAI), Beijing, China（通用人工智能国家重点实验室，北京通用人工智能研究院（BIGAI），北京，中国） 纠错

AI总结 FATE通过闭环验证与主动修复机制，生成物理 grounded 的机器人任务课程，有效减少执行失败率。

Comments 16 Pages, 4 Figures

VidDoS: Universal Denial-of-Service Attack on Video-based Large Language Models

VidDoS：针对基于视频的大语言模型的通用拒绝服务攻击

Duoxun Tang, Dasen Dai, Jiyao Wang, Xiao Yang, Jianyu Wang, Siqi Cai

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； The Chinese University of Hong Kong, Hong Kong SAR（香港中文大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学深圳研究院） ； Shenzhen Loop Area Institute, China（深圳环园院） ； McGill University（麦吉尔大学） ； The Hong Kong University of Science and Technology, Guangzhou（香港科学与技术大学） 纠错

AI总结 VidDoS是一种针对视频大语言模型的通用拒绝服务攻击方法，通过通用优化生成实例无关的触发器，导致模型推理延迟和token扩展显著增加，引发安全问题。

Egocentric Co-Pilot: Web-Native Smart-Glasses Agents for Assistive Egocentric AI

第一人称共驾：面向辅助第一人称AI的网页原生智能眼镜代理

Sicheng Yang, Yukai Huang, Weitong Cai, Shitong Sun, Fengyi Fang, You He, Yiqiao Xie, Jiankang Deng, Hang Zhang, Jifei Song, Zhensong Zhang

机构 * Shenzhen International Graduate School Tsinghua University Shenzhen China（深圳国际研究生院清华大学深圳中国） ； Independent Researcher London United Kingdom（独立研究者伦敦英国） ； Queen Mary University of London London United Kingdom（女王玛丽大学伦敦英国） ； Imperial College London London United Kingdom（帝国理工学院伦敦英国） ； University Of Surrey Guildford United Kingdom（Surrey大学Guildford英国） 纠错

AI总结 Egocentric Co-Pilot通过网页原生智能眼镜代理实现第一人称AI的持续辅助，结合神经符号框架和多模态意图层，展示了在日常生活中提升可及性和情境感知的实用路径。

Comments 14 pages, 6 figures, WWW 2026

Unleashing VLA Potentials in Autonomous Driving via Explicit Learning from Failures

通过从失败中显式学习解锁VLA在自动驾驶中的潜力

Yuechen Luo, Qimao Chen, Fang Li, Shaoqing Xu, Jaxin Liu, Ziying Song, Zhi-xin Yang, Fuxi Wen

机构 * Tsinghua University（清华大学） ； University of Macau（澳门大学） ； Beijing Jiaotong University（北京交通大学） 纠错

AI总结 本文提出ELF-VLA框架，通过显式学习失败来提升自动驾驶中VLA模型的性能，实现关键场景的解决并取得SOTA效果。

Combinatorial Bandit Bayesian Optimization for Tensor Outputs

张量输出的组合带状贝叶斯优化

Jingru Huang, Haijie Xu, Jie Guo, Manrui Jiang, Chen Zhang

机构 * Department of Industrial Engineering, Tsinghua University, Beijing 100084, China（清华大学工业工程系） ； College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China（南京航空航天大学经济管理学院） 纠错

AI总结 本文提出了一种针对张量输出的组合带状贝叶斯优化方法，通过引入张量输出高斯过程和UCB获取函数，有效处理部分观测的张量输出问题，并建立了理论遗憾界。

LSPRAG: LSP-Guided RAG for Language-Agnostic Real-Time Unit Test Generation

LSPRAG: 语言无关的实时单元测试生成中的LSP引导RAG

Gwihwan Go, Quan Zhang, Chijin Zhou, Zhao Wei, Yu Jiang

机构 * Tsinghua University（清华大学） ； East China Normal University（华东师范大学） ； Tencent（腾讯） 纠错

AI总结 LSPRAG通过利用语言服务器协议实现实时语言无关单元测试生成，显著提高了测试覆盖率。

Comments 13pages, 6 figures

Seeing Across Views: Benchmarking Spatial Reasoning of Vision-Language Models in Robotic Scenes

跨视角视觉：评估视觉-语言模型在机器人场景中的空间推理能力

Zhiyuan Feng, Zhaolu Kang, Qijie Wang, Zhiying Du, Jiongrui Yan, Shubin Shi, Chengbo Yuan, Huizhi Liang, Yu Deng, Qixiu Li, Rushuai Yang, Arctanx An, Leqi Zheng, Weijie Wang, Shawn Chen, Sicheng Xu, Yaobo Liang, Jiaolong Yang, Baining Guo

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院） ； Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang University（浙江大学） 纠错

AI总结 本文提出MV-RoboBench基准，评估视觉-语言模型在机器人场景中的多视角空间推理能力，揭示其在多视角机器人感知中的挑战。

Comments Accepted to ICLR 2026. Camera-ready version. Project page: https://aaronfengzy.github.io/MV-RoboBench-Webpage/

Journal ref International Conference on Learning Representations (ICLR), 2026

Fly-CL: A Fly-Inspired Framework for Enhancing Efficient Decorrelation and Reduced Training Time in Pre-trained Model-based Continual Representation Learning

Fly-CL: 一种受飞虫嗅觉电路启发的框架，用于提升预训练模型连续表示学习中的高效去相关性和减少训练时间

Heming Zou, Yunliang Zang, Wutong Xu, Xiangyang Ji

机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Academy of Medical Engineering and Translational Medicine, Tianjin University（天津大学医学工程与转化医学学院） 纠错

AI总结 Fly-CL通过生物启发设计提升预训练模型连续学习效率，减少训练时间并保持高性能。

Comments ICLR 2026 accepted paper

Latent Diffusion Model without Variational Autoencoder

无变分自编码器的潜在扩散模型

Minglei Shi, Haolin Wang, Wenzhao Zheng, Ziyang Yuan, Xiaoshi Wu, Xintao Wang, Pengfei Wan, Jie Zhou, Jiwen Lu

机构 * Department of Automation, Tsinghua University（自动化系，清华大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） 纠错

AI总结 SVG提出了一种无需变分自编码器的潜在扩散模型，通过自监督表示提升视觉生成的效率和质量。

Comments Accepted by ICLR 2026

DA-MMP: Learning Coordinated and Accurate Throwing with Dynamics-Aware Motion Manifold Primitives

DA-MMP：学习协调且准确的投掷动作：动态感知的运动流形原语

Chi Chu, Huazhe Xu

机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） 纠错

AI总结 DA-MMP通过动态感知的运动流形原语，实现了高协调性投掷动作的生成，优于人类专家并能推广至新目标。

Comments Accepted to ICRA 2026. Project page: https://cc299792458.github.io/da-mmp/

VLA-Reasoner: Empowering Vision-Language-Action Models with Reasoning via Online Monte Carlo Tree Search

VLA-Reasoner: 通过在线蒙特卡洛树搜索增强视觉-语言-动作模型的推理能力

Wenkai Guo, Guanxing Lu, Haoyuan Deng, Zhenyu Wu, Yansong Tang, Ziwei Wang

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Intelligent Engineering and Automation, Beijing University of Posts and Telecommunications（北京邮电大学智能工程与自动化学院） 纠错

AI总结 VLA-Reasoner通过在线蒙特卡洛树搜索增强视觉-语言-动作模型，提升长时间轨迹任务的推理能力与执行效率。

Comments 8 pages, 6 figures, Accepted by ICRA 2026

PMark: Towards Robust and Distortion-free Semantic-level Watermarking with Channel Constraints

PMark: 向鲁棒且无失真语义级水印技术迈进：在通道约束下

Jiahao Huo, Shuliang Liu, Bin Wang, Junyan Zhang, Yibo Yan, Aiwei Liu, Xuming Hu, Mingxun Zhou

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） 纠错

AI总结 PMark通过代理函数框架实现鲁棒且无失真的语义级水印技术，提升对改写攻击的鲁棒性并优化采样效率。

Comments ICLR 2026 Poster

OJBench: A Competition Level Code Benchmark For Large Language Models

OJBench: 一个面向大语言模型的竞赛级代码基准

Zhexu Wang, Yiping Liu, Yejie Wang, Wenyang He, Bofei Gao, Muxi Diao, Yanxu Chen, Kelin Fu, Flood Sung, Zhilin Yang, Tianyu Liu, Weiran Xu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） ； Moonshot AI 纠错

AI总结 OJBench是一个用于评估大语言模型竞赛级代码推理能力的基准，通过232个编程竞赛问题揭示了现有模型在复杂推理任务中的局限性。

Comments 9 pages, 5 figures

CityLens: Evaluating Large Vision-Language Models for Urban Socioeconomic Sensing

CityLens：评估大型视觉-语言模型用于城市社会经济感知

Tianhui Liu, Hetian Pang, Xin Zhang, Tianjian Ouyang, Zhiyuan Zhang, Jie Feng, Yong Li, Pan Hui

机构 * Information Hub, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）信息中心） ； Department of Electronic Engineering, BNRist, Tsinghua University（清华大学电子工程系） ； School of Electronic and Information Engineering, Beijing Jiaotong University（北京交通大学电子与信息工程学院） 纠错

AI总结 CityLens通过评估大型视觉-语言模型在城市社会经济指标预测中的表现，揭示了其在可持续城市发展中的潜力与局限性。

Comments Accepted by ICLR 2026