高校专区
基于大语言模型的全文语音识别纠错链
机构 * Tencent Ethereal Audio Lab, Tencent, China Center for Speech ； Language Technologies, BNRist, Tsinghua University, China
AI总结 本文提出纠错链（CoC）方法，利用大语言模型逐段纠正全文语音识别错误，通过多轮对话和上下文引导提升纠错效果，实验表明其在纠错性能上优于现有系统。
Comments ICASSP 2026
Interaction2Code: 基于MLLM的交互式网页代码生成基准测试
机构 * The Chinese University of Hong Kong, China（香港中文大学） ； Singapore Management University, Singapore（新加坡管理学院） ； Renmin University of China, China（中国人民大学） ； Tsinghua University, China（清华大学） ； Southwest University, China（西南大学）
AI总结 Interaction2Code提出首个基于MLLM的交互式网页代码生成基准测试，识别MLLM在交互生成中的四个限制并提出四种增强策略。
Comments Published in the Proceedings of the 40th IEEE/ACM International Conference on Automated Software Engineering (ASE 2025)
通过无训练KV缓存压缩实现高效的长周期GUI代理
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 ST-Lite通过无训练的KV缓存压缩方法，提升GUI代理的解码效率，实现2.45倍加速并保持性能优势。
EfficientPosterGen: 通过令牌压缩和准确违规检测的语义感知高效海报生成
机构 * Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Wuhan University（武汉大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Dalian Maritime University（大连海事大学） ； Renmin University of China（中国人民大学）
AI总结 EfficientPosterGen通过语义感知检索、视觉上下文压缩和无代理布局检测技术，实现高效且可靠的学术海报自动生成。
PaperRepro: 社会科学论文的自动化计算可重复性评估
机构 * Shandong University, Zhongguancun Academy, China（山东大学中关村学院） ； Tsinghua University Beijing China（清华大学北京） ； Shandong University Jinan China（山东大学济南） ； Tsinghua University（清华大学） ； Shandong University（山东大学） ； Tsinghua University, Zhongguancun Academy, China（清华大学中关村学院）
AI总结 PaperRepro通过多代理方法提升社会科学论文的自动化可重复性评估，实现性能提升21.9%并推出分层基准
CUDA Agent: 大规模代理强化学习用于高性能CUDA内核生成
机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR）、清华大学） ； SIA-Lab of Tsinghua AIR（清华大学AIR SIA实验室）
AI总结 CUDA Agent通过大规模代理强化学习系统，实现高性能CUDA内核生成，优于现有编译器和大型语言模型。
联合几何与轨迹一致性学习用于一步现实世界超分辨率
机构 * University of Electronic Science（电子科学大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学）
AI总结 GTASR通过引入轨迹对齐和双参考结构校正，解决现实世界超分辨率中的几何解耦和一致性漂移问题，实现高效且高质量的一步生成。
PointCoT: 一种用于显式3D几何推理的多模态基准
机构 * Xi'an Jiaotong University（西安交通大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Institute of Automation, CASIA（中国科学院自动化研究所） ； Taiyuan University of Technology（太原理工大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 PointCoT通过显式链式推理提升3D几何推理能力，提出多模态基准和双流架构，实现对3D点云的高精度理解与推理。
通过真实世界室内游览视频的多模态事件知识增强视觉语言导航
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） ； Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI)（马尔代夫 bin Zayed 大学人工智能学院） ； Hangzhou City University（杭州城市学院）
AI总结 本文提出基于多模态事件知识的视觉语言导航增强方法，通过构建大规模时空知识图谱并结合层次检索机制，提升长视界推理和粗粒度指令处理能力。
RUMAD：强化统一多智能体辩论
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学）
AI总结 RUMAD通过强化学习动态控制通信拓扑，提升多智能体辩论的效率和准确性，实现80%以上的token成本降低和跨域泛化能力。
Comments 13 pages, 3 figures
U-Mind：一种实时光学交互的统一框架
机构 * Tsinghua University（清华大学） ； Meituan（美团）
AI总结 U-Mind 提出了一种统一框架，通过实时生成和多模态联合建模，实现高效且连贯的多模态交互，推动智能对话代理的发展。
Comments Accepted to CVPR 2026
一种差分-in-差分方法用于检测AI生成图像
机构 * Tsinghua University（清华大学） ； The London School of Economics and Political Science（伦敦政治经济学院） ； University of Birmingham（伯明翰大学）
AI总结 本文提出一种基于二阶差分的检测方法，通过减少方差提高AI生成图像的检测准确性。
DAGS-SLAM：通过时空运动概率和不确定性感知调度实现动态感知的3DGS SLAM
机构 * School of Mathematics, Hefei University of Technology（合肥工业大学数学学院） ； School of Software, Tsinghua University（清华大学软件学院） ； School of Computer Science and Technology, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院）
AI总结 DAGS-SLAM通过时空运动概率和不确定性感知调度实现动态感知的3DGS SLAM，提升实时定位与密集重建的鲁棒性与效率。
通过预训练变分桥统一生物分子轨迹生成
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Gaoling School of Artificial intelligence, Renmin University of China（中国人民大学北京学院人工智能学院）
AI总结 本文提出预训练变分桥模型，通过统一训练单结构和配对轨迹数据，提升生物分子轨迹生成的效率和保真度。
Comments The Fourteenth International Conference on Learning Representations (ICLR 2026)
读作人类：通过可并行的近读与略读压缩上下文
机构 * Tsinghua University（清华大学） ； Future Living Lab of Alibaba（阿里巴巴未来生活实验室） ； Northeastern University, China（中国东北大学）
AI总结 RAM通过可并行的近读与略读策略，有效压缩上下文，提升长输入处理效率，实现性能与可解释性的双重优化。
Comments 13 pages,5 figures (Compared with v1, the author affiliations have been corrected.)
RE-PO：一种用于大语言模型对齐的鲁棒增强策略优化通用框架
机构 * IDSS, Massachusetts Institute of Technology（IDSS，麻省理工学院） ； EE, Tsinghua University（电子工程系，清华大学） ； Li Auto Inc.（力汽车公司） ； SIGS, Tsinghua University（系统工程系，清华大学）
AI总结 RE-PO是一种用于大语言模型对齐的鲁棒增强策略优化通用框架，通过期望最大化程序推断标签正确性并自适应加权数据点以减轻噪声，提升对齐效果。
基于扩散的大型语言模型用于语音识别与 deliberation 处理
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） ； University of Cambridge（剑桥大学）
AI总结 本文提出基于扩散的LLaDA模型用于ASR，通过改进解码策略降低WER，展示其在语音识别中的有效性。
Comments Accepted to ICASSP 2026
OM2P：离线多智能体均流策略
机构 * Institute for Interdisciplinary Information Sciences (IIIS), Tsinghua University（交叉信息研究院，清华大学） ； ByteDance Inc.（字节跳动公司）
AI总结 OM2P提出了一种离线多智能体强化学习算法，通过均流匹配损失和奖励感知优化，实现高效动作采样和内存优化，提升训练效率。
分布式网络与能源社区协调运行中的量子学习与估计
机构 * Department of Electrical Engineering, Tsinghua University（清华大学电子工程系） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学深圳校区数据科学学院） ； Department of Earth and Environmental Engineering, Columbia University（哥伦比亚大学地球与环境工程系） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院）
AI总结 本文提出量子学习与估计方法，用于提升分布式网络与能源社区间的协调运行，通过量子特性提升映射精度并减少计算资源消耗。
Comments This is a manuscript published by CSEE Journal of Power and Energy Systems
立体说话者：基于优先级的混合专家引导的音频驱动3D人类合成
机构 * Department of Automation, Tsinghua University（自动化系，清华大学） ； Bytedance Inc.（字节跳动公司） ； State Key Laboratory of Media Convergence and Communication, Communication University of China（媒体融合与传播国家重点实验室，中国传媒大学） ； School of Artificial Intelligence, Beijing Normal University（人工智能学院，北京师范大学）
AI总结 Stereo-Talker通过优先级引导的混合专家机制实现音频驱动的3D人类合成，生成具有精确唇同步和逼真质量的视频。
Journal ref TPAMI 2025
TIGER：用于高效语音分离的时间-频率交织增益提取与重建
机构 * Department of Computer Science and Technology, Institute for AI, BNRist, Tsinghua University（计算机科学与技术系、人工智能研究院、BNRist、清华大学） ； Tsinghua Laboratory of Brain and Intelligence (THBI), IDG/McGovern Institute for Brain Research, Tsinghua University（脑智能实验室（THBI）、IDG/麦克戈文脑科学研究院、清华大学） ； Chinese Institute for Brain Research (CIBR), Beijing（中国脑科学研究院）
AI总结 TIGER通过时间-频率交织增益提取与重建技术，在降低参数和计算成本的同时，实现了超越SOTA模型的语音分离性能。
Comments Accepted by ICLR 2025, demo page: https://cslikai.cn/TIGER/
ColaVLA: 借助认知潜在推理实现自动驾驶中的分层并行轨迹规划
机构 * Tsinghua University（清华大学） ； CUHK MMLab（香港中文大学MMLab） ； Voyager Research, Didi Chuxing（Voyager Research，滴滴出行）
AI总结 ColaVLA通过统一视觉-语言-动作框架，解决自动驾驶中轨迹规划的效率与准确性问题，实现高效、安全的多尺度轨迹生成。
Comments CVPR2026(Main Conference). Project page: https://pqh22.github.io/projects/ColaVLA/index.html
时空令牌剪枝用于高效高分辨率GUI代理
机构 * Tsinghua University（清华大学） ； Xidian University（西安电子科技大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 GUIPruner通过时空令牌剪枝技术，实现高分辨率GUI导航的高效处理，显著提升性能并降低资源消耗。
MM-NeuroOnco: 一种多模态基准和指令数据集用于基于MRI的脑肿瘤诊断
机构 * Guangdong Institute of Intelligence Science and Technology（广东智能科学与技术研究院） ； Center for Brain-Inspired Computing Research (CBICR), Department of Precision Instrument, Tsinghua University（脑启发计算研究中心（CBICR）、精密仪器系，清华大学）
AI总结 MM-NeuroOnco提出一个多模态数据集和基准，用于提升基于MRI的脑肿瘤诊断的多模态推理能力，通过生成诊断相关语义提升模型性能。
MiroFlow：面向通用深度研究任务的高性能和鲁棒开源代理框架
机构 * Tsinghua University（清华大学） ； MiroMind AI ； National University of Singapore（新加坡国立大学） ； Nanjing University（南京大学）
AI总结 MiroFlow是一种面向通用深度研究任务的高性能开源代理框架，通过灵活的工作流编排和深度推理模式提升性能和稳定性。
SceneTransporter: 基于最优传输的组合潜在扩散模型用于单图像结构化3D场景生成
机构 * Xi’an Research Institute of Hi-Tech（西安高新技术研究院） ； Tsinghua University（清华大学） ； SkyWork AI ； Tongji University（同济大学） ； Fudan University（复旦大学） ； Beijing Normal University（北京师范大学）
AI总结 SceneTransporter通过最优传输引导的组合潜在扩散模型，提升单图像结构化3D场景生成的实例连贯性和几何保真度。
Comments published at iclr 2026
TherapyProbe: 通过对抗性模拟生成关系安全设计知识以改进心理健康聊天机器人
机构 * BNRIST, Dept. of CST, Tsinghua University（北京理工大学（Tsinghua大学）） ； Independent Researcher（独立研究者）
AI总结 TherapyProbe通过对抗性模拟生成关系安全设计知识，帮助改进心理健康聊天机器人的交互模式质量。
SCOPE：基于骨架图的计算高效框架用于自主无人机探索
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院）
AI总结 SCOPE通过基于骨架图的高效框架，实现了自主无人机探索中的计算效率提升，减少86.9%的计算成本，同时保持与先进全局规划器相当的探索性能。
Comments This paper has been accepted for publication in the IEEE ROBOTICS AND AUTOMATION LETTERS (RA-L). Please cite the paper using appropriate formats
CoLoGen：渐进式学习概念定位二元性以实现统一图像生成
机构 * Baidu Inc.（百度公司） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 CoLoGen通过渐进式学习概念与定位的二元性，实现统一图像生成的高效表示学习。
Comments Accepted by CVPR2026. 15 pages, 8 figures
空间锚定触觉感知用于鲁棒的灵巧操作
机构 * Sharpa ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） ； Shanghai Qi Zhi Institute（上海启智研究所）
AI总结 SaTA通过空间锚定触觉感知提升灵巧操作的精度和鲁棒性，有效解决亚毫米级任务中的触觉与运动学结合问题。
Comments 8 pages
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