高校专区
G4Splat：基于生成先验的几何引导高斯点云法
机构 * Tsinghua University（清华大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； BIGAI ； Peking University（北京大学）
AI总结 G4Splat通过几何引导的生成先验提升3D场景重建，有效解决多视角不一致性问题，实现高质量场景补全。
Comments ICLR'26. Project page: https://dali-jack.github.io/g4splat-web/
通过分层共自博弈强化学习掌握多无人机 volleyball
机构 * Tsinghua University（清华大学）
AI总结 本文提出分层共自博弈强化学习框架，通过三阶段训练流水线实现多无人机volleyball任务的高水平战略协调与低水平敏捷控制，实验显示其在胜率和团队行为涌现方面的优越性能。
Comments Accepted by CoRL 2025
VolleyBots: 多无人机乒乓球竞技测试平台，结合运动控制与战略博弈
机构 * Tsinghua University（清华大学）
AI总结 VolleyBots通过结合运动控制与战略博弈，测试多无人机乒乓球竞技，展示了强化学习在复杂任务中的应用与潜力。
Comments Accepted by NeurIPS 2025
ContextRL: 通过上下文增强强化学习提升大语言模型的知识发现效率
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Chinese Academy of Sciences（中国科学院） ； Tsinghua University（清华大学）
AI总结 ContextRL通过上下文增强强化学习提升大语言模型的知识发现效率，有效缓解奖励黑客问题并提升性能。
Comments 14 pages, 5 figures
基于拓扑信息的AI基础模型实现全球河流预报
机构 * College of Water Sciences, Beijing Normal University, Beijing, China（北京师范大学水科学学院） ； School of Geography and the Environment, University of Oxford, Oxford, UK（牛津大学地理与环境学院） ； Department of Transdisciplinary Science and Engineering, Institute of Science Tokyo, Tokyo, Japan（东京科学研究所跨学科科学与工程系） ； School of Systems Science, Beijing Normal University, Beijing, China（北京师范大学系统科学学院） ； Institute of Industrial Science, University of Tokyo, Tokyo, Japan（东京大学工业科学研究所） ； China Institute of Water Resources and Hydropower Research, Beijing, China（中国水利水电科学研究院） ； State Key Laboratory of Hydro-Science and Engineering, Department of Hydraulic Engineering, Tsinghua University, Beijing, China（清华大学水利科学与工程国家重点实验室） ； School of Artificial Intelligence, Beijing Normal University, Beijing, China（北京师范大学人工智能学院） ； School of Water Resources and Hydropower Engineering, Wuhan University, Wuhan, China（武汉大学水利水电学院）
AI总结 GraphRiverCast通过拓扑信息和物理对齐的神经操作符架构，实现了全球河流系统的系统性水动力模拟，无需历史数据即可进行稳健预测。
Comments 26 pages, 5 figures, 3 extended data tables, 3 extended data figures
FIRE：财务智能与推理评估的综合基准
机构 * Du Xiaoman Technology（杜小曼科技） ； The PBC School of Finance, Tsinghua University（清华大学金融学院） ； The School of Finance, Renmin University of China（中国人民大学金融学院）
AI总结 FIRE基准通过理论金融知识和实际商业场景评估，全面测试大语言模型在金融领域的表现与能力。
LeanCat：Lean中的形式范畴论基准测试套件（第一部分：1-范畴）
机构 * Yau Mathematical Sciences Center, Tsinghua University（清华大学尤洋数学科学中心） ； Iluvatar CoreX ； Department of Mathematics, Southern University of Science and Technology（南方科技大学数学系） ； Westlake Institute for Advanced Study, Westlake University（西湖研究学院） ； Qiuzhen College, Tsinghua University（清华大学齐臻学院） ； Department of Physics, The Chinese University of Hong Kong（香港中文大学物理系） ； Yanqi Lake Beijing Institute of Mathematical Sciences and Applications (BIMSA)（燕琦湖北京应用数学研究所（BIMSA））
AI总结 LeanCat通过100个形式化范畴论任务测试模型的抽象能力，揭示了现有模型在组合泛化上的不足，提出LeanBridge通过迭代优化提升性能至24%。
Comments 22 pages, 9 figures, 5 tables
当AI写作时，谁的声音仍保留？量化世界英语变体中大型语言模型的文化标记消失
机构 * Independent Researcher（独立研究者） ； BNRIST, Dept. of CST, Tsinghua University（BNRIST计算机科学与技术系，清华大学）
AI总结 研究揭示大型语言模型在处理不同英语变体时对文化标记的系统性消除现象，并提出量化指标与改进方法。
DualWeaver: 用于基于单变量时间序列基础模型的多变量预测的协同特征编织替代方案
机构 * School of Software, BNRist, Tsinghua University（软件学院，北京理工大学，清华大学） ； Tencent（腾讯）
AI总结 DualWeaver通过结构对称的替代序列提升多变量预测的准确性和稳定性，利用共享特征融合模块和无参数解码实现高效预测。
Comments 16 pages. Preprint
定向序扩散正则化用于进展感知的糖尿病视网膜病变分级
机构 * Zhejiang Key Laboratory of Accessible Perception and Intelligent Systems（浙江可感知系统重点实验室） ； College of Computer Science and Technology（计算机科学与技术学院） ； Hangzhou Pujian Medical Technology Co., Ltd（杭州普健医疗科技有限公司） ； Hangzhou Dianzi University（杭州电子科技大学） ； Tsinghua University（清华大学）
AI总结 本文提出D-ODR方法，通过构建有向图和多尺度扩散正则化，解决糖尿病视网膜病变分级中疾病进展方向性建模问题，提升分级性能和临床可靠性。
Comments 3 figures
XStreamVGGT: 极端内存高效的流式视觉几何 grounded Transformer 与 KV 缓存压缩
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能学院） ； China Star Optoelectronics Technology（中国星电科技） ； TCL Corporate Research (HK) Co., Ltd.（TCL香港企业研究有限公司） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系）
AI总结 XStreamVGGT通过剪枝和量化技术，实现极内存高效的流式3D重建，显著降低内存消耗并加速推理。
Comments Submission to the Journal of the Society for Information Display
在知识图谱上探索：通过路径细化奖励建模激励大语言模型自主探索
机构 * Zhongguancun Laboratory, Beijing, China（中关村实验室，北京，中国） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（电子工程系，清华大学，北京，中国） ； Institute for Network Sciences and Cyberspace, Tsinghua University, Beijing, China（网络科学与网络空间研究院，清华大学，北京，中国） ； Ant International, Ant Group, Hangzhou, Zhejiang, China（蚂蚁集团，杭州，浙江，中国）
AI总结 本文提出Explore-on-Graph框架，通过强化学习和路径细化奖励建模，使大语言模型在知识图谱上自主探索更广泛的推理空间，实现对分布外推理问题的高效泛化。
Comments Published as a conference paper at ICLR 2026
V-Retrver: 以证据驱动的代理推理用于通用多模态检索
机构 * Tsinghua University（清华大学） ； University of Central Florida（中央佛罗里达大学） ； Fudan University（复旦大学） ； The Australian National University（澳大利亚国立大学） ； The University of Hong Kong（香港大学） ； Pengcheng Laboratory（鹏城实验室） ； Central South University（中南大学）
AI总结 V-Retrver通过引入证据驱动的代理推理机制，提升多模态检索的准确率和推理可靠性。
Comments Project page: https://github.com/chendy25/V-Retrver
一个大脑，多模态：迈向统一非侵入式脑解码的大型语言模型
机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； ShanghaiTech University（上海科技大学）
AI总结 NOBEL通过统一EEG/MEG与fMRI信号，利用大型语言模型实现多模态非侵入式脑解码，提升解码准确性和对视觉语义的解读能力。
WaterVIB: 通过变分信息瓶颈学习最小充分水印表示
机构 * Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 WaterVIB通过变分信息瓶颈学习最小充分水印表示，提升对抗生成变化攻击的鲁棒性。
Comments 22 pages, 7 figures. Preprint
FML-bench: 用于科学研究的机器学习代理基准测试
机构 * National University of Singapore, Singapore（新加坡国立大学） ； Tsinghua University, Beijing, China（清华大学） ； University of Minnesota, Minneapolis, MN, USA（明尼苏达大学）
AI总结 FML-bench 是一个用于评估机器学习代理在科学研究中能力的基准测试，包含8个基础任务并引入探索多样性指标，揭示探索策略对性能的影响。
Comments Our benchmark is available at: https://github.com/qrzou/FML-bench
SciTS: 基于大语言模型的科学时间序列理解与生成
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 SciTS提出了一种基于LLM的科学时间序列理解与生成框架，通过基准测试发现通用LLM在泛化能力上优于专门模型，并引入TimeOmni框架提升性能。
Comments Accepted to ICLR 2026
BARREL：面向事实性和可靠性的边界感知推理
机构 * The Conversational AI (CoAI) group, DCST, Tsinghua University（清华大学智能对话AI小组，清华大学数据科学与技术研究院） ； Centre for Frontier AI Research, Institute of High Performance Computing, Agency for Science, Technology and Research, Singapore（前沿人工智能研究中心，高性能计算研究所，新加坡科技研究局） ； The College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
AI总结 BARREL通过促进简洁且边界感知的事实推理，提升了大型推理模型的事实可靠性，实验显示其在可靠性方面有显著提升，同时保持了与传统微调模型相当的准确性。
双适应对话用于渐进式图像生成
机构 * University of Electronic Science and Technology of China（电子科技大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） ； Peking University（北京大学） ； Emory University（埃默里大学） ； Xiamen University Malaysia（马来西亚厦门大学） ； Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； University of Warwick（沃里克大学） ； Washington University, Saint Louis（圣路易斯华盛顿大学） ； University of Toronto（多伦多大学） ； Google（谷歌）
AI总结 Twin-Co通过同步对话优化图像生成，提升生成质量和用户体验。
现实世界工艺机器人的协作-竞争团队合作
机构 * Tencent Robotics X Laboratory（腾讯机器人实验室） ； Tsinghua University（清华大学）
AI总结 本文提出了一种针对现实世界工艺机器人协作与竞争任务的强化学习方法，通过引入OODSI技术提升仿真到现实的迁移性能。
Comments Accepted by 2026 IEEE International Conference on Robotics and Automation (ICRA 2026), Vienna, Austria
PMG：用于类人运动控制的参数化运动生成器
机构 * Tsinghua University（清华大学） ； ZERITH Robotics（ZERITH机器人公司） ； University of Michigan（密歇根大学）
AI总结 PMG通过参数化运动生成技术，实现了高效、自然的人形机器人运动控制，支持高维控制输入并实现仿真到现实的可靠转移。
Comments Website: https://pmg-icra26.github.io/
CogFlow：通过知识内化连接感知与推理以解决视觉数学问题
机构 * Zhejiang University（浙江大学） ； Intelligent Learning（智能学习） ； Sichuan University（四川大学） ； Tsinghua University（清华大学）
AI总结 CogFlow通过知识内化连接感知与推理，提升视觉数学问题解决能力。
Comments Accepted to ICLR 2026
数据代理的综述：新兴范式还是过度炒作？
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Jiao Tong University（上海交通大学） ； Renmin University of China（中国人民大学） ； Beijing Institute of Technology（北京理工大学） ； Southeast University（东南大学） ； Tsinghua University（清华大学） ； Huawei（华为） ； DeepWisdom
AI总结 本文系统梳理了数据代理的分类与演变，提出分层框架并分析其技术发展与未来方向。
Comments Please refer to our paper list and companion materials at: https://github.com/HKUSTDial/awesome-data-agents
通过具身动作 grounding LLMs 在科学发现中
机构 * Tsinghua University, Beijing, China（清华大学）
AI总结 通过具身动作框架，LLMs在科学发现中实现更稳定的物理模拟和更高的建模准确性。
Comments 24 pages, 7 figures, 7 tables. Preprint
基于记忆的原型共现学习用于混合情绪识别
机构 * MOE-Key Laboratory of Pervasive Computing, Department of Computer Science and Technology, Tsinghua University（MOE-Key pervasive computing laboratory，计算机科学与技术系，清华大学） ； Key State Laboratory of Media Convergence and Communication, Communication University of China（媒体融合与传播关键实验室，中国传媒大学） ； Department of Computer Science and Computer Engineering, Texas A&M University（计算机科学与工程系，德克萨斯大学）
AI总结 本文提出基于记忆的原型共现学习框架，通过多模态信号融合和原型关系蒸馏，提升混合情绪识别的准确性和鲁棒性。
KairosVL：协调时间序列与语义以实现统一推理
机构 * Tsinghua University（清华大学） ； Nanjing University（南京大学）
AI总结 KairosVL通过两轮强化学习框架结合语义推理与时间建模，提升复杂时间序列任务的推理能力与泛化性能。
AINet: 区域异质性在全切片图像中的锚实例学习
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Tsinghua University（清华大学） ； Zhengzhou University（郑州大学）
AI总结 AINet通过锚实例学习解决全切片图像中区域异质性问题，采用双层锚实例挖掘和锚引导区域校正模块，提升模型性能并减少计算资源消耗。
GLM-5：从振动编码到代理工程
机构 * GLM-5 Team（GLM-5团队） ； Zhipu AI（智谱AI） ； Tsinghua University（清华大学）
AI总结 GLM-5通过异步强化学习和DSA技术实现高效训练与推理，展现卓越的软件工程能力。
CryoLVM: 从冷冻电镜密度图中利用大视觉模型进行自监督学习
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-北大联合生命科学中心，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-膜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 CryoLVM通过自监督学习从冷冻电镜密度图中提取结构信息，结合JEPA与SCUNet实现高效适应多种下游任务，提升密度图处理性能。
多模态多智能体赋能的法律判决预测
机构 * Peking University（北京大学） ； Chengdu Minto Tech（成都Minto科技） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Macau（澳门大学） ； Tsinghua university（清华大学） ； Zhejiang University（浙江大学）
AI总结 本文提出JurisMMA框架，通过多模态多智能体技术提升法律判决预测的准确性，并构建了包含大量司法记录的JurisMM数据集，验证了其在法律领域应用的广泛有效性。
Comments Accepted to the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP) 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