高校专区
基于分布的在线适配预测
机构 * School of Statistics and Data Science, LPMC, KLMDASR and LEBPS, Nankai University（南开大学统计与数据科学学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 本文提出了一种基于分布的在线适配预测算法COP，通过整合数据模式以生成更紧的预测集，同时保证覆盖率和减少后悔。
Comments ICLR2026 camera-ready version
研究AI代理行为的框架：来自消费者选择实验的证据
机构 * MIT（麻省理工学院） ； Tsinghua University（清华大学） ； Dartmouth College（达特茅斯学院）
AI总结 本文提出ABxLab框架，通过控制选项属性和说服性提示，研究AI代理在现实决策中的选择行为，揭示代理在无认知限制下仍存在强烈偏好偏见，为AI代理行为研究提供测试平台。
Comments ICLR, 31 pages, 17 figures
从样本到场景：概率预测的新范式
机构 * ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC研究院） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； School of Software, Tsinghua University（清华大学软件学院）
AI总结 本文提出概率场景范式，通过直接生成场景与概率对，改进概率预测模型，实现更高效和准确的预测效果。
Comments Accepted by ICLR 2026
探索同步小组环境中的协作生成式人工智能代理： eliciting团队感知和未来工作设计考虑
机构 * University of Michigan（密歇根大学） ； Tsinghua University（清华大学）
AI总结 本文探讨了协作生成式人工智能代理在同步小组环境中的应用，通过实证研究揭示了团队感知和设计考虑，旨在提升团队协作与问题解决能力。
Comments To be published in ACM Conference on Computer-Supported Cooperative Work and Social Computing (CSCW 2025). 33 pages, 11 figures, 1 table
解耦防御策略用于鲁棒图像水印
机构 * Tsinghua University（清华大学） ； Swinburne University of Technology（斯威本理工大学） ； The Australian National University（澳大利亚国立大学） ； Key Laboratory of Pervasive Computing, Ministry of Education（教育部感知计算重点实验室）
AI总结 AdvMark通过解耦防御策略，提升图像水印在对抗和再生攻击下的鲁棒性，实验显示其在多种攻击下均取得显著性能提升。
Comments CVPR 2026
CTC-TTS: 基于大语言模型的双流文本到语音系统与CTC对齐
机构 * School of Computer Science and Technology, Xinjiang University, China（新疆大学计算机科学与技术学院） ； Speech Processing and Machine Intelligence (SPMI) Lab, Tsinghua University, China（清华大学语音处理与机器智能实验室）
AI总结 CTC-TTS提出了一种基于大语言模型的双流文本到语音系统，采用CTC对齐器和双词交错策略，提升了流式合成和零样本任务的性能。
Comments Submitted to INTERSPEECH 2026
测试时计算用于指代多模态大语言模型
机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（多媒体可信感知与高效计算重点实验室，中国教育部，厦门大学） ； VCIP, CS, Nankai University（VCIP，计算机科学，南开大学） ； Tsinghua University（清华大学） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国）
AI总结 ControlMLLM++通过注入可学习的视觉提示实现多模态大语言模型的测试时适应，提升细粒度视觉推理能力。
Comments arXiv admin note: substantial text overlap with arXiv:2407.21534
AdsorbFlow: 基于能量条件的流匹配实现快速且逼真的吸附质定位
机构 * Beijing Key Laboratory of Artificial Intelligence for Advanced Chemical Engineering Materials, Department of Chemical Engineering, Tsinghua University（北京人工智能先进化工材料重点实验室，化学工程系，清华大学）
AI总结 AdsorbFlow通过能量条件流匹配实现快速准确的吸附质定位，优于现有方法并在效率和精度上取得显著优势。
基于接近性的多轮优化：LLM代理训练中的实用信用分配
机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Peking University（北京大学） ； Lanzhou University（兰州大学） ； Tencent Inc.（腾讯公司） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 ProxMO通过动态调整梯度强度和连续语义加权，提升LLM代理在多轮训练中的信用分配效率与稳定性。
如何分配，如何学习？动态回放分配与优势调节用于策略优化
机构 * Meituan（美团） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Peking University（北京大学）
AI总结 DynaMO通过动态回放分配和梯度感知优势调节，优化策略学习中的资源分配与梯度更新稳定性，提升数学推理任务的性能。
BriMA：基于多模态适应的持续动作质量评估
机构 * Department of Psychological and Cognitive Sciences, 2 Department of Statistics and Data Science, Tsinghua University（1 心理学与认知科学系，2 统计学与数据科学系，清华大学）
AI总结 BriMA通过桥接模态适应方法，在模态缺失条件下提升多模态持续动作质量评估的性能。
Comments Accepted to CVPR 2026
CRCC: 基于对比的跨受试者和跨站点表示学习
机构 * Tsinghua Laboratory of Brain（清华大学脑科学实验室） ； School of Biomedical Engineering, Tsinghua University（清华大学生物医学工程学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Weixian College, Tsinghua University（清华大学魏先学院） ； School of Artificial Intelligence, Beijing University of Posts（北京邮电大学人工智能学院） ； School of Computer Science（计算机科学学院） ； Technology, Northwestern Polytechnical University, Xi'an, China（技术，西北工业大学，西安，中国） ； Beijing Huilongguan Hospital, Capital Medical University（北京回龙观医院，首都医科大学） ； Peking University Huilongguan Clinical Medical School（北京大学回龙观临床医学院）
AI总结 CRCC通过对比学习和对抗优化提升跨站点EEG表示学习的泛化能力，实现10.7个百分点的准确率提升。
Comments First edition
CREM: 为多模态检索与理解的压缩驱动表示增强
机构 * Tsinghua University（清华大学） ； Kuaishou Technology（快手科技）
AI总结 CREM通过压缩驱动的表示增强方法，在提升多模态检索性能的同时保持生成能力，实现生成与嵌入任务的统一优化。
WAVE: 基于多模态大语言模型的学习统一且多功能的音频-视觉嵌入
机构 * Tsinghua University（清华大学） ； WeChat Vision, Tencent Inc.（腾讯公司）
AI总结 WAVE通过联合多模态多任务训练方法，实现了统一且多功能的音频-视觉嵌入，显著提升了跨模态检索和问答性能。
要训练一个好的模型，需要一个好的模型：通用高斯先验用于优化的大型语言模型
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Electrical and Computer Engineering, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校电子与计算机工程系） ； Computer Science, New York University Shanghai（纽约大学上海分校计算机科学系）
AI总结 本文提出基于广义高斯分布的初始化和训练方法，通过减少冗余和通信开销，提升大型语言模型的训练效率和性能。
MEGADance：用于风格感知3D舞蹈生成的专家混合架构
机构 * Renmin University of China（中国人民大学） ； Tsinghua University（清华大学） ； Malou Tech Inc（马洛科技公司）
AI总结 MEGADance通过专家混合架构实现风格感知的3D舞蹈生成，提升舞蹈质量和风格可控性。
Comments NeurIPS 2025
PSGait: 基于解析骨架的步态识别
机构 * The Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院） ； 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 PSGait通过解析骨架与轮廓融合的方法提升步态识别的准确性和泛化能力，实现15.7%的精度提升。
Comments Accepted by ICASSP 2026
基于接地的思考：用于长视频理解的课程强化推理与视频接地
机构 * Tsinghua University（清华大学）
AI总结 Video-TwG通过课程强化框架和接地范式提升长视频理解，采用双阶段策略和TwG-GRPO算法优化推理与接地质量。
StructCore: 用于免训练 无监督异常检测的结构感知图像级评分
机构 * Tsinghua University Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Ratel Soft ； Affiliated Fifth Hospital, Wenzhou Medical University（温州医科大学附属第五医院） ； Chinese Medicine Guangdong Laboratory（广东中医药实验室）
AI总结 StructCore通过结构感知的图像级评分方法，在无监督异常检测中实现了高鲁棒性的异常检测性能。
TestExplora: 通过仓库级测试生成对LLMs进行主动bug发现的基准测试
机构 * Microsoft（微软公司） ； School of ECE, Peking University（北京大学电子工程学院） ； Tsinghua University（清华大学） ； Chinese Academy of Sciences（中国科学院）
AI总结 TestExplora通过仓库级测试生成评估LLMs在主动bug发现中的能力，揭示了当前模型在复杂交互和代理探索方面的不足。
面向一致视频世界模型的几何感知旋转位置嵌入
机构 * Dept. of Comp. Sci. and Tech., Institute for AI, BNRist Center, THBI Lab, Tsinghua-Bosch Joint ML Center, Tsinghua University（清华大学计算机科学与技术系、人工智能研究院、BNRist中心、THBI实验室、清华-博世联合机器学习中心、清华大学） ； Gaoling School of Artificial Intelligence, Renmin University of China（北京人民大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院）
AI总结 本文提出ViewRope和几何感知帧稀疏注意力，通过引入相机射线方向提升视频世界模型的长期一致性与效率。
BitHydra: 面向大语言模型的位翻转推理成本攻击
机构 * Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学）
AI总结 BitHydra通过位翻转攻击针对大语言模型的推理成本进行攻击，利用ADMM方法高效实现无限生成。
用大语言模型的动态多智能体框架重塑MOFs文本挖掘
机构 * Center for Environment and Water Resources, College of Chemistry and Chemical Engineering, Central South University（环境与水资源中心，化学与化工学院，中南大学） ； Key Laboratory of Hunan Province for Water Environment and Agriculture Product Safety（湖南省水环境与农产品安全重点实验室） ； School of Resources and Environment, Hunan University of Technology and Business（资源与环境学院，湖南工业大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Faculty of Data Science, City University of Macau（数据科学学院，澳门城市大学） ； State Key Laboratory of High Performance Ceramics and Superfine Microstructure, Shanghai Institute of Ceramics, Chinese Academy of Sciences（高性能陶瓷与超细微结构重点实验室，上海陶瓷研究所，中国科学院） ； Beijing Key Laboratory for Green Catalysis and Separation, Department of Chemical Engineering, College of Materials Science and Engineering, Beijing University of Technology（绿色催化与分离北京市重点实验室，化学工程系，材料科学与工程学院，北京理工大学） ； State Key Joint Laboratory of Environment Simulation and Pollution Control, School of Environment, Tsinghua University（环境模拟与污染控制国家重点联合实验室，环境学院，清华大学） ； School of Chemical Engineering and Materials Science, Yueyang University（化学工程与材料科学学院，岳阳大学） ； School of Computer Science and Engineering, Central South University（计算机科学与工程学院，中南大学） ； School of Software Engineering, Sun Yat-sen University（软件工程学院，中山大学）
AI总结 MOFh6利用大语言模型的动态多智能体框架，实现MOFs合成条件的高效提取与标准化，提升材料发现的效率和可扩展性。
Comments Accepted by TRAMAT 2 (2026) 100176
Journal ref Transactions of Materials Research, 2026, 2(1), 100176
推进移动GUI代理：一种以验证器驱动的方法用于实际部署
机构 * Nanyang Technological University（南洋理工大学） ； Microsoft Research（微软研究院） ； Tsinghua University（清华大学）
AI总结 V-Droid通过验证器驱动的方法提升移动GUI任务自动化代理的性能与效率
Comments "V-Droid: Advancing Mobile GUI Agent Through Generative Verifiers", got accepted to MobiCom 2026
GeoEyes: 面向超高清遥感影像证据驱动理解的按需视觉聚焦
机构 * National University of Defense Technology, China（国防科技大学） ； Beijing University of Posts and Telecommunications, China（北京邮电大学） ； University of the Chinese Academy of Sciences, China（中国科学院大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； Wuhan University, China（武汉大学） ； Chinese Academy of Science, China（中国科学院） ； Tsinghua University, China（清华大学） ； Renmin University of China, China（中国人民大学）
AI总结 GeoEyes通过分阶段训练框架，结合冷启动数据集和代理强化学习方法，解决超高清遥感影像中证据获取不足的问题，提升视觉问答任务的准确性。
利用去噪扩散概率模型进行视网膜OCT合成以实现分层分割
机构 * Institute of Imaging and Computer Vision, RWTH Aachen University（成像与计算机视觉研究所，亚琛RWTH大学） ； Bio-manufacturing Engineering Laboratory of Tsinghua SIGS, Tsinghua University（清华大学SIGS生物制造工程实验室） ； Shenzhen Eye Hospital（深圳眼科医院） ； Department of Ophthalmology, RWTH Aachen University（眼科部，亚琛RWTH大学）
AI总结 本文提出利用DDPMs合成视网膜OCT图像，通过知识迁移提升分割精度，展示其在减少人工标注需求方面的潜力。
Comments ISBI 2024
Journal ref 2024 IEEE International Symposium on Biomedical Imaging (ISBI)
点语言模型：通过桥接大型3D语言模型实现任意对象分割
机构 * Department of Computer Science, Aberystwyth University（计算机科学系，阿伯里斯特维斯大学） ； School of Computer Science, University of Sheffield（计算机科学学院，谢菲尔德大学） ； Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 点语言模型通过桥接大型3D语言模型与密集3D点云，解决表示不一致问题，提升3D对象分割的准确性和鲁棒性。
Comments Accepted by IEEE Transactions on Multimedia (TMM)
FRAPPE：通过多未来表示对齐将世界建模注入通用策略
机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； South China University of Technology（华南理工大学） ； ShanghaiTech University（上海科技大学） ； Tsinghua University（清华大学）
AI总结 FRAPPE通过多未来表示对齐提升通用机器人策略的世界建模能力，提高微调效率并减少数据依赖，实验证明其在长时序和未见场景中的泛化性能优于现有方法。
Comments Project Website: https://h-zhao1997.github.io/frappe
通过结构模板注入自动化代理劫持
机构 * Tsinghua University \& Ant Group Hangzhou China ； Tsinghua University Beijing China ； Zhongguancuan Laboratory Beijing China ； Tsinghua University \& Ant Group ； Tsinghua University ； Zhongguancuan Laboratory
AI总结 本文提出Phantom框架，通过结构模板注入自动化代理劫持，提升攻击成功率和效率，揭示结构模板劫持的严重性。
PP-Motion: 人类运动生成的物理-感知保真度评估
机构 * Tsinghua University（清华大学） ； University at Buffalo（布法罗大学） ； BNRist, Tsinghua University（清华大学BNRist研究所） ； Key Laboratory of Pervasive Computing, Ministry of Education（教育部 pervasive 计算重点实验室） ； Eastern Institute of Technology, Ningbo（宁波东部技术研究所） ； University of Rochester（罗切斯特大学）
AI总结 PP-Motion是一种新的数据驱动度量，通过物理和感知保真度评估提升人类运动生成的准确性与真实性。
Comments Accepted by ACM Multimedia 2025
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