高校专区
VLAW: 视觉-语言-动作策略与世界模型的迭代共改进
机构 * Stanford University（斯坦福大学） ； Tsinghua University（清华大学）
AI总结 本文提出通过迭代改进视觉-语言-动作策略与世界模型，提升真实机器人任务的性能和可靠性。
Comments Project Page: https://sites.google.com/view/vlaw-arxiv
GRIP：通过几何路由约束实现混合专家的算法无关机器反学习
机构 * School of Computer Science（计算机科学学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Department of Electrical Engineering（电气工程系） ； Tsinghua University（清华大学） ； School of Electrical and Computer Engineering（电气与计算机工程学院）
AI总结 GRIP通过几何路由约束实现混合专家的算法无关机器反学习，有效消除专家选择偏移并保持模型效用。
通过基于SVD的量化误差最小化增强LLM中的delta压缩
机构 * Shanghai University of Finance（上海财经大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Southern University of Science（南方科技大学）
AI总结 PrinMix通过基于SVD的量化误差最小化方法，提升LLM中delta压缩的效率与性能。
MoESD: 解开投机解码在加速稀疏MoE中的潜力
机构 * Tsinghua University（清华大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
AI总结 MoESD研究揭示了投机解码在加速稀疏MoE模型中的潜力，提出目标效率指标以更全面理解SD加速效果。
Comments Accepted as spotlight at NeurIPS 2025
HIPPO：通过混合模态偏好优化增强大语言模型的表格理解能力
机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 HIPPO 通过混合模态偏好优化提升大语言模型的表格理解能力，实现 4% 的性能提升。
MAS-on-the-Fly: 在测试时动态适应基于大语言模型的多智能体系统
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Ant Group（蚂蚁集团）
AI总结 MASFly通过动态适应机制在测试时优化多智能体系统，利用检索增强和经验引导机制提升任务适应性和性能。
SPLIT: 基于误差动态的稀疏增量学习用于自动驾驶车辆的控制导向建模
机构 * School of Vehicle and Mobility, Tsinghua University（车辆与移动系统学院，清华大学）
AI总结 SPLIT通过稀疏增量学习框架提升自动驾驶车辆的控制导向建模精度与适应性。
Comments 21 pages, 21 figures
SpargeAttention2: 通过混合Top-k+Top-p掩码和蒸馏微调实现可训练稀疏注意力
机构 * Tsinghua University（清华大学）
AI总结 SpargeAttention2通过混合Top-k+Top-p掩码和蒸馏微调，实现高稀疏性且不降低生成质量。
MedScope：通过粗到细的工具调用激励“通过视频思考”以进行临床推理
机构 * College of Health Science and Technology, Shanghai Jiao Tong University School of Medicine, Shanghai, China（上海交通大学医学院健康科学与技术学院） ； Fudan University, Shanghai, China（复旦大学） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Tsinghua University, Beijing, China（清华大学） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） ； Ruijin Hospital, Shanghai Jiaotong University, Shanghai, China（上海交通大学瑞金医院）
AI总结 MedScope通过粗到细的工具调用机制，提升临床视频推理的准确性与可信度，实现基于时间局部化视觉证据的医疗AI代理。
IDPruner: 在视觉令牌修剪中协调重要性与多样性
机构 * School of Software, Tsinghua University（清华大学软件学院） ； Tencent（腾讯）
AI总结 IDPruner通过协调重要性与多样性，提出了一种高效的视觉令牌修剪方法，实现最优平衡并提升多模态大语言模型的性能。
通过克隆实现通用学习委托
机构 * Qiuzhen College, Tsinghua University（清华大学齐振学院） ； Pattern Recognition Center, WeChat AI, Tencent Inc（微信AI模式识别中心，腾讯公司）
AI总结 SELFCEST通过代理强化学习实现通用学习委托，利用克隆技术在不同并行上下文中分配资源，提升数学推理和长上下文问答任务的准确性与效率。
Comments Code available at https://github.com/SuffixAutomata/SELFCEST
VLA-JEPA: 通过潜在世界模型增强视觉-语言-动作模型
机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy, Beijing, China（中关村学院） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Eastern Institute of Technology, Ningbo（宁波东部科技研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nankai University（南开大学）
AI总结 VLA-JEPA通过潜在世界模型提升视觉-语言-动作模型的泛化与鲁棒性，采用无泄露状态预测和两阶段训练策略。
面向视图自适应的人体视频生成的3D感知隐式运动控制
机构 * Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Tsinghua University（清华大学） ； CASIA
AI总结 3DiMo通过隐式运动表示和视图丰富监督，提升视频生成中的人体运动保真度和视觉质量。
Comments Project Page: https://hjrphoebus.github.io/3DiMo/
ShotFinder: 通过网络搜索驱动的开放域视频镜头检索
机构 * CASIA（中国科学院自动化研究所） ； UCAS（中国科学院大学） ； Lenovo（联想集团） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 ShotFinder通过网络搜索驱动开放域视频镜头检索，提出三阶段检索流程并揭示多模态大模型在开放域视频检索中的性能差距。
Comments 28 pages, 7 figures, Project website: https://github.com/yutao1024/ShotFinder
基于CLIP引导的多模态扩散模型的图像到脑信号生成用于视觉假体
机构 * Jinan University, Guangzhou, China ； Department of Rehabilitation Medicine, The First Affiliated Hospital of Jinan University, Guangzhou, China ； Western University, Ontario, Canada ； Guangdong University of Technology, Guangzhou, China ； Tsinghua University, Beijing, China
AI总结 本文提出基于CLIP引导的多模态扩散模型，实现图像到脑信号的转换，通过交叉注意力机制和空间-时间位置编码生成生物合理的脑信号。
UniManip: 通用目的零样本机器人操作的代理操作图
机构 * School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（南洋理工大学电子与电气工程学院） ； Department of Automation, Tsinghua University, China（清华大学自动化系）
AI总结 UniManip通过双层代理操作图实现通用零样本机器人操作，结合高层任务协调与底层动态状态表示，提升无监督环境下的执行鲁棒性。
Comments 15 pages, 12 figures, 6 tables, project page: https://henryhcliu.github.io/unimanip
探索基于大语言模型的新能力建模过程
机构 * School of Economics and Management, Tsinghua University, Beijing, China（经济管理学院，清华大学，北京，中国） ； Bill-JC Technology, Wuhan, China（Bill-JC科技，武汉，中国）
AI总结 本研究提出基于大语言模型的新能力建模方法，通过结构化计算组件提升建模的透明性、数据驱动性和可验证性。
面向具有属性结构和质量验证指令的通用视频MLLMs
机构 * VCIP, School of Computer Science, Nankai University（VCIP，计算机科学学院，南开大学） ； ByteDance Inc.（字节跳动公司） ； Tsinghua University（清华大学）
AI总结 本研究提出ASID-1M数据集、ASID-Verify验证流程和ASID-Captioner模型，通过细粒度结构化指令提升视频理解性能，实现高质量描述生成与指令遵循。
Comments Project page: https://asid-caption.github.io/
TFTF：无训练目标流用于条件采样
机构 * Zhili College, Tsinghua University, Beijing, China（清华大学紫荆学院） ； Department of Statistics and Data Science, Tsinghua University, Beijing, China（清华大学统计与数据科学系） ； Department of Statistics, Harvard University, Cambridge, MA, USA（哈佛大学统计系）
AI总结 TFTF通过引入随机流和重采样技术，实现无训练条件采样，提升高维和多模态场景下的生成效果。
RADAR: 揭示多模态大语言模型预训练中能力的非对称发展
机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Peng Cheng Laboratory（鹏城实验室） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东大数据分析与处理重点实验室） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际 Graduate School） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Yinwang Intelligent Technology Co., Ltd.（亿纬智能科技有限公司） ； Huawei’s 2012 Lab（华为2012实验室）
AI总结 RADAR提出了一种高效的以能力为中心的评估框架，用于揭示多模态大语言模型预训练中感知和推理能力的非对称发展。
FLAC：通过动能正则化桥匹配实现最大熵强化学习
机构 * Shanghai Research Institute for Intelligent Autonomous Systems（上海智能自主系统研究院） ； Tsinghua University（清华大学）
AI总结 FLAC通过动能正则化桥匹配实现最大熵强化学习，无需显式密度估计，提升高维任务性能。
无目神祇与破碎屏幕：构建一个安全的、以意图为中心的移动代理操作系统
机构 * Tsinghua University（清华大学）
AI总结 本文提出Aura架构，通过结构化交互模型和四项防御支柱，提升移动代理系统的安全性与效率。
Comments 35 pages, 15 figures
具有已知时间范围的多臂老虎机
机构 * Department of CSE, POSTECH, Pohang, Republic of Korea（POSTECH 电子工程系） ； Graduate School of AI, POSTECH, Pohang, Republic of Korea（POSTECH 人工智能研究生院） ； Microsoft Research, Beijing, China（微软研究院） ； Qiuzhen College, Tsinghua University, Beijing, China（清华大学求真学院）
AI总结 本文提出CURE-UCB算法，通过整合已知时间范围来提升多臂老虎机问题的性能，证明其在结构化环境中的优越性。
RAISE: 增强适应性指令选择用于大语言模型
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peng Cheng Laboratory（鹏城实验室） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； Seoul National University（首尔国立大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳））
AI总结 RAISE通过强化学习动态选择指令，提升大语言模型微调效率与效果。
Comments Accepted by EMNLP 2025 findings
高效的特征聚合与尺度感知回归用于单目3D物体检测
机构 * Department of Electronic Engineering, Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院电子工程系） ； School of Mathematics and Statistics, University of Glasgow（格拉斯哥大学数学与统计学学院）
AI总结 MonoASRH通过高效混合特征聚合模块和自适应尺度感知回归头，提升单目3D物体检测的尺度感知能力和特征聚合效率
SLA2: 基于可学习路由和量化感知训练的稀疏-线性注意力
机构 * Tsinghua University（清华大学）
AI总结 SLA2通过可学习路由和量化感知训练，提升稀疏-线性注意力的效率和性能
SD-MoE：通过谱分解实现有效的专家专业化
机构 * College of Computer Science and Artificial Intelligence, Fudan University, Shanghai, China（复旦大学计算机科学与人工智能学院） ； University of Bath, Bath, United Kingdom（巴斯大学） ； Oxford Suzhou Centre for Advanced Research, Suzhou, China（牛津苏泽研究中心） ； Department of Electrical Engineering and Computer Science, University of Michigan（密歇根大学电气工程与计算机科学系） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Department of Computer Science, University of Colorado Boulder, Colorado, USA（科罗拉多大学博尔德分校计算机科学系） ； Research Institute of Tsinghua University in Shenzhen, Shenzhen, China（清华大学深圳研究院） ； Greater Bay Area National Center of Technology Innovation, Research Institute of Tsinghua University in Shenzhen, Shenzhen, China（粤港澳大湾区国家技术创新中心，清华大学深圳研究院） ； School of Microelectronics, Fudan University, Shanghai, China（复旦大学微电子学院）
AI总结 SD-MoE通过谱分解解决MoE中专家专业化不足的问题，提升模型性能并兼容多种现有架构。
Hierarchical Dirichlet过程中两个指数族分布的解析结果
机构 * Tsinghua University（清华大学）
AI总结 本文研究了HDP框架中泊松和正态分布的解析结果，推导了对应的共轭对的闭式表达式，扩展了HDP的应用范围。
RPG：一个用于统一和可扩展代码库生成的仓库规划图
机构 * Microsoft（微软公司） ； Tsinghua University（清华大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Beijing Jiaotong University（北京交通大学）
AI总结 RPG通过统一的图结构提升代码库生成效率，ZeroRepo在真实项目基准上实现显著更高的代码生成量和准确性。
可证明安全的自适应动态采样隐写术
机构 * Tsinghua University（清华大学）
AI总结 本文提出一种基于自适应动态采样的可证明安全隐写术方法，通过无需显式分布的模型API实现高效隐蔽通信。
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