Beihang University（北京航空航天大学）

Multi-Task Reinforcement Learning of Drone Aerobatics by Exploiting Geometric Symmetries

利用几何对称性进行无人机空翻的多任务强化学习

Zhanyu Guo, Zikang Yin, Guobin Zhu, Shiliang Guo, Shiyu Zhao

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； WINDY Lab, School of Engineering, Westlake University（西湖大学工程学院WINDY实验室） ； School of Automation Science and Electrical Engineering, Beihang University（北航自动化科学与电气工程学院） 纠错

AI总结 GEAR通过利用几何对称性，提出了一种端到端多任务强化学习框架，实现高效且灵活的无人机空翻控制，成功率达98.85%。

RiemannGL: Riemannian Geometry Changes Graph Deep Learning

RiemannGL：黎曼几何变化图深度学习

Li Sun, Qiqi Wan, Suyang Zhou, Zhenhao Huang, Philip S. Yu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Beihang University（北航） ； East China Normal University（华东师范大学） ； North China Electric Power University（华北电力大学） ； University of Illinois Chicago（伊利诺伊大学香槟分校） 纠错

AI总结 本文提出黎曼几何作为图深度学习的基础框架，强调为图神经网络赋予内在流形结构的重要性，并探讨了流形类型、神经架构和学习范式等研究方向。

Comments 34 pages, 11 figures, position paper

ResWorld: Temporal Residual World Model for End-to-End Autonomous Driving

ResWorld: 用于端到端自动驾驶的时序残差世界模型

Jinqing Zhang, Zehua Fu, Zelin Xu, Wenying Dai, Qingjie Liu, Yunhong Wang

机构 * State Key Laboratory of Virtual Reality Technology and Systems, Beihang University, Beijing, China（虚拟现实技术与系统国家重点实验室，北京航空航天大学） ； Zhongguancun Laboratory, Beijing, China（中关村实验室） ； Beijing Jingwei Hirain Technologies Co., Inc.（北京京wei Hirain科技有限公司） ； Hangzhou Innovation Institute, Beihang University, Hangzhou, China（杭州创新研究院，北京航空航天大学） 纠错

AI总结 ResWorld通过时序残差世界模型和未来引导轨迹细化模块，提升端到端自动驾驶的规划性能。

Comments ICLR 2026

TwiFF (Think With Future Frames): A Large-Scale Dataset for Dynamic Visual Reasoning

TwiFF (Think With Future Frames): 一个大规模动态视觉推理数据集

Junhua Liu, Zhangcheng Wang, Zhike Han, Ningli Wang, Guotao Liang, Kun Kuang

机构 * College of Computer Science and Technology, Zhejiang University, Hangzhou, China（浙江大学计算机科学与技术学院） ； School of Computer and Computing Science, Hangzhou City University, Hangzhou, China（杭州市城市大学计算机与计算科学学院） ； Henan Academy of Innovations in Medical Science (AIMS), Zhengzhou, China（河南省医学创新研究院） ； School of Software, Beihang University, Beijing, China（北京航空航天大学软件学院） 纠错

AI总结 TwiFF提出一个大规模动态视觉推理数据集及模型，通过整合视频生成与图像理解能力，提升动态场景下的视觉问答性能。

Comments preprint

Multimodal Priors-Augmented Text-Driven 3D Human-Object Interaction Generation

多模态先验增强的文本驱动3D人-物交互生成

Yin Wang, Ziyao Zhang, Zhiying Leng, Haitian Liu, Frederick W. B. Li, Mu Li, Xiaohui Liang

机构 * State Key Laboratory of Virtual Reality Technology and Systems（虚拟现实技术与系统国家重点实验室） ； Beihang University（北京航空航天大学） ； Department of Computer Science, University of Durham（杜伦大学计算机科学系） ； Zhongguancun Laboratory（中关村实验室） 纠错

AI总结 本文提出MP-HOI框架，通过多模态先验、增强物体表示、模态感知MoE模型和级联扩散技术，提升文本驱动的3D人-物交互生成效果。

Learning Structure-Semantic Evolution Trajectories for Graph Domain Adaptation

学习结构-语义演进轨迹用于图域适应

Wei Chen, Xingyu Guo, Shuang Li, Yan Zhong, Zhao Zhang, Fuzhen Zhuang, Hongrui Liu, Libang Zhang, Guo Ye, Huimei He

机构 * School of Artificial Intelligence, Beihang University, Beijing, China（北京航空航天大学人工智能学院） ； School of Mathematical Sciences, Peking University, Beijing, China（北京大学数学科学学院） ； School of Computer Science and Engineering, Beihang University, Beijing, China（北京航空航天大学计算机科学与工程学院） ； Zhongguancun Laboratory, Beijng, China（中关村实验室） ； Independent Researcher, Beijing, China（独立研究者） 纠错

AI总结 DiffGDA通过建模连续时间生成过程，以结构和语义转换的联合建模方式解决图域适应中的连续非线性演进问题，实验表明其在多个数据集上优于现有方法。

Comments accepted by ICLR 2026, 21 pages

SeeDNorm: Self-Rescaled Dynamic Normalization

SeeDNorm: 自适应动态归一化

Wenrui Cai, Defa Zhu, Qingjie Liu, Qiyang Min

机构 * School of Computer Science and Engineering, Beihang University（计算机科学与工程学院，北航大学） 纠错

AI总结 SeeDNorm通过动态调整缩放系数提升模型表示能力，在保持输入范数信息的同时实现自适应动态归一化，有效提升大语言模型及计算机视觉任务的性能。

Comments Accepted to ICLR 2026, 32 pages, 14 figures, 18 tables

DiffuTester: Accelerating Unit Test Generation for Diffusion LLMs via Mining Structural Pattern

DiffuTester: 通过挖掘结构模式加速扩散大语言模型的单元测试生成

Lekang Yang, Yuetong Liu, Yitong Zhang, Jia Li

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； School of Software, Beihang University（北航软件学院） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） 纠错

AI总结 DiffuTester通过挖掘结构模式提升扩散大语言模型在单元测试生成中的效率，实现高质量测试用例生成。

Comments Update format and add some experimental results

PhysUniBench: A Multi-Modal Physics Reasoning Benchmark at Undergraduate Level

PhysUniBench: 一个面向本科生层面的多模态物理推理基准测试

Lintao Wang, Encheng Su, Jiaqi Liu, Pengze Li, Jiabei Xiao, Wenlong Zhang, Xinnan Dai, Xi Chen, Yuan Meng, Lei Bai, Wanli Ouyang, Shixiang Tang, Aoran Wang, Xinzhu Ma

机构 * The University of Sydney（悉尼大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） ； Michigan State University（密歇根州立大学） ； Tsinghua University（清华大学） ； Beihang University（北航大学） 纠错

AI总结 PhysUniBench是一个面向本科生层面的多模态物理推理基准测试，旨在评估和提升多模态大语言模型在物理问题上的推理能力。