高校专区
SJD++: 改进的推测雅可比解码用于无训练加速离散自回归文本到图像生成
机构 * The University of Hong Kong（香港大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Peking University（北京大学） ； xAI ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 SJD++通过概率并行解码算法提升自回归文本到图像生成的效率，实现2-3倍的推理延迟降低和2-7倍的步骤压缩，同时保持图像质量。
学习率步长任意性：一种统一的学习率调度方案用于预算迭代训练
机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（人工智能通用基础研究国家重点实验室，智能科学与技术学院，北京大学） ； ByteDance Seed（字节跳动种子） ； Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； Pazhou Laboratory (Huangpu), Guangzhou, Guangdong, China（琶洲实验室（黄埔），广州，广东，中国）
AI总结 本文提出了一种理论基础的学习率调度方案UBA，通过统一的预算感知框架，优化不同网络和任务下的训练效率，提升了在预算限制下的学习性能。
Journal ref NeurIPS 2025
HybridNorm: 一种通过混合归一化实现稳定和高效Transformer训练的方法
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Beihang University（北航） ； Capital University of Economics and Business（首都经济贸易大学）
AI总结 HybridNorm通过结合Pre-Norm和Post-Norm的优势，提升Transformer训练的稳定性与效率。
Comments Accepted by NeurIPS 2025
AQUILA：一种基于QUIC的链路架构，用于可靠远距离无人机通信
机构 * Peking University（北京大学） ； Nanchang University（南昌大学）
AI总结 AQUILA通过基于QUIC的跨层通信架构，解决无人机远距离通信中的可靠性、带宽和延迟问题，实现低延迟、高可靠性和视频质量的提升。
Comments 13 pages, 10 figures
MMDuet2：通过多轮强化学习增强视频MLLMs的主动交互
机构 * Wangxuan Institute of Computer Technology, Peking University（王宣计算机技术研究所，北京大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室）
AI总结 MMDuet2通过多轮强化学习方法，实现了视频MLLMs在多轮对话中的主动交互，提升了回复时机和质量，达到ProactiveVideoQA基准的最优性能。
UARE：面向图像质量评估、修复和增强的统一视觉-语言模型
机构 * School of Electronic and Computer Engineering, Peking University, 2 ByteDance Inc（1 电子与计算机工程学院，北京大学，2 字节跳动公司）
AI总结 UARE是首个统一视觉-语言模型，通过统一训练框架提升图像质量评估、修复和增强性能。
DragMesh: 交互式3D生成变得容易
机构 * School of Computer Science, Peking University（北京大学计算机学院）
AI总结 DragMesh通过解耦运动学推理和运动生成，实现实时交互式3D生成，无需重新训练即可在新对象上生成合理运动。
揭示在生成式人工智能支持下的临床实践中的学生探究模式：一种整合认知网络分析和序列模式挖掘的方法
机构 * Monash University（墨尔本大学） ； University College London（伦敦大学学院） ； Peking University（北京大学）
AI总结 本研究通过整合认知网络分析和序列模式挖掘，揭示学生在GenAI支持下的临床实践中探究模式，发现高绩效者更注重临床相关信息识别，而低绩效者则停留在常规问题验证循环中。
面向视觉-语言模型的跨视图点对应研究
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Beihang University（北航大学） ； Jilin University（吉林大学） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Huazhong University of Science And Technology（华中科技大学）
AI总结 本文提出跨视图点对应任务和 CrossPoint-Bench 基准，通过 CroPond 模型在 CrossPoint-Bench 上取得超越 Gemini-2.5-Pro 的准确率，推动跨视图对应研究发展。
DataGovBench: 为现实世界数据治理工作流程评估LLM代理
机构 * Peking University（北京大学） ； ByteDance（字节跳动）
AI总结 DataGovBench通过150种现实任务评估LLM代理在数据治理中的表现，提出DataGovAgent框架提升复杂任务性能和调试效率。
Comments Equal contribution: Zhou Liu and Zhaoyang Han. Corresponding authors: Yuanfeng Song and Wentao Zhang
增强LLM对 scrubbing 和 spoofing 攻击的鲁棒性
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学计算机技术研究院） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 本文提出SEEK水印方案，通过等效纹理密钥机制提升LLM对scrubbing和spoofing攻击的鲁棒性，实验显示其在不同数据集上显著优于现有方法。
LabUtopia：高保真模拟与分层基准用于科学具身智能体
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； Oxford（牛津大学） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 LabUtopia通过高保真模拟和分层基准推动实验室环境中具身智能的发展。
Comments Accepted by NeurIPS 2025 Dataset and Benchmark Track
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