高校专区
影响大语言模型有效深度的因素是什么？
机构 * Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； Department of Computer Science, Massachusetts Institute of Technology（计算机科学系，麻省理工学院）
AI总结 研究发现大语言模型的有效深度受模型规模、训练类型和任务难度影响，且有效深度比例稳定，提示需提升层利用率、模型剪枝和提前退出技术。
通过神经特征解码实现鲁棒的单次结构光3D成像
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Yuanpei College, Peking University（北京大学元培学院） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； College of Future Technology, Peking University（北京大学未来技术学院） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室）
AI总结 基于神经特征解码的鲁棒单次结构光3D成像方法，通过特征空间匹配提升鲁棒性，优于商业系统和被动立体深度估计。
ValuePilot：一种面向价值驱动决策的双阶段框架
机构 * State Key Laboratory of General Artificial Intelligence, BIGAI（1 通用人工智能国家重点实验室，BIGAI） ； Tsinghua University（2 清华大学） ； Peking University（3 北京大学）
AI总结 ValuePilot通过双阶段框架实现价值驱动的个性化决策，提升AI在复杂场景中的可解释性和适应性。
Comments Accepted at LAW Workshop, NeurIPS 2025
面向开放世界设置的零样本息肉检测自适应检测-验证框架
机构 * College of Computer Science, Sichuan University（四川大学计算机学院） ； Columbia University（哥伦比亚大学） ； School of Software and Microelectronics, Peking University（北京大学软件与微电子学院） ； Apon AI and Brain-Computer Engineering Research Institute（Apon人工智能与脑机工程研究院） ； Faculty of Science and Technology, University of Macau（澳门大学科学与技术学院） ； Faculty of Applied Science and Engineering, University of Toronto（多伦多大学应用科学与工程学院） ； Faculty of Computer Science and Information Technology, University of Malaya（马来亚大学计算机科学与信息技术学院） ； Zhaolong Technology（智龙科技） ； Purdue University（普渡大学）
AI总结 本文提出AdaptiveDetector，通过自适应阈值调整和成本敏感强化学习，实现开放世界中零样本息肉检测，提升召回率并减少假阴性。
VideoMem: 通过自适应内存管理增强超长视频理解
机构 * School of Electronic and Computer Engineering, Peking University（电子与计算机工程学院，北京大学） ； Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学）
AI总结 VideoMem通过自适应内存管理框架，有效提升超长视频理解任务的性能，采用PRPO算法和两个核心模块实现高效训练和长期记忆保留。
MCTS-EP：通过在线偏好优化增强具身规划
机构 * School of Management, Fudan University, Shanghai, China（复旦大学管理学院） ； Independent Researcher（独立研究者） ； CFCS, School of Computer Science, Peking University, Beijing, China（计算机科学系，北京大学） ； PKU-AgiBot Lab, Peking University, Beijing, China（北京大学）
AI总结 MCTS-EP通过结合大语言模型与蒙特卡洛树搜索，实现具身智能体的在线偏好优化，提升多模态任务的性能表现。
跨图像和图像内细化用于少样本分割
机构 * Department of Biomedical Engineering, Peking University（北京大学生物医学工程系） ； Institute of Medical Technology, Peking University Health Science Center, Peking University（北京大学医学部医学技术研究所） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心）
AI总结 IIR通过跨图像和图像内细化方法提升少样本分割性能，解决原型表示导致的类内差距和类间干扰问题，实现更准确的先验图生成和解码器优化。
MIRA：面向真实世界健康数据的医学时间序列基础模型
机构 * Microsoft Research（微软研究院） ； University of Manchester（曼彻斯特大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学） ； Imperial Global Singapore, Imperial College London（帝国理工学院伦敦分校）
AI总结 MIRA是一种专为医学时间序列预测设计的基础模型，通过连续时间旋转位置编码、频率特定混合专家层和连续动态外推块，实现对不规则时间间隔、异质采样率和缺失值的高效处理，提升医疗时间序列数据的预测精度和跨机构迁移能力。
Comments NeurIPS 2025 Main Conference
QCircuitBench：用于量子算法设计的大型数据集
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Center on Frontiers of Computing Studies, Peking University（北京大学计算前沿研究中心） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Anderson School of Management, University of California, Los Angeles（美国加州大学洛杉矶分校安德森管理学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院）
AI总结 QCircuitBench是一个用于评估AI在量子算法设计中能力的大型数据集，包含多种任务和算法，揭示了大语言模型在此领域的局限性。
Comments 45 pages, 17 figures, 15 tables, GitHub repository: https://github.com/EstelYang/QCircuitBench
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