高校专区
TwinAligner: 视觉-动态对齐赋能物理感知的实境到仿真到现实的机器人操控
机构 * CFCS, School of Computer Science, Peking University（计算机学院，北京大学CFCS） ； PKU-AgiBot Lab（北京大学AgiBot实验室） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机学院，北京大学）
AI总结 TwinAligner通过视觉和动态对齐技术，解决仿真与现实之间的差距，提升机器人操控的可扩展学习能力。
异质主体宏观经济学的结构强化学习
机构 * University of Zurich and SFI（苏黎世大学和SFI） ； Peking University, School of Computer Science and BIGAI（北京大学计算机学院和BIGAI） ； UC Berkeley（加州大学伯克利分校） ； London School of Economics（伦敦经济学院）
AI总结 本文提出结构强化学习方法，用于高效求解异质主体宏观经济学模型，克服传统方法限制，实现快速全局求解。
面向高分辨率PCBA的像素级异常定位方法：基于自监督图像重建
机构 * Huazhong University of Science and Technology（华中科技大学） ； Siemens AG（西门子股份公司） ； University of Electronic Science and Technology of China（电子科技大学） ； Peking University（北京大学）
AI总结 本文提出HiSIR-Net，通过自监督图像重建实现高分辨率PCBA的像素级异常定位，结合SIR-Gate和ROPS方案，提升定位精度与效率。
InterMT：基于人类反馈的多轮交错偏好对齐
机构 * Institute for AI, Peking University（人工智能研究院，北京大学） ； State Key Laboratory of General Artificial Intelligence, Peking University（通用人工智能国家重点实验室，北京大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 InterMT通过多轮多模态交互的偏好数据集探索，旨在提升多模态大模型的交互能力，结合人类反馈和专家注释，揭示多轮扩展规律。
AdaCtrl: 通过难度感知预算分配实现适应性与可控性推理
机构 * Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学）
AI总结 AdaCtrl通过难度感知预算分配实现自适应推理控制，提升模型在不同任务中的效率与效果。
Comp-Attn: 为组合视频生成的呈现与对齐注意力
机构 * School of Electronic and Computer Engineering, Peking University, Shenzhen, China（北京大学电子与计算机工程学院） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室） ； Tsinghua University, Beijing, China（清华大学）
AI总结 Comp-Attn通过呈现与对齐范式解决T2V生成中主体存在与关系对齐问题，提升生成质量与效率。
语义检索增强对比学习用于序列推荐
机构 * City University of Hong Kong（香港城市大学） ； Huazhong University of Science and Technology（华中科技大学） ； Tencent（腾讯） ； Shenzhen Technology University（深圳技术大学） ； Peking University（北京大学） ； Shenzhen University（深圳大学）
AI总结 SRA-CL通过利用LLMs的语义能力生成高质量对比对，提升序列推荐模型的性能。
Comments Accepted by NeurIPS 2025. Code is available at: https://github.com/ziqiangcui/SRA-CL
AI 代码在现实世界中的应用：衡量 AI 生成代码在现代软件中的安全风险和生态系统变化
机构 * Peking University（北京大学） ； Tencent（腾讯）
AI总结 本文研究了AI生成代码在现实世界中的安全风险和生态系统变化，通过大规模实证分析揭示了AI代码在软件开发中的分布、安全影响及人类与AI协作中的安全机制。
Comments https://mp.weixin.qq.com/s/sI_LKPnA-BeCVYr9Ko4sqg https://github.com/Narwhal-Lab/aicode-in-the-wild-security-risk-report
MeniMV：一种多视图的半月板损伤严重程度分级基准
机构 * Queen's University Belfast（女王大学贝尔法斯特分校） ； Nantong University（南通大学） ； China University of Mining and Technology（中国矿业大学） ； Heidelberg University（海德堡大学） ； Peking University（北京大学）
AI总结 MeniMV是一种多视图基准数据集，用于半月板horn损伤严重程度分级，通过提供丰富的标注数据和双视图诊断上下文，推动自动化MRI分析的发展。
Comments 5 pages, 2 figures
通过树状路由、自适应剪枝和依赖感知的预填解码重叠实现高效的混合代理服务
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Peking University（北京大学） ； Samsung Semiconductors, Inc.（三星半导体公司）
AI总结 本文提出一种高效的混合代理服务方法，通过树状路由、自适应剪枝和依赖感知的预填解码重叠，显著降低推理延迟并保持准确性。
Comments 13 pages, 4 figures, submitted to Design Automation Conference (DAC) 2026
AI是否会交易？对无交易定理的计算反向分析
机构 * Peking University（北京大学） ； School of Computer Science（计算机科学学院） ； CFCS（计算机科学与技术系）
AI总结 本文研究了在共同信念下，AI代理由于计算限制可能导致无法达到均衡，从而产生更活跃的交易环境。
Comments Accepted in WINE 2025
基于大语言模型的Vibe编码调研
机构 * Institute of Computing Technology Chinese Academy of Sciences（中国科学院计算技术研究所） ； Duke University（杜克大学） ； University of California Merced（加州大学默塞德分校） ； Peking University（北京大学） ； University of Queensland（昆士兰大学）
AI总结 本文调研了基于大语言模型的Vibe编码方法，系统分析了其理论基础和五个开发模型，揭示了上下文工程与协作模式对成功的关键作用。
通过混合差异和矩进行密度估计
机构 * School of Mathematical Sciences, Peking University, Beijing 100871, China（北京大学数学科学学院） ； School of Mathematical Sciences, Beijing Normal University, Beijing 100875, China（北京师范大学数学科学学院）
AI总结 本文提出基于混合差异和矩的密度估计方法，通过替代星形偏差来提升计算效率和不变性，验证了在不同维度下的性能表现。
Comments Accepted by Numerical Mathematics: Theory, Methods and Applications on 2025/12/18
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