Peking University（北京大学）

Neural Theorem Proving for Verification Conditions: A Real-World Benchmark

为验证条件进行神经定理证明：一个现实世界的基准测试

Qiyuan Xu, Xiaokun Luan, Renxi Wang, Joshua Ong Jun Leang, Peixin Wang, Haonan Li, Wenda Li, Conrad Watt

机构 * Nanyang Technological University（南洋理工大学） ； Peking University（北京大学） ； MBZUAI ； Imperial College London（帝国理工学院） ； East China Normal University（华东师范大学） ； University of Edinburgh（爱丁堡大学） 纠错

AI总结 本研究提出NTP4VC，首个现实世界多语言基准测试，评估LLMs在自动验证条件证明中的表现，揭示程序验证中的挑战与未来研究方向。

Comments Accepted in ICLR'26

ReactionMamba: Generating Short & Long Human Reaction Sequences

ReactionMamba: 生成短及长人类反应序列

Hajra Anwar Beg, Baptiste Chopin, Hao Tang, Mohamed Daoudi

机构 * Univ. Lille, CNRS, Centrale Lille, Institut Mines-Télécom, UMR 9189 CRIStAL（里尔大学） ； IMT Nord Europe, Institut Mines-Télécom, Univ. Lille, Centre for Digital Systems（IMT北欧，矿电信学院，里尔大学，数字系统中心） ； da/sec – Biometrics and Security Research Group, Hochschule Darmstadt（da/sec生物识别与安全研究组，达姆施塔特大学） ； Peking University（北京大学） 纠错

AI总结 ReactionMamba通过结合运动变分自编码器和Mamba状态空间模型，实现了高效生成短及长人类反应序列，提升了生成质量和推理速度。

HESTIA: A Hessian-Guided Differentiable Quantization-Aware Training Framework for Extremely Low-Bit LLMs

HESTIA: 一种基于Hessian的可微量化感知训练框架用于极低比特LLMs

Guoan Wang, Feiyu Wang, Zongwei Lv, Yikun Zong, Tong Yang

机构 * School of Software and Microelectronics, Peking University, Beijing, China（软件与微电子学院，北京大学，北京，中国） ； School of Computer Science, Peking University, Beijing, China（计算机科学学院，北京大学，北京，中国） 纠错

AI总结 HESTIA通过Hessian引导的可微量化感知训练框架，实现极低比特LLMs的高效训练，提升模型性能。

Comments 13 pages, 2 figures

WFR-MFM: One-Step Inference for Dynamic Unbalanced Optimal Transport

WFR-MFM：动态不平衡最优传输的一步推断

Xinyu Wang, Ruoyu Wang, Qiangwei Peng, Peijie Zhou, Tiejun Li

机构 * LMAM and School of Mathematical Sciences, Peking University（理学院和数学科学学院，北京大学） ； Center for Machine Learning Research, Peking University（机器学习研究中心，北京大学） ； Center for Quantitative Biology, Peking University（定量生物学研究中心，北京大学） ； National Engineering Laboratory for Big Data Analysis and Applications（大数据分析与应用国家工程实验室） ； AI for Science Institute（人工智能科学研究院） ； Center for Data Science, Peking University（数据科学中心，北京大学） 纠错

AI总结 WFR-MFM通过均流框架实现动态不平衡最优传输的一步推断，显著提升推断速度并保持高准确性。

CLIP-Guided Unsupervised Semantic-Aware Exposure Correction

基于CLIP的无监督语义感知曝光校正

Puzhen Wu, Han Weng, Quan Zheng, Yi Zhan, Hewei Wang, Yiming Li, Jiahui Han, Rui Xu

机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； School of Computer Science, Peking University（北京大学计算机学院） 纠错

AI总结 本文提出基于CLIP的无监督语义感知曝光校正方法，通过融合预训练模型的语义信息和伪地面真实生成器，有效提升曝光校正效果。

Comments Accepted at ICASSP 2026

All-in-One Video Restoration under Smoothly Evolving Unknown Weather Degradations

全场景视频修复应对平滑演变的未知天气退化

Wenrui Li, Hongtao Chen, Yao Xiao, Wangmeng Zuo, Jiantao Zhou, Yonghong Tian, Xiaopeng Fan

机构 * Department of Computer Science and Technology, Harbin Institute of Technology（计算机科学与技术系，哈尔滨工业大学） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室，深圳，中国） ； School of Computer Science, Peking University（计算机学院，北京大学） 纠错

AI总结 本文提出ORCANet网络，针对平滑演变的未知天气退化问题，通过递归条件和适应提示机制实现视频修复的高质量与时序一致性。

RxnBench: A Multimodal Benchmark for Evaluating Large Language Models on Chemical Reaction Understanding from Scientific Literature

RxnBench: 一个用于评估大语言模型在科学文献中理解化学反应的多模态基准

Hanzheng Li, Xi Fang, Yixuan Li, Chaozheng Huang, Junjie Wang, Xi Wang, Hongzhe Bai, Bojun Hao, Shenyu Lin, Huiqi Liang, Linfeng Zhang, Guolin Ke

机构 * DP Technology（DP技术公司） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； New York University（纽约大学） ； Fudan University（复旦大学） ； Xiamen University（厦门大学） ； ShanghaiTech University（上海科技大学） 纠错

AI总结 RxnBench通过两个任务评估大语言模型在化学反应理解上的能力，揭示模型在深度化学逻辑和结构识别上的不足，强调需改进视觉编码和推理能力以推动AI化学发展。