高校专区
先回答，后推理：通过模式平衡强化学习对齐搜索相关性
机构 * Qwen Applications Business Group, Alibaba Group（阿里集团文应用业务组） ； Peking University（北京大学）
AI总结 本研究提出AFRL范式，通过模式平衡优化策略结合SFT与RL，实现低延迟高精度的搜索相关性模型，并有效知识蒸馏。
Hydra-Nav: 通过自适应双过程推理实现物体导航
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Peking University（北京大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
AI总结 Hydra-Nav通过自适应双过程推理提升物体导航效率，实现高效探索与决策。
记忆是否需要图？一种统一框架和长期对话记忆的实证分析
机构 * Peking University（北京大学） ； Georgia Tech（佐治亚理工学院） ； ZJU（浙江大学） ； MBZUAI（马克斯·普朗克智能系统研究所） ； UCAS（中国科学院大学）
AI总结 本文提出一种统一框架，分析长期对话记忆系统，发现性能差异主要由基础设置驱动，而非特定架构创新，并提供了稳定基线。
重新思考视觉-语言-动作模型的扩展：对齐、混合与正则化
机构 * Renmin University of China（中国人民大学） ； BeingBeyond ； Peking University（北京大学）
AI总结 本研究重新审视视觉-语言-动作模型的扩展问题，探讨了对齐、混合与正则化在机器人控制中的关键作用，挑战了传统假设并提供实践指导。
AnyTouch 2: 通用光学触觉表征学习用于动态触觉感知
机构 * Gaoling School of Artificial Intelligence, Renmin University of China, Beijing, China（中国人民大学光明学院） ； Beijing Key Laboratory of Research on Large Models（北京大型模型研究关键实验室） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Beijing Jiaotong University（北京交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing University of Posts（北京邮电大学） ； State Key Laboratory of Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室）
AI总结 AnyTouch 2 是一种通用光学触觉表征学习框架，通过大规模层次化触觉数据集提升动态触觉感知能力，实现物体层面与细粒度力感知的统一学习。
Comments Accepted by ICLR 2026
通过相关性感知支付增强仿射最大化拍卖
机构 * CFCS, School of Computer Science, Peking University（计算机科学系，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 本文提出CA-AMA框架，通过相关性感知支付增强AMAs，解决估值相关分布下的收益优化问题。
Comments 22 pages. Work in progress
SceneReVis: 一种基于多轮强化学习的视觉 grounding 框架，用于通过多轮强化学习进行 3D 室内场景合成
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Microsoft Research Asia, Beijing, China（微软亚洲研究院） ； Peking University, Beijing, China（北京大学） ； ShanghaiTech University, Shanghai, China（上海科技大学）
AI总结 SceneReVis 通过多轮强化学习和多模态反馈，实现高保真 3D 室内场景合成，提升空间规划能力。
基于基础模型的手术图像分割迭代细化方法
机构 * School of Automation Science and Engineering, South China University of Technology, Guangzhou, China（自动化科学与工程学院，华南理工大学，广州，中国） ； Vanderbilt University, Nashville, TN, USA（范德比尔特大学，纳什维尔，田纳西州，美国） ； The Pennsylvania State University, University Park, PA , USA（宾夕法尼亚州立大学，大学园，宾夕法尼亚州，美国） ； Peking University, Beijing , China（北京大学，北京，中国） ； Virginia Commonwealth University, Richmond, VA, USA（弗吉尼亚共同wealth大学，里士满，弗吉尼亚州，美国） ； University of California San Diego, San Diego, CA, USA（加州大学圣地亚哥分校，圣地亚哥，加利福尼亚州，美国）
AI总结 本文提出IR-SIS，一种基于自然语言描述的手术图像分割迭代细化系统，结合视觉-语言模型和自适应工作流，实现高精度分割与临床交互。
循环回溯以前进：递归变换器用于高效灵活的大型多模态模型
机构 * 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） ； AntGroup（蚂蚁集团）
AI总结 RecursiveVLM通过递归细化机制提升多模态模型效率，实现参数复用和性能提升。
Comments This is a primary contribution in the Recursive Vision-Language Models
GEBench: 图形用户界面生成模型的基准测试
机构 * StepFun ； South China University of Technology（南方科技大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所） ； The University of Chicago（芝加哥大学） ； Nanyang Technological University（南洋理工大学）
AI总结 GEBench提出一个评估GUI生成模型动态交互和时间一致性的基准测试，通过五维指标揭示模型在多步交互中的瓶颈问题。
Comments 23 pages, 5 figures, 4 tables
从离线到在线：通过双层专家到策略融合提升GUI代理
机构 * Nanjing University（南京大学） ； Peking University（北京大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 BEPA通过双层专家到策略融合方法，提升GUI代理在OSWorld-Verified等基准测试中的性能。
Comments Work In Progress
Text2SQL-Flow：一种鲁棒的SQL感知数据增强框架用于文本到SQL
机构 * Peking University, Beijing, China（北京大学，北京，中国）
AI总结 Text2SQL-Flow提出了一种SQL感知的数据增强框架，通过生成高质量的文本到SQL数据集，提升大型语言模型在问题解决和检索任务中的性能。
MILR：通过测试时潜在推理改进多模态图像生成
机构 * University of Science and Technology of China（中国科学技术大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 MILR通过测试时潜在推理提升多模态图像生成性能，实现跨模态推理和统一潜在空间优化。
Comments 21 pages,14 figures,9 tables
关于并行文本生成的综述：从并行解码到扩散语言模型
机构 * Peking University（北京大学） ； University of Illinois Chicago（伊利诺伊大学香槟分校） ； Tsinghua University（清华大学） ； XPENG ； Alibaba Group（阿里巴巴集团） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文综述了并行文本生成技术，分析了基于AR和非AR的方法，评估了其在速度、质量和效率上的权衡，并指出了未来研究方向。
选择性KV缓存共享以缓解LLM推理中的定时侧信道
机构 * University of Connecticut Storrs（康涅狄格大学斯托尔斯分校） ； Independent（独立研究者） ； Indiana University Bloomington（印第安纳大学布卢明顿分校） ； UC Santa Cruz（圣克拉拉大学） ； Peking University（北京大学）
AI总结 SafeKV通过选择性KV缓存共享缓解LLM推理中的定时侧信道问题，实现隐私保护与性能优化的平衡。
Comments 14 pages,15 figures
Cochain: 在LLM代理工作流中平衡不足与过度的合作
机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； School of Urban Planning and Design, Peking University（北京大学城市规划与设计学院）
AI总结 Cochain通过整合知识图谱和提示树，有效解决业务工作流中LLM代理合作问题，优于基线模型。
Comments 35 pages, 23 figures
神经力场：基于少量样本的学习通用物理推理
机构 * Institute for AI, Peking University（人工智能研究院，北京大学） ； School of Psychological and Cognitive Sciences, Peking University（心理学与认知科学学院，北京大学） ； School of EECS, Peking University（电子工程学院，北京大学） ； School of Integrated Circuits, Peking University（集成电路学院，北京大学） ； State Key Lab of General AI, Peking University（通用人工智能国家重点实验室，北京大学） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室，北京大学）
AI总结 神经力场通过力场表示实现基于少量样本的学习通用物理推理，有效提升物理动态的泛化能力。
Comments 27 pages, ICLR 2026
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