General Humanoid Whole-Body Control via Pretraining and Fast Adaptation
通用双足机器人全身控制 via 预训练和快速适应
机构 * Wuhan University（武汉大学） ； BeingBeyond ； Peking University（北京大学）
AI总结 本文提出FAST框架，通过预训练和快速适应实现双足机器人全身控制的通用性，提升鲁棒性和适应效率。
Comments 22 pages
高校专区
Peking University（北京大学）
MEME: Modeling the Evolutionary Modes of Financial Markets
MEME：金融市场的进化模式建模
机构 * National Key Laboratory for Multimedia Information Processing, PKU-Anker LLM Lab, School of Computer Science, Peking University（国家多媒体信息处理重点实验室、PKU-Anker LLM实验室、计算机科学学院、北京大学） ； School of Electronics Engineering（电子工程学院） ； Computer Science, Peking University（计算机科学、北京大学） ； Institute for Artificial Intelligence, Peking University（人工智能研究所、北京大学） ； Sun Yat-sen University（中山大学）
AI总结 MEME通过建模金融市场中的动态进化思维模式，利用多代理提取和高斯混合模型，实现对市场动态的精准重建，优于现有基线方法。
AlphaPROBE: Alpha Mining via Principled Retrieval and On-graph biased evolution
AlphaPROBE：通过原理性检索和图内偏见进化进行alpha因子挖掘
机构 * National Key Laboratory for Multimedia Information Processing, School of Computer Science, PKU-Anker LLM Lab, Peking University（国家多媒体信息处理重点实验室，计算机科学学院，PKU-Anker LLM实验室，北京大学） ； Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； Baruch College, City University of New York（巴纳克学院，纽约城市大学）
AI总结 AlphaPROBE通过原理性检索和图内偏见进化，提升alpha因子挖掘的效率与鲁棒性。
From Atoms to Trees: Building a Structured Feature Forest with Hierarchical Sparse Autoencoders
从原子到树：构建具有层次稀疏自编码器的结构化特征森林
机构 * School of Mathematical Science, Peking University, Beijing, China（北京大学数学科学学院） ； Beijing International Center for Mathematical Research（北京国际数学研究中心） ； the New Cornerstone Science Laboratory, Peking University, Beijing, China（北京大学新基石科学实验室） ； Center for Machine Learning Research, Peking University, Beijing, China（北京大学机器学习研究中心） ； School of Information and Electronics, Beijing Institute of Technology, Beijing, China（北京理工大学信息与电子学院） ； Institute for Theoretical Sciences, Westlake University, Hangzhou, China（西湖大学理论科学研究院） ； School of Science, Westlake University, Hangzhou, China（西湖大学理学院） ； School of Informatics, University of Edinburgh, Edinburgh, UK（爱丁堡大学信息学院）
AI总结 本文提出层次稀疏自编码器HSAE，通过结构约束和随机扰动机制，联合学习LLM中的层次化特征结构，实现语义有意义的多尺度概念分析。
Towards Fair and Comprehensive Evaluation of Routers in Collaborative LLM Systems
迈向协作大语言模型系统中路由器的公平且全面评估
机构 * Southern University of Science and Technology（南方科技大学） ； Institut Polytechnique de Paris（巴黎政治学院） ； Peking University（北京大学） ； Deepexi Technology Co. Ltd.（深醒科技有限公司） ； University of Edinburgh（爱丁堡大学） ； Beihang University（北航） ； Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））
AI总结 本文提出RouterXBench框架和ProbeDirichlet路由器，通过内部隐藏状态提升路由能力与跨领域鲁棒性，实现对协作大语言模型系统中路由器的公平全面评估。
Comments Our code is publicly available at https://github.com/zhuchichi56/RouterXBench
Temporal Difference Learning with Constrained Initial Representations
具有约束初始表示的时序差分学习
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Tencent（腾讯） ； School of Computer Science, Peking University（北京大学计算机学院）
AI总结 本文提出CIR框架，通过引入双曲正切函数和改进的Q学习方法，提升时序差分学习在连续控制任务中的性能。
Comments 35 pages
FlowMind: Execute-Summarize for Structured Workflow Generation from LLM Reasoning
FlowMind: 从LLM推理生成结构化工作流的执行-总结
机构 * Peking University（北京大学） ； East China University of Technology（东华大学） ； National Key Laboratory of Data Space Technology and System（数据空间技术与系统国家重点实验室）
AI总结 FlowMind通过执行-总结框架将LLM推理转化为结构化工作流，提高工作流的准确性和鲁棒性。
FormalJudge: A Neuro-Symbolic Paradigm for Agentic Oversight
FormalJudge: 一种用于代理监管的神经符号范式
机构 * Institute for Artificial Intelligence, 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） ； Fudan University（复旦大学） ； Shanghai AI Lab（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 FormalJudge通过神经符号框架结合形式验证，提升代理行为安全性和欺骗检测能力，实现数学保证而非概率评分。
Comments 27 pages
Teaching LLMs According to Their Aptitude: Adaptive Reasoning for Mathematical Problem Solving
根据能力教学LLMs：数学问题解决的自适应推理
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Surrey（萨里大学）
AI总结 TATA通过自适应框架使LLMs根据自身能力自主调整推理策略，提升数学问题解决的效率和准确性。
Comments 8 pages
Beyond Parameter Arithmetic: Sparse Complementary Fusion for Distribution-Aware Model Merging
超越参数运算：用于分布感知模型融合的稀疏互补融合
机构 * Beijing Qiyuan Technology Co., Ltd.（北京启元科技有限公司） ； Peking University（北京大学）
AI总结 本文提出SCF-RKL方法，通过稀疏、分布感知的更新控制功能干扰，提升模型融合的稳定性与泛化能力。
LAER-MoE: Load-Adaptive Expert Re-layout for Efficient Mixture-of-Experts Training
LAER-MoE：负载自适应专家重新布局用于高效混合专家训练
机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 LAER-MoE通过负载自适应专家重新布局提升混合专家模型训练效率，实现1.69倍加速。
Comments 19 pages, 12 figures, the paper will be presented at ASPLOS 2026
PACE: Prefix-Protected and Difficulty-Aware Compression for Efficient Reasoning
PACE: 用于高效推理的前缀保护和难度感知压缩
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Nanbeige Lab, BOSS Zhipin（纳米贝实验室，BOSS智联） ； Peking University（北京大学）
AI总结 PACE通过双层框架实现前缀保护和难度感知压缩，有效减少token使用并提升推理准确性。
Supervise-assisted Multi-modality Fusion Diffusion Model for PET Restoration
监督辅助多模态融合扩散模型用于PET修复
机构 * Beijing Institute of Technology（北京理工大学） ； Research and Development Center of Agricultural Bank of China（中国农业银行研发中心） ； Peking University（北京大学） ； Beijing Normal University（北京师范大学）
AI总结 本文提出监督辅助多模态融合扩散模型，用于从低剂量PET和MR图像中恢复高质量SPET图像，通过优化特征融合和两阶段监督学习策略提升修复效果。
Learning Physics-Grounded 4D Dynamics with Neural Gaussian Force Fields
基于神经高斯力场的学习物理 grounded 4D 动力学
机构 * Institute for AI, Peking University（北京大学人工智能研究院） ； School of Psychological and Cognitive Sciences, Peking University（北京大学心理学与认知科学学院） ； School of EECS, Peking University（北京大学电子工程学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Yuanpei College, Peking University（北京大学元培学院） ； State Key Lab of General AI, Peking University（北京大学通用人工智能国家重点实验室） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室）
AI总结 本文提出神经高斯力场（NGFF），通过结合3D高斯感知与物理动力学建模，从多视角RGB输入生成交互式、物理真实的4D视频，提升视频预测的物理 grounded 性。
Comments 43 pages, ICLR 2026
DexterCap: An Affordable and Automated System for Capturing Dexterous Hand-Object Manipulation
DexterCap: 一种经济实惠且自动化的手部物体操作捕捉系统
机构 * Peking University（北京大学） ； School of Computer Science, Peking University（北京大学计算机学院） ； Tencent Robotics X（腾讯机器人实验室）
AI总结 DexterCap是一种低成本的自动化手部物体操作捕捉系统，通过字符编码标记和自动重建流程，实现稳健的跟踪和细粒度手部-物体交互数据集DexterHand的构建。
Comments 12 pages, 12 figures
Can LLMs Handle WebShell Detection? Overcoming Detection Challenges with Behavioral Function-Aware Framework
LLMs能否处理WebShell检测？通过行为功能感知框架克服检测挑战
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Central South University（中南大学） ； Peking University（北京大学）
AI总结 基于行为功能感知框架，研究评估了七种LLM在WebShell检测中的表现，发现大模型精度高但召回率低，提出BFAD框架提升检测性能，F1值平均提升13.82%。
Comments Published as a conference paper at COLM 2025 (The new version has been polished and expanded with more detailed future work ideas)
