Peking University（北京大学）

EPRBench: A High-Quality Benchmark Dataset for Event Stream Based Visual Place Recognition

EPRBench: 一种高质量的基于事件流的视觉位置识别基准数据集

Xiao Wang, Xingxing Xiong, Jinfeng Gao, Xufeng Lou, Bo Jiang, Si-bao Chen, Yaowei Wang, Yonghong Tian

机构 * School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peng Cheng Laboratory（鹏城实验室） ； School of Computer Science, Peking University（北京大学计算机科学学院） ； Shenzhen Graduate School, Peking University（北京大学深圳研究生院） 纠错

AI总结 EPRBench提出了一种高质量的基于事件流的视觉位置识别基准数据集，结合LLM生成场景描述与多模态融合方法，提升位置识别的准确性和模型透明度。

Difficulty-Aware Agentic Orchestration for Query-Specific Multi-Agent Workflows

面向查询难度的代理 orchestration 为查询特定的多代理工作流

Jinwei Su, Qizhen Lan, Yinghui Xia, Lifan Sun, Weiyou Tian, Tianyu Shi, Xinyuan Song, Lewei He, Yang Jingsong

机构 * South China Normal University（华南师范大学） ； The University of Texas Health Science Center（德克萨斯大学健康科学中心） ； The Hong Kong University of Science（香港科学大学） ； University of California（加州大学） ； Peking University（北京大学） ； University of Toronto（多伦多大学） 纠错

AI总结 本文提出难度感知的代理 orchestration 方法，通过动态生成查询特定的多代理工作流，提升查询处理的准确性和效率。

Comments Accepted to WWW2026

Sample-Efficient "Clustering and Conquer" Procedures for Parallel Large-Scale Ranking and Selection

高效并行大规模排序与选择的'聚类与征服'流程

Zishi Zhang, Yijie Peng

机构 * Guanghua School of Management, Peking University, Beijing 100871, China（北京大学光华管理学院） 纠错

AI总结 本文提出一种高效的并行大规模排序与选择方法，通过引入聚类步骤提升样本效率，适用于大规模AI应用。

Artic: AI-oriented Real-time Communication for MLLM Video Assistant

Artic: 面向AI的实时通信用于多模态大语言模型视频助手

Jiangkai Wu, Zhiyuan Ren, Junquan Zhong, Liming Liu, Xinggong Zhang

机构 * Peking University（北京大学） 纠错

AI总结 Artic提出了一种面向AI的实时通信框架，通过自适应比特率、上下文感知流式传输和退化视频理解基准提升多模态大语言模型视频助手的准确性和降低延迟。

Calibrating an Imperfect Auxiliary Predictor for Unobserved No-Purchase Choice

校准一个不完美的辅助预测器以处理未观察到的不购买选择

Jiangkai Xiong, Kalyan Talluri, Hanzhao Wang

机构 * Peking University（北京大学） ； Imperial College Business School（帝国理工学院商学院） ； The University of Sydney Business School（悉尼大学商学院） 纠错

AI总结 本文提出校准方法，利用购买数据改善不购买估计，提升组合优化决策质量。

PoliCon: Evaluating LLMs on Achieving Diverse Political Consensus Objectives

PoliCon：评估LLMs在实现多样化政治共识目标上的能力

Zhaowei Zhang, Xiaobo Wang, Minghua Yi, Mengmeng Wang, Fengshuo Bai, Zilong Zheng, Yipeng Kang, Yaodong Yang

机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； USTC（中国科学技术大学） ； WHU（武汉大学） ； SJTU（上海交通大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 PoliCon通过构建基于欧洲议会辩论记录的基准，评估LLMs在不同政治环境下生成共识决议的能力，揭示其在复杂任务中的不足及党派偏见。

Comments Accepted by ICLR 2026