高校专区
通过规范化的扩散模型重新思考对称性：应用于分子图生成
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Princeton University（普林斯顿大学） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本文提出通过规范化的扩散模型生成分子图，利用几何谱和位置编码提升生成效果，优于等变基线方法。
Comments 32 pages
MoRL: 用于统一运动理解与生成的强化推理
机构 * The University of Sydney（悉尼大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学）
AI总结 MoRL通过结合监督微调和强化学习，提升运动理解与生成的推理能力和现实感，并引入链式运动方法和大规模CoT数据集以增强推理效果。
AutoWebWorld: 通过有限状态机合成无限可验证的网页环境
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Peking University（北京大学）
AI总结 AutoWebWorld通过有限状态机合成可验证的网页环境，实现自动化搜索与验证流程，提升WebGUI代理性能。
学习具有部分感知的密集3D特征场以实现通用的可变形物体操作
机构 * Peking University（北京大学） ； Beijing Institute of Technology（北京理工大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出PA3FF，一种具有部分感知的密集3D特征场，用于提升可变形物体操作的泛化能力，通过对比学习训练，实现高效且通用的机器人操作
Comments Accept to ICLR 2026, Project page: https://pa3ff.github.io
协同的内层和跨层正则化损失用于MoE专家专业化
机构 * Peking University, Beijing, China（北京大学） ； Zhejiang Lab, Zhejiang, China（浙江实验室） ； AI for Science Institute, Beijing, China（AI for Science研究院）
AI总结 本文提出两种正则化损失，通过增强MoE的专业化和路由效率，提升模型性能和推理速度。
Comments preprint
GUI-GENESIS: 自动合成具有可验证奖励的高效环境以实现GUI代理训练
机构 * Key Lab of HCST (PKU), MOE ； SCS, Peking University, Beijing, China ； Tencent Inc., Shenzheng, China ； Hong Kong University of Science ； Department of Computer Science, University of Texas at Dallas, Richardson, USA ； School of Computing Science, Simon Fraser University, Burnaby, BC, Canada
AI总结 GUI-GENESIS通过自动合成高效GUI训练环境并提供可验证奖励，显著提升了GUI代理的训练效率和性能。
LM-Lexicon：通过和谐语义专家提升定义建模
机构 * BIGAI ； Baidu Inc.（百度公司） ； Peking University（北京大学）
AI总结 LM-Lexicon通过语义专家学习和混合架构提升定义建模效果，实现BLEU分数提升7%，并优化领域级路由机制
Comments EACL 2026 (Oral), 22 pages, 12 figures, 12 tables
ProAct：一种双系统框架用于主动具身社交代理
机构 * Peking University（北京大学）
AI总结 ProAct通过双系统框架实现主动具身社交代理，结合低延迟行为系统与慢速认知系统，提升交互的主动性和社会参与度。
Comments Project Page: https://proactrobot.github.io/
GREPO：图神经网络在仓库级Bug定位上的基准
机构 * Institute for Artificial Intelligence, Peking University（人工智能研究院，北京大学） ； School of Intelligence Science and Technology, Peking University（智能科学与技术学院，北京大学） ； College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科技大学）
AI总结 GREPO是首个用于仓库级Bug定位的GNN基准，包含86个Python仓库和47294个Bug修复任务，展示了GNN在Bug定位中的优越性能。
Comments 46 pages, 14figures
sleep2vec：用于异构夜间生物信号的统一跨模态对齐
机构 * Five Seasons Medical（五 Seasons 医疗） ； Tsinghua University（清华大学） ； Beijing Key Laboratory for Sleep Breathing Disorder（北京睡眠呼吸障碍重点实验室） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Technical University of Munich（慕尼黑技术大学）
AI总结 sleep2vec通过统一跨模态对齐和原理化缩放，实现了对异构夜间生物信号的高效、通用建模。
MEMTS: 通过参数化内存内化领域知识以实现时间序列基础模型的无检索领域适应
机构 * East China Normal University（东华师范大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 MEMTS通过参数化内存内化领域知识，实现时间序列基础模型的无检索领域适应，提升实时流处理效率。
在功能缩放定律下最优学习率调度：功率衰减与温升稳定衰减
机构 * Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； AI for Science Institute, Beijing（北京人工智能科学研究院）
AI总结 本文在功能缩放定律下研究最优学习率调度，揭示了在不同任务难度下学习率调度的相变特性，并展示了功率衰减调度在核回归中的最优性能。
PAGCNet：一种具有姿态感知和几何约束的全景深度估计框架
机构 * Faculty of Computing, Harbin Institute of Technology（计算机学院，哈尔滨工业大学） ； Suzhou Research Institute of HIT（哈尔滨工业大学苏州研究院） ； Institute of Digital Media, School of Electronic Engineering and Computer Science, Peking University（数字媒体学院，北京大学电子工程与计算机科学学院） ； PengChengLab, Shenzhen（鹏城实验室，深圳）
AI总结 PAGCNet通过姿态感知和几何约束框架，有效解决复杂室内场景中全景深度估计的挑战，提升深度估计精度。
核回归中的功能缩放定律：损失动态与学习率调度
机构 * Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学多媒体信息处理国家重点实验室） ； AI for Science Institute, Beijing（北京人工智能科学研究院）
AI总结 本文提出功能缩放定律，通过分析核回归模型中的损失动态，揭示学习率调度对训练效率的影响，并验证了WSD调度在大规模预训练中的有效性。
Comments 60 pages, accepted by NeurIPS 2025 as a spotlight paper
少即是多：通过偏好数据选择改进大语言模型对齐
机构 * University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Alibaba Cloud Computing（阿里云计算） ； MoE Key Lab of BIPC, University of Science and Technology of China（中国科学技术大学MoE关键实验室）
AI总结 通过改进偏好数据选择策略，提升大语言模型对齐效果，实验显示在较少数据下实现显著性能提升。
HyFunc: 通过混合模型级联和动态模板加速基于LLM的功能调用以实现代理AI
机构 * Peking University（北京大学） ； Microsoft Corporation（微软公司）
AI总结 HyFunc通过混合模型级联和动态模板技术，高效解决代理AI中功能调用的冗余问题，实现低延迟和高性能。
Comments Accepted by KDD'26
AgentRob: 从虚拟论坛代理到被劫持的物理机器人
机构 * Peking University（北京大学）
AI总结 AgentRob通过模型上下文协议连接虚拟论坛与物理机器人，实现多代理协作控制，展示了论坛驱动的多机器人协调可行性。
Comments 10 pages, 2 figures
从原始序列输入中可微分地推导规则
机构 * Institute of High Performance Computing, Agency for Science, Technology and Research（高性能计算研究所，科技研究局） ； National Institute of Informatics（国家信息研究所） ； Key Laboratory of High Confidence Software Technologies, School of Computer Science Peking University（高可信软件技术重点实验室，北京大学计算机学院）
AI总结 本文提出一种结合自监督可微分聚类与新型可微分ILP模型的方法，实现从原始数据中无显式标签泄漏地推导规则。
Comments Accepted at ICLR 2025
自适应价值分解：协调城市系统中变化数量的智能体
机构 * State Key Laboratory of General Artificial Intelligence, BIGAI（人工智能通用基础理论国家重点实验室） ； Beijing Technology and Business University（北京科技与商业大学） ； Peking University（北京大学）
AI总结 自适应价值分解通过动态调整智能体数量和缓解动作同质化，提升城市系统中多智能体协调效率。
保持角色，保持安全：双循环对抗自进化用于安全角色扮演代理
机构 * Baidu Inc.（百度公司） ； The University of Queensland（昆士兰大学） ； Peking University（北京大学）
AI总结 本文提出双循环对抗自进化框架，通过角色扮演防御机制提升安全性和角色忠实度，实验表明在多个大语言模型上有效提升角色扮演的稳定性与安全性。
BotzoneBench: 通过分级AI锚点实现可扩展的LLM评估
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； School of Software Engineering, South China University of Technology（华南理工大学软件学院） ； Department of Computer Science, Yale University（耶鲁大学计算机科学系） ； School of Psychological and Cognitive Sciences, Peking University（北京大学心理学与认知科学学院）
AI总结 BotzoneBench通过分级AI锚点实现LLM战略能力的可扩展评估，评估八个多样化游戏中的177,047个状态-动作对，揭示性能差异并识别战略行为。
基于场景图的LLM定位再规划集成探索与顺序操作
机构 * Beihang University（北航大学） ； State Key Laboratory of General Artificial Intelligence（一般人工智能国家重点实验室） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院）
AI总结 EPoG通过结合基于图的全局规划器与LLM的定位局部规划器，实现探索与顺序操作规划的无缝结合，有效提升机器人在部分已知环境中的任务执行效率。
Comments 8 pages, 7 figures; accepted by ICRA 2026
ShotFinder: 通过网络搜索驱动的开放域视频镜头检索
机构 * CASIA（中国科学院自动化研究所） ； UCAS（中国科学院大学） ； Lenovo（联想集团） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 ShotFinder通过网络搜索驱动开放域视频镜头检索，提出三阶段检索流程并揭示多模态大模型在开放域视频检索中的性能差距。
Comments 28 pages, 7 figures, Project website: https://github.com/yutao1024/ShotFinder
通过自我进化实现Rust代码的自动证明生成
机构 * Peking University（北京大学） ； Microsoft Research（微软研究院） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Columbia University（哥伦比亚大学） ； University of California Irvine（加州大学 Irvine 分校）
AI总结 SAFE框架通过自我进化循环和自我调试机制，提升开源模型自动编写Rust代码证明的能力，准确率达52.52%
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