Peking University（北京大学）

TracingFlow: A Simulation-Free Trajectory Inference Framework Based on Second-Order Dynamics

TracingFlow：基于二阶动力学的无模拟轨迹推断框架

Yuhao Sun, Zekun Wu, Zixun Huang, Peijie Zhou

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） ； Center for Quantitative Biology, Peking University（北京大学定量生物学中心） ； National Engineering Laboratory for Big Data Analysis and Applications, Beijing（北京大数据分析与应用国家工程实验室） ； AI for Science Institute, Beijing（北京科学智能研究院） 纠错

AI总结 TracingFlow是一种无模拟的二阶动力学轨迹推断框架，通过回归加速度场解决动力最优加速度传输问题，在合成与scRNA-seq数据集上实现了更优的分布重构与轨迹保真度，还能恢复兼具数学最优性与生物学合理性的动力学结构。

COMET: Contrastive Motion-Enhanced Temporal Reasoning for Video Multimodal Large Language Models

COMET：面向视频多模态大语言模型的对比运动增强时序推理

Chenghua Zhu, Zhaolu Kang, Qifan Shi, Siyan Wu, Kehan Jiang, Lei Wei, Lianyu Hu, Guangyuan Dong, Mingbo Yang, Rui Lu, Guibo Luo

机构 * Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Sun Yat-Sen University（中山大学） ； Pingan Technology（平安科技） 纠错

AI总结 COMET是一种视频多模态大语言模型时序增强框架，通过显式时序表示等方法，在Qwen3-VL-8B等模型的动作、时序推理任务上取得性能提升，且可跨模型家族通用。

Comments Accepted at the 34th ACM International Conference on Multimedia (ACM MM 2026)

Explainable Deepfake Detection with Feature-robust Augmentation and Evidence-grounded Explanation Optimization

基于特征鲁棒增强与证据支撑的解释性深度伪造检测

Zhu Xu, Jiaqi Tang, Pokai Chen, Yuxin Peng, Yang Liu

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） 纠错

AI总结 该研究针对深度伪造检测的鲁棒性与可解释性缺陷，提出含特征鲁棒增强、证据支撑偏好优化的框架，在ACM Multimedia 2026相关任务中获第一名。

Certified Multi-Turn Robustness for LLM Safety via Compositional Bounds and Safety Persistence

通过组合边界与安全持久性实现大语言模型安全的多轮认证鲁棒性

Yang Liu, Bin Chong, Wenkai Yang, Shuai Zhang, Yancheng Chen, Feiyu Han, GuoZhen, Cheng Zhang, Huaibing Xie, Changze Lv, Shihan Dou, Pluto Zhou

机构 * Peking University（北京大学） ； Renmin University of China（中国人民大学） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Hunyuan（腾讯混元） 纠错

AI总结 针对LLMs易受多轮越狱攻击的问题，提出MTCR框架，通过状态对抗MDPs等方法实现多轮认证鲁棒性，实验表明其经验安全性能超认证边界。

Identity-Preserving Text-to-Video Generation via Agentic Enhancement and Semantic Repair

通过智能体增强与语义修复实现身份保留的文本到视频生成

Jiayi Gao, Changcheng Hua, Jiaqi Tang, Yuxin Peng, Yang Liu

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） 纠错

AI总结 针对现有商业视频生成模型的身份漂移等缺陷，提出AESR轻量级框架，含智能体提示增强与视觉语义修复模块，搭配混合专家选择策略，其系统MIPL_Video在ACM MM 2026挑战赛赛道1获第一

Geometric Regularization for Long-Tailed Semi-Supervised Learning via Gaussian Feature Bridges

基于高斯特征桥的长尾半监督学习几何正则化方法

Hongyang He, Xinyuan Song, Yan Zhong, Daizong Liu, Yanbin Li, Yang-fan He, Wenqiao Zhang

机构 * University of Warwick（华威大学） ； Wuhan University（武汉大学） ； Emory University（埃默里大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学） 纠错

AI总结 本研究针对长尾半监督学习的标签分布失衡与伪标签噪声问题，提出高斯桥一致性框架及BridgeMix策略，经基准实验验证可有效提升长尾类性能且具备良好可扩展性。

Comments Accepted at the European Conference on Computer Vision (ECCV) 2026. Conference page: this https URL (https://eccv.ecva.net/virtual/2026/poster/4113)