Peking University（北京大学）

The Laws of Context Allocation: Causal Measurement and Closed-Loop Orchestration in Generative Search

上下文分配定律：生成式搜索中的因果测量与闭环编排

Peiyang Liu, Xi Wang, Di Liang, Wei Ye

机构 * National Engineering Research Center for Software Engineering, Peking University（北京大学国家软件工程研究中心） ； Peking University（北京大学） ； Tencent（腾讯） 纠错

AI总结 该研究针对RAG的证据利用测量与上下文预算分配瓶颈，提出因果留一法探针与闭环次模调度器，实现组合召回率提升16.7-20.5个百分点，确立顺序反馈驱动编排为生成式搜索的范式。

Knowing Isn't Always Saying: When Do Spatial Encodings Reach Answers in Vision-Language Models?

知晓并非总能表达：视觉语言模型中空间编码何时能抵达答案？

Zeyu Wang, Xinming Xu

机构 * Peking University（北京大学） ； Tsinghua University（清华大学） 纠错

AI总结 本研究针对视觉语言模型的空间编码何时能抵达答案的问题，采用方向干预方法，揭示了因果影响仅出现在中深层、文本思维链与视觉接地提示的不同作用等传输模式，为解决编码-接地差距提供了新视角。

Comments Accepted to appear in the EMNLP 2026 Main Conference

Cross-Subject Generalization in Decoding Perceived Speech from Non-Invasive Brain Recordings

从非侵入式脑记录中解码感知语音的跨被试泛化

Aoke Zhang, Bo Wang, Xihong Wu, Heping Cheng, Jing Chen

机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Academy for Advanced Interdisciplinary Studies, Peking University（北京大学前沿交叉学科研究院） ； National Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） 纠错

AI总结 该研究提出CPSD框架，结合对比学习、PESA模块等，在三类感知语音数据集上跨被试解码性能优于基线，提升了Top-10准确率。

Comments Submitted to IEEE Transactions on Audio, Speech, and Language Processing (TASLP)

Length-Adaptive Decoding for Masked Diffusion Machine Translation

面向掩码扩散机器翻译的长度自适应解码

Yan Zhan, Mengkai Hou, Wanting Zhang, Zhijun Gao

机构 * Peking University（北京大学） ； BYD Company Limited（比亚迪股份有限公司） 纠错

AI总结 针对掩码扩散机器翻译的长度决策问题，提出无训练的Entropy-Valley长度选择器，在多个翻译方向上显著优于基线，性能接近同数据训练的LLaMA-3-8B自回归模型。

Comments Accepted to the Main Conference of EMNLP 2026. 22 pages, 7 figures. Code: this https URL (https://github.com/Entropy-Valley/Entropy-Valley); dataset and model: this https URL (https://huggingface.co/collections/YanZhanPKU/entropy-valley)

Grounded Normative Rule Generation with Structured Search

基于结构化搜索的接地规范规则生成

Fanqi Kong, Huaxiao Yin, Ruijie Zhang, Xiaoyuan Zhang, Yizhe Huang, Jian Gao, Shuo Chen, Song-Chun Zhu

机构 * Peking University（北京大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室、北京智源人工智能研究院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本研究提出GNRS-Search框架，将规范规则生成为接地规范规则合成问题，通过MCMC采样优化AOG，在两个基准上提升规则质量，为受监管环境的合规智能体提供基础范式。

ToSCA: Leveraging Hierarchical Reinforcement Learning on Temporal and Strategic Abstractions of Conversational Agents

ToSCA：利用对话智能体的时间与策略抽象实现分层强化学习

Xiaoyu Wang, Qingqing Gu, Yue Zhao, Teng Chen, Yuqi Cao, Xiaokai Chen, Hongyan Li, Luo Ji

机构 * Geely AI Lab（吉利AI实验室） ； Beijing Institute of Technology（北京理工大学） ； Peking University（北京大学） 纠错

AI总结 该研究受人类多层时间抽象启发，提出ToSCA框架，采用两级分层强化学习结合双粒度奖励机制，在两类对话任务中性能优于基线方法。

Comments Accepted by EMNLP 2026 Findings

Repo2Skill-Evo: Repository Skills Go Stale in Silence

Repo2Skill-Evo：仓库技能在静默中过时

Chenyuan Duan, Ge Shi, Zineng Mao, Ge Zhang, Hao Liang, Yinzhu Piao, Yuchen Wu, Zhixin Yao, Kaiyu Huang, Wenhao Huang, Linzhuang Sun, Shen Yan, Wentao Zhang

机构 * ByteDance（字节跳动） ； Peking University（北京大学） ； Beijing Jiaotong University（北京交通大学） 纠错

AI总结 Repo2Skill-Evo研究发现，在57个真实仓库的105次版本转换中，前沿智能体难以可靠维护仓库技能，其平均@3 macro F1仅29.9%-69.7%，仓库技能会在无明确信号的情况下静默过时。

MemGuard: Persisting Verifier Signals for LLM-Agent Memory Governance

MemGuard：为大语言模型智能体记忆治理保留验证器信号

Haoyu Wang, Guangyuan Dong, He Liang, Zijing Zhang, Jiachen Luo, Chuang Liu, Chao Xue, Hao Tang

机构 * Nankai University（南开大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Institute of Optics and Fine Mechanics, Chinese Academy of Sciences（中国科学院上海光学精密机械研究所） ； Peking University（北京大学） ； Technical University of Munich（慕尼黑工业大学） ； Queen Mary University of London（伦敦大学玛丽女王学院） ； Wuhan University（武汉大学） ； University of New South Wales（新南威尔士大学） 纠错

AI总结 针对LLM智能体记忆的不可靠准入与漂移问题，提出MemGuard方法，通过保留验证器的生命周期元数据提升多任务基准的成功指标与效率，效果优于现有基线。

Comments 30 pages, 7 figures

MCite-RL: Towards Reliable Multimodal RAG via Citation-enhanced Agentic Reinforcement Learning

MCite-RL：基于引用增强型智能体强化学习的可靠多模态检索增强生成

Suifeng Zhao, Zida Liu, Xinyu Lei, Lei Sun, Jun Gao, Sujian Li

机构 * Peking University（北京大学） ； Panasonic Connect Co., Ltd.（松下连接株式会社） 纠错

AI总结 针对现有多模态RAG存在的视觉引用不准或与答案脱节问题，本文提出MCite-RL框架，通过智能体优化模块和引用增强型奖励机制实现引用精度与答案质量的联合优化，经多基准实验验证有效。

Width-Independent Compressibility of Deep Neural Networks

深度神经网络的与宽度无关的可压缩性

Hong-Yi Wang, Mingze Wang, Liu Ziyin

机构 * Princeton University（普林斯顿大学） ； Peking University（北京大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 该研究针对深度多层感知机证明了与原网络宽度无关的可压缩性定理，提出含导数匹配技术与逐层重加权的构造方法，得出压缩宽度量级公式，为神经网络压缩提供理论支撑。

Comments 11 pages main text, 28 pages total, 4 figures