Peking University（北京大学）

Boosting LLM Exploration via Weak-Model Guidance in RLVR

通过RLVR中的弱模型引导增强大语言模型探索能力

Xingyu Shen, Huishuai Zhang, Peng Li, Yinchun Wang, Dongyan Zhao

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） ； National Engineering Research Center of New Electronic Publishing Technologies（国家新型电子出版技术工程研究中心） 纠错

AI总结 本研究提出弱模型引导的RLVR方法，通过弱模型的部分推理轨迹增强LLM探索，缓解熵崩溃，在数学基准上提升大k值下的推理性能与覆盖范围。

Comments 13 pages, 4 figures

GraphMemix: Query-Aware Evidence Forests for Long-Term Multimodal Agent Memory

GraphMemix：面向多模态智能体长期记忆的查询感知证据森林

Geng Li, Yuhao Wang, Dong Li, Jianye Hao, Yuxin Peng

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） ； MemoraX AI（MemoraX人工智能公司） 纠错

AI总结 GraphMemix作为组合优化图记忆框架，通过三个关键组件构建查询感知证据森林，在四个多模态记忆基准上提升了准确率并建立了新的帕累托前沿。

Comments Project page with code: this https URL (https://github.com/ligeng0197/graphmemix)

TempJail: Temporal Jailbreak Attacks against Image-to-Video Generation Models

TempJail：针对图像到视频生成模型的时序越狱攻击

Qi Lu, Zehui Guo, David Yuanda Gan, Zijing Li, Hengda Zhang, Weijun Xu, Qiankun Zhang

机构 * School of Cyber Science and Engineering, Huazhong University of Science and Technology（华中科技大学网络空间科学与工程学院） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； School of Software and engineering, Huazhong University of Science and Technology（华中科技大学软件学院） ； School of Computer Science, Nanjing University（南京大学计算机学院） 纠错

AI总结 本文提出TempJail时序越狱框架，针对图像到视频生成模型的时序漏洞，通过分解恶意提示、受控潜在扰动等方式提升攻击成功率，在Kling等模型上获显著效果。

Comments Accepted by ACM Multimedia 2026 (ACM MM '26)

RubricRM: Generative Reward Modeling via Dynamic Rubrics for Image Generation and Editing

RubricRM：基于动态评分规则的生成式奖励模型，用于图像生成与编辑

Zijian Kan, Wei Wang, Long Luo, Bing Zhao, Xuan Ren, Weixu Qiao, Wenbo Li, Hu Wei, Lin Qu

机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） ； Alibaba DAMO Academy（阿里巴巴达摩院） 纠错

AI总结 该研究提出RubricRM框架，为文本到图像生成和图像编辑训练专用模型，其性能优于现有专用奖励模型，且与强专有MLLM评估器竞争力相当，可用于图像生成与编辑的奖励建模。

Comments Accepted to EMNLP 2026 Main Conference

Ring Forcing: Towards Precise Long-Term Memory for Autoregressive Video Diffusion

环强制法：面向自回归视频扩散模型的精准长期记忆

Bowen Xue, Brandon Y. Feng, Chenguo Lin, Yuchen Lin, Yujia Zeng, Lvmin Zhang, Maneesh Agrawala, Honglei Yan, Panwang Pan

机构 * Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Peking University（北京大学） ； University of California, Berkeley（加州大学伯克利分校） ； ByteDance（字节跳动） 纠错

AI总结 针对自回归视频扩散模型的长期记忆瓶颈，提出Ring Forcing框架，通过环形训练策略、压缩与时间步组合策略及稀疏RoPE机制，实现分钟级视频生成的优异连贯性与物体恒常性，性能优于现有方法。

Comments Project page: this https URL (https://ringforcing.com)

Tissue-Mixture Entropy-Weighted Reconstruction for Partial-Volume-Aware Brain MRI Super-Resolution

组织混合熵加权重建用于部分容积感知的脑部MRI超分辨率

Xiao Tong, Wenyun Yang, Ziheng Zhang, Jingzhi Han, Zhaochu Luo, Jinbo Yang

机构 * Peking University（北京大学） ； Weihai Institute of Oceanology, Peking University（北京大学威海海洋研究院） ； Beijing MagnVue Medix Co., Ltd.（北京迈格威医疗科技有限公司） 纠错

AI总结 本研究提出AGW-PBR方法，通过组织混合熵加权优化脑部MRI超分辨率，提升了IXI数据集的重建效果，无PVE监督的骨干网络在fastMRI上也表现出色。

Comments 15 pages, 6 figures, 8 tables

Not Just Reason, Not Just Scan: Reinforcement Learning for Proactive Scientific Error Verification over Academic Paper

不仅是推理，不仅是扫描：面向学术论文的主动科学错误验证强化学习

Rongjin Li, Yuanxin Liu, Hao Zhou, Fandong Meng, Jie Zhou, Xu Sun

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） ； WeChat AI, Tencent Inc.（腾讯微信人工智能部门） 纠错

AI总结 针对现有无预设问题/证据的学术论文科学错误验证研究不足的问题，提出VERA-RL强化学习框架，构建VERA-13K数据集，训练Qwen3-VL-8B后其可验证推理能力接近旗舰级多模态大语言模型。

Comments Accepted by EMNLP 2026 Findings

FaithSieve: Fine-Grained Evaluation of Math Proofs with Faithful Formal Evidence

FaithSieve：基于忠实形式证据的数学证明细粒度评估

Ziyu Wang, Qiming Dai, Yishan Wu, Zaiwen Wen

机构 * Peking University（北京大学） ； School of Mathematical Sciences（数学科学学院） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

AI总结 本研究提出Lean辅助框架FaithSieve，通过分解数学证明为细粒度单元并结合忠实形式证据，在两个专家验证数据集上提升了首个错误定位的精确评估准确率。

Comments 32 pages, 3 figures; preprint with appendix and supplementary experimental details

VFA: Empowering Multilingual MLLMs via Vision-Free Adaptation

VFA：通过无视觉适配赋能多语言多模态大语言模型

Yixia Li, Yaqing Shi, Zhiwen Ruan, Dongdong Zhang, Lingjie Jiang, Shaohan Huang, Yun Chen, Guanhua Chen, Furu Wei

机构 * Southern University of Science and Technology（南方科技大学） ； Microsoft Research Asia（微软亚洲研究院） ； Shanghai University of Finance and Economics（上海财经大学） ； Peking University（北京大学） 纠错

AI总结 本研究针对多模态大语言模型的英语中心化问题，提出VFA框架，通过组合任务向量实现多语言增强与视觉对齐解耦，仅用少量数据就提升了多语言模型性能并保留原有能力。

4DStreamCtrl: Interactive Video Generation with Online 4D Control

4DStreamCtrl：基于在线4D控制的交互式视频生成

Shiqian Li, Chenguo Lin, Zhiguang Liu, Yu Tang, Jiarong Ou, Rui Chen, Yixin Zhu

机构 * Peking University（北京大学） ； Tencent Hunyuan（腾讯混元） 纠错

AI总结 4DStreamCtrl将相机运动、物体轨迹与深度统一为3D点轨迹表示，结合蒸馏的因果流式模型，首次实现交互式4D可控实时视频生成，精度与效率均优于现有方法。

Comments 23 pages

REOPD: Reliability-Adaptive Reward Extrapolation for On-Policy Distillation

REOPD：面向在线策略蒸馏的可靠性自适应奖励外推

Yang Sun, Lichao Ma, Houyuan Qin, Yuxin Liu, Hanyang Lu, Yao Zhu, Pinlong Cai, Guohang Yan

机构 * Peking University（北京大学） ； Southwest Jiaotong University（西南交通大学） ； University of Science and Technology of China（中国科学技术大学） ； School of Computer Science and Technology,University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） ； University of Electronic Science and Technology of China（电子科技大学） ； School of Automation Engineering,University of Electronic Science and Technology of China（电子科技大学自动化工程学院） ； Renmin University of China（中国人民大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Autonomous Driving, Shanghai Artificial Intelligence Laboratory（上海人工智能实验室自动驾驶研究中心） 纠错

AI总结 本文提出面向在线策略蒸馏的可靠性自适应奖励外推框架REOPD，通过token级系数实现细粒度可靠性自适应，在多场景下优于基线方法，无需额外模型即可提升训练稳定性与性能。

Out of Sight, Not Out of Mind: Unveiling Latent Attack in Latent-based Multi-Agent Systems

眼不见，心不烦：揭示基于潜在的多智能体系统中的潜在攻击

Chenxi Wang, Ruiyang Huang, Jiayan Sun, Lei Wei, Yifan Wu

机构 * Southeast University（东南大学） ； Peking University（北京大学） 纠错

AI总结 研究潜在表示能否携带攻击信息，提出通过潜在干预激活攻击效果的框架，实验表明潜在攻击在清洁执行中显著降低任务性能，尤其影响智能体间KV缓存传递。

Comments Accepted to EMNLP 2026

RefracGS: Novel View Synthesis Through Refractive Water Surfaces with 3D Gaussian Ray Tracing

RefracGS：通过折射水表面进行新颖视图合成

Yiming Shao, Qiyu Dai, Chong Gao, Guanbin Li, Yequan Wang, He Sun, Qiong Zeng, Baoquan Chen, Wenzheng Chen

机构 * Shandong University, China（山东大学） ； Peking University, Beijing, China（北京大学） ； Sun Yat-sen University, China（中山大学） ； Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院） 纠错

AI总结 RefracGS通过3D高斯射线追踪方法，结合折射水面与底层场景的重建，实现高保真新颖视图合成，实验表明其在视觉质量和效率上优于现有方法。