高校专区
面向机器人任务规范的、基于类人自约束推理的线性时态逻辑翻译
机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； School of Integrated Circuits, Peking University（北京大学集成电路学院）
AI总结 该研究提出自约束推理（SCR）框架，将结构知识内化到模型决策中，以在不破坏推理的前提下，提升将人类指令翻译为线性时态逻辑（LTL）时的领域约束满足度与泛化能力。
用于可解释多特质作文评分的结构化反馈提取统一框架
机构 * Peking University（北京大学） ； Beijing Normal University（北京师范大学）
AI总结 该研究针对多特质自动作文评分中反馈与评分分离的问题，提出统一框架HiFTS，结合教师LLM提炼反馈并训练学生模型，在新数据集CFMS-34及ASAP++上取得优异评分与反馈效果。
Comments 14 pages, accepted to EMNLP 2026 Findings. Code: this https URL (https://github.com/Atiyahsama/HiFTS)
语义头专业化指导多模态大语言模型的混合视觉Transformer注意力机制
机构 * Peking University（北京大学） ； Xiaomi Corporation（小米公司） ； The University of Hong Kong（香港大学）
AI总结 该研究针对多模态LLM中混合ViT注意力设计不足的问题，提出语义头专业化（SHS）概念，据此设计Ariadne注意力机制，在22项图像视频任务上性能与全注意力相当，计算量降低6.5倍。
PersonaForge：面向智能体系统的逼真多轮用户模拟
机构 * Peking University（北京大学） ； Xiaomi（小米） ； The University of Hong Kong（香港大学） ； Renmin University of China（中国人民大学）
AI总结 该研究针对现有智能体系统训练评估中多轮用户交互数据不足的问题，提出PersonaForge模拟框架构建相关数据集与基准，实验证实其可提升智能体交互效率与任务表现。
CrabOS：面向人类与AI共存的操作系统
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院）
AI总结 该研究提出人类-AI共存概念，设计实现CrabOS操作系统，以共享文本对象为工作状态，实现人类与AI无缝交替主导任务，为AI智能体开发运行提供新基础。
超越全局标量：结合令牌级统计与深度语义的对抗性AIGC文本检测
机构 * Tencent BAC（腾讯BAC） ； School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院）
AI总结 针对现有AIGC文本检测方法在对抗场景中的缺陷，提出NeuroStat框架，结合令牌级统计与深度语义，在MOSAIC基准上实现鲁棒性提升，建立对抗性文本检测新基准。
Comments Accepted by EMNLP 2026 Findings
SpikeOPD：自激语言模型的稳定在线策略蒸馏方法
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Agency for Science, Technology and Research (A*STAR), Singapore（新加坡科技研究局） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Peking University（北京大学） ； National University of Singapore（新加坡国立大学） ； Rice University（莱斯大学）
AI总结 针对自回归脉冲语言模型的前缀不匹配问题，提出SpikeOPD框架，结合教师校正、策略锚定与分层脉冲正则化，提升不同规模模型的准确率并保留稀疏计算特性。
安全性无法组合：自主大型语言模型智能体的非衰减循环状态
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Nanyang Technological University（南洋理工大学） ； Supply Chain Tech Team Y, JD.com（京东Y供应链技术团队） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Fullive-AI（Fullive人工智能）
AI总结 该研究发现自主LLM智能体的轨迹级安全保障存在组合性缺陷，提出非衰减循环安全状态的LoopHarness方案，可限制未授权不可逆操作数量，通过Agent-SafetyBench等评估验证其有效性。
TempJail：针对图像到视频生成模型的时序越狱攻击
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）
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)
结合可验证奖励的在线蒸馏
机构 * LeapLab, Tsinghua University（清华大学LeapLab） ； Beihang University（北京航空航天大学） ； SMS, Peking University（北京大学SMS） ； NLPLab, Tsinghua University（清华大学NLPLab）
AI总结 本研究提出OPDVR方法，无缝结合OPD与RLVR且不增加超参数，经六个推理基准实验验证其性能优于标准OPD。
转向信号来自何处：激活转向中的激活源选择
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； Beijing Academy of Artificial Intelligence（北京智源人工智能研究院） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； YiXin-AILab（易信人工智能实验室）
AI总结 研究激活转向中转向信号的来源选择，通过实验表明改变源激活会影响转向成功率，有效转向信号来自执行边界状态，基于此提出尾部减法，揭示转向取决于模型即将做的事而非已出现的内容。
Comments Accepted to Findings of EMNLP 2026
SpecGradFilter：用于驯服联邦异构性的谱梯度滤波框架
机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院）
AI总结 研究联邦学习中统计异构性问题，从频域视角发现漂移谱偏差，提出SpecGradFilter框架，通过抑制低频信号驯服异构性，实验证明其在高非IID设置下性能优且通信开销小。
RealClawBench: 来自真实开发者-智能体会话的实时OpenClaw基准测试
机构 * Peking University（北京大学） ； Qiyuan Tech（启元科技）
AI总结 针对现有基准缺乏真实性的问题，提出RealClawBench框架，通过重构执行环境和确定性可验证评分器，将真实OpenClaw会话转化为可复现、自动评分的任务，评估14个模型后最佳仅解决65.8%任务，揭示了开发者-智能体工作负载上的巨大提升空间。
Comments 19 pages, 5 figures, 8 tables
微不足道的大小，显著的效果：大型语言模型中的尺度向量
机构 * Peking University（北京大学）
AI总结 本文系统研究了大型语言模型中的尺度向量，发现其虽参数占比极小但对预训练至关重要，通过自放大预条件效应优化优化过程，并提出了三种轻量级改进策略，在多种模型规模上一致提升性能。
Comments 36 pages
更具表达力的前馈层：第一部分。激活的令牌自适应混合
机构 * Peking University（北京大学）
AI总结 提出令牌自适应激活混合（MoA）和可学习激活（LA）方法，通过轻量级输入相关门混合多个激活函数，在理论和实验上证明其比固定激活FFN具有更强的表达能力和更优的缩放行为。
Comments 31 pages
SkillSafetyBench：在技能面攻击表面下评估智能体安全性
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； East China Normal University（华东师范大学）
AI总结 提出SkillSafetyBench基准，通过155个对抗案例评估大语言模型智能体在技能、本地工件和执行环境文件等非用户攻击下的安全失败模式。
Comments EMNLP 2026 Main
通过双自一致性强化学习实现科学图形程序合成
机构 * Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory, OpenDataLab（上海人工智能实验室，OpenDataLab） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学）
AI总结 本文提出双自一致性强化学习框架，结合高质量数据集和多维基准，提升科学图形到可编辑TikZ代码的转换能力，实现视觉与结构的高精度优化。
ASA：无需骨干训练的工具调用智能体表示工程
机构 * Renmin University of China（中国人民大学） ； University of Macau（澳门大学） ； Central South University（中南大学） ； Jiangxi Normal University（江西师范大学） ； Macau Millennium College（澳门 millennium 学院） ； Peking University（北京大学）
AI总结 针对大语言模型在工具调用中的惰性代理问题，提出一种无需训练、推理时激活干预的方法ASA，通过路由条件混合引导向量和探针引导门控，显著提升工具使用F1并降低误报率。
Comments Due to an unresolved dispute among the authors regarding the correctness of the experimental results and the validity of the conclusions, the team has decided to withdraw this paper until these issues can be fully resolved
BioPIE：面向实验理解的生物医学协议信息抽取数据集
机构 * School of Advanced Manufacturing and Robotics, Peking University（北京理工大学先进制造与机器人学院） ； School of Integrated Circuits, Peking University（北京理工大学集成电路学院）
AI总结 提出BioPIE数据集，以程序为中心的知识图谱捕获实体、动作和关系，解决生物医学实验理解中的高信息密度和多步推理难题，并验证了信息抽取方法及问答系统的有效性。
Comments Accepted to Findings of EMNLP 2026
RegCL：用于多感官媒体视觉 grounding 的紧凑持续 SAM 适配方法
机构 * Wangxuan Institute of Computer Technology, Peking University, China（北京大学计算机科学技术研究院）
AI总结 针对多感官媒体中 SAM 在动态领域性能下降的问题，提出非重放持续适配框架 RegCL，通过合并轻量适配模块实现紧凑部署，在五数据集实验中优于基线方法。
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