高校专区
通过多轮交互构建高效的LLM世界模型推理：WMAct
机构 * CUHK MMLab（香港中文大学MMLab） ； Peking University（北京大学） ； StepFun ； Tsinghua University（清华大学）
AI总结 WMAct通过高效交互和主动推理机制，使LLM在复杂环境中实现高效世界模型推理，提升任务解决能力和迁移性能。
Comments 17 pages, 9 figures
视觉生成微调
机构 * Huazhong University of Science and Technology（华中科技大学） ； Tsinghua University（清华大学） ； School of Artificial Intelligence, South China Normal University（华南师范大学人工智能学院） ； Kolors Team, Kuaishou Technology（快手科技Kolors团队）
AI总结 本文提出VGT，通过视觉生成微调提升视觉语言模型的视觉生成能力，在图像重建和生成任务中均取得优异成果。
VQRAE：用于多模态理解、生成和重建的表示量化自编码器
机构 * Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； Kolors Team, Kuaishou Technology（快手科技Kolors团队）
AI总结 VQRAE通过统一的分词器生成连续语义特征和离散标记，提升多模态理解、生成和重建的性能。
Comments 19 pages, 10 figures
像人类一样适应：具有测试时推理的元认知代理
机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Oxford（牛津大学） ； Tsinghua University（清华大学） ； University of Liverpool（利物浦大学） ； University College London（伦敦大学学院）
AI总结 本文提出元认知测试时推理框架，通过元认知自我更新实现模型在测试时的高效适应，实验表明其在Atari游戏中表现出优于基线的适应能力。
面向高速公路汇入车道的抗观测扰动多智能体强化学习故障容错方法
机构 * Department of Automation, Tsinghua University（自动化系，清华大学） ； Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University（北京信息科学与技术国家研究中心（BNRist），清华大学）
AI总结 本文提出了一种面向高速公路汇入车道的抗观测扰动多智能体强化学习故障容错方法，通过对抗性扰动生成和故障容忍智能体设计，提升协同驾驶系统的安全性和效率。
DNA-Prior：通过双域先验实现无监督去噪
机构 * University of Cambridge（剑桥大学） ； Lucerne University Teaching and Research Hospital（卢塞恩教学与研究医院） ； Zurich University of Applied Sciences（苏黎世应用科学大学） ； YMSC, Tsinghua University（清华大学数学科学中心）
AI总结 DNA-Prior通过双域先验实现无监督去噪，无需外部数据即可在多种医学影像模态中有效抑制噪声并保留结构。
进化发现交通信号控制的启发式策略
机构 * Northwestern Polytechnical University, Xi'an, China（西北工业大学，西安） ； Tsinghua University, Beijing, China（清华大学，北京）
AI总结 本文提出了一种基于大语言模型的交通信号控制策略进化方法，通过结构化状态抽象和信用分配反馈模块，生成针对特定交通环境的高效启发式策略。
db-SP: 通过双平衡序列并行加速视觉生成模型的稀疏注意力
机构 * Tsinghua University（清华大学）
AI总结 db-SP通过双平衡序列并行技术提升视觉生成模型的稀疏注意力效率，实现端到端加速1.25倍。
MathSight: 一个探索视觉语言模型在大学级数学推理中是否真正看到的基准
机构 * Capital Normal University（首都师范大学） ； Tsinghua University（清华大学）
AI总结 MathSight基准测试通过对比不同视觉输入条件，探索视觉语言模型在大学级数学推理中视觉信息的真实贡献。
Comments Comments: 32 pages, 15 figures, 9 tables, includes appendix. Project page: https://cnu-bot-group.github.io/MathSight/
在可观察之前看见：通过视觉语言模型在自动驾驶中的潜在风险推理
机构 * School of Vehicle and Mobility, Tsinghua University（车辆与移动系统学院，清华大学）
AI总结 本文提出PotentialRiskQA数据集和PR-Reasoner框架，通过视觉语言模型提升自动驾驶中潜在风险的前瞻性推理能力。
FEANEL：K-12英语写作中细粒度错误分析的基准
机构 * Squirrel Ai Learning ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 FEANEL基准旨在评估LLMs在K-12英语写作中细粒度错误分析的能力，通过1000篇学生作文和自定义分类体系，揭示当前模型在教育反馈方面的不足。
Comments 19 pages, 7 figures, and 4 tables. The dataset is available at https://huggingface.co/datasets/Feanel/FEANEL
CoordSpeaker: 利用手势描述生成协调的 caption-驱动的语音同步手势生成
机构 * Tsinghua University（清华大学）
AI总结 CoordSpeaker通过引入手势描述框架和条件潜在扩散模型，实现了协调的caption驱动的语音同步手势生成，解决了手势生成中的语义先验间隙和多模态控制难题。
Splat-SAP：基于双目相机的大稀疏场景的人为中心场景的前馈高斯点扩散
机构 * Tsinghua University（清华大学）
AI总结 Splat-SAP通过前馈高斯点扩散方法，利用像素级点图重建和两阶段学习策略，提升大稀疏场景的人为中心渲染稳定性与视觉质量。
Comments Accepted by AAAI 2026. Project page: https://yaourtb.github.io/Splat-SAP
关注关键区域：通过自适应缩放搜索实现无需训练的超高清遥感视觉问答
机构 * Central University of Finance and Economics（中央财经大学） ； Tsinghua University（清华大学） ； East China Normal University（华东师范大学）
AI总结 ZoomSearch通过自适应缩放搜索实现无需训练的超高清遥感视觉问答，提升准确性和效率。
Comments 17 pages, 8 figures
Point3R: 基于显式空间指针记忆的流式3D重建
机构 * Department of Automation, Tsinghua University（自动化系，清华大学）
AI总结 Point3R通过显式空间指针记忆实现高效的流式3D重建，提升密集重建的精度与效率。
Comments Code is available at: https://github.com/YkiWu/Point3R
TRACE: 基于时间可靠性的解剖条件3D CT生成与增强效率
机构 * Department of Computer Science, Durham University（杜伦大学计算机科学系） ； Department of Automation, Tsinghua University（清华大学自动化系） ； College of Computer Science and Engineering, Dalian Minzu University（大连民族大学计算机科学与工程学院） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Jarvis Research Center, Tencent YouTu Lab（腾讯YouTu实验室 Jarvis 研究中心） ； School of Engineering Mathematics and Technology, University of Bristol（布里斯托大学工程数学与技术学院） ； Medical Artificial Intelligence Laboratory, School of Engineering, Westlake University（西湖大学工程学院医学人工智能实验室）
AI总结 TRACE通过2D多模态条件扩散方法生成具有时空对齐的3D CT图像，提升生成效率和解剖保真度。
Comments Accepted to MICCAI 2025 (this version is not peer-reviewed; it is the extended version)
单轨两轮机器人稳态漂移平衡分析用于控制器设计
机构 * The Department of Automation, Tsinghua University（自动化系，清华大学） ； Qiyuan Lab（启元实验室）
AI总结 本文提出了一种用于单轨两轮机器人稳态漂移控制的分析方法，通过理论扩展和算法优化，实现了高机动性和稳定性。
Comments Submitted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2025
Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
AutoTailor: 为异构边缘设备实现自动且高效的自适应模型部署
机构 * Southeast University（东南大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Tsinghua University（清华大学） ； University of Macau（澳门大学）
AI总结 AutoTailor通过自动化端到端SuperNet自适应模型部署，显著提升边缘设备的推理效率和模型准确性。
HyperST：面向空间转录组预测的分层双曲学习
机构 * Xiamen University（厦门大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 HyperST通过在双曲空间中建模数据的层次结构，实现空间转录组预测的多级图像-基因表示学习，提升跨模态预测性能。
过参数化分数匹配的收敛动力学：单个高斯分布
机构 * Institute for Interdisciplinary Information Sciences（交叉信息科学研究所） ； Tsinghua University（清华大学） ； University of Washington（华盛顿大学）
AI总结 本文研究了过参数化分数匹配在学习单个高斯分布时的收敛动力学，证明了在特定初始化条件下梯度下降的收敛性，并建立了收敛率的下界。
Comments 43 pages
UniArt: 一种统一的3D表示方法，用于从单张图像生成具有开集关节的3D可动物体
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学）
AI总结 UniArt通过统一的潜在表示和开集关节预测方法，实现了从单张图像生成高质量可动3D物体的端到端合成。
神经八面体场：用于同时平滑和锐边正则化的八面体先验
机构 * Tsinghua University（清华大学） ； Shenzhen University（深圳大学）
AI总结 本文提出神经八面体场，通过八面体空间的平滑性实现同时平滑和锐边正则化，提升点云表面重建效果。
Comments project page: https://github.com/Ankbzpx/frame-field
单样本迁移学习用于人口映射
机构 * Beijing National Research Center for Information Science and Technology (BNRist)（北京国家信息科学与技术研究中心（BNRist）） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）
AI总结 本文提出PSRNet框架，通过单样本迁移学习方法从数据充足城市向数据稀缺城市转移空间-时间知识，提升细粒度人口分布映射的准确性。
Comments Published in Proceedings of the 30th ACM International Conference on Information and Knowledge Management (CIKM '21)
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