高校专区
YingMusic-SVC: 实现现实场景下鲁棒的零样本歌声转换的Flow-GRPO与歌唱特定归纳偏置
机构 * AI Lab, GiantNetwork（GiantNetwork人工智能实验室） ； University College London (UCL)（伦敦大学学院） ； East China University of Science and Technology（东华大学） ； SATLab, Tsinghua University（清华大学SAT实验室）
AI总结 YingMusic-SVC通过融合连续预训练、鲁棒监督微调和Flow-GRPO强化学习，实现了在现实场景下鲁棒的零样本歌声转换。
Comments 17 pages, 5 figures
LaFiTe：一种用于3D原生纹理生成的生成性潜在场
机构 * Tsinghua University（清华大学） ； VAST ； The University of Hong Kong（香港大学）
AI总结 LaFiTe通过生成3D稀疏潜在颜色场，实现了高保真3D原生纹理生成，并支持材料合成与纹理超分辨率等下游应用。
Comments Project page: https://vast-ai-research.github.io/LaFiTe/
基于大语音模型的语义通信
机构 * School of Electronics, Peking University（北京大学电子学院） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系） ； Department of Computer Science and Engineering, Kyung Hee University（庆熙大学计算机科学与工程系）
AI总结 本文提出基于大语音模型的语义通信系统，利用Mimi编解码器和LoRA微调技术，实现适应性压缩与鲁棒传输，支持低带宽下的高质量语音传输。
Comments 15 pages, 9 figures
AdmTree: 通过自适应语义树压缩长上下文
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peng Cheng Laboratory（鹏城实验室） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳））
AI总结 AdmTree通过自适应语义树实现高效上下文压缩，保留高语义保真度并减少计算开销。
Comments NeurIPS 2025
PhyVLLM：具有运动-外观解耦的物理引导视频语言模型
机构 * Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） ； Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学）
AI总结 PhyVLLM通过引入物理运动建模和运动-外观解耦，提升视频语言模型在物理推理和视频理解任务中的性能。
EgoLCD：基于长上下文扩散的自体视频生成
机构 * Peking University（北京大学） ； Sun Yat-sen University（中山大学） ； Zhejiang University（浙江大学） ； Chinese Academy of Sciences（中国科学院） ； Tsinghua University（清华大学）
AI总结 EgoLCD通过结合长时稀疏KV缓存和LoRA扩展的注意力机制，实现了高效稳定的自体长上下文视频生成，提升了感知质量和时间一致性。
BiTAgent: 一种面向任务的模块化框架，用于多模态大语言模型与世界模型之间的双向耦合
机构 * Tsinghua University（清华大学） ； Shandong University（山东大学）
AI总结 BiTAgent通过双向耦合多模态大语言模型与世界模型，实现任务感知的动态联合学习，提升多任务和跨环境的泛化能力。
UltraImage: 重新思考图像扩散变换器中的分辨率外推
机构 * Dept. of Comp. Sci. & Tech., BNRist Center, Tsinghua University（计算机科学与技术系，北京理工大学中心，清华大学） ； ShengShu（盛书） ； Gaoling School of Artificial Intelligence, Renmin University of China（光明人工智能学院，中国人民大学） ； Princeton University（普林斯顿大学）
AI总结 UltraImage通过修正主导频率和自适应注意力集中，解决了图像扩散变换器在高分辨率外推中的内容重复和质量下降问题，实现了高达6K*6K的生成能力。
Comments Project page: https://thu-ml.github.io/ultraimage.github.io
STeP-Diff：用于移动细粒污染预报的时空物理指导扩散模型
机构 * Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院） ； Department of Electronic Engineering, Beijing National Research Center for Information Science and Tech- nology (BNRist), Tsinghua University, China（电子工程系，北京信息科学与技术国家研究中心（BNRist），清华大学） ； Shenzhen Smartcity Communication, Shenzhen, China（深圳智慧城市通信） ； College of Soil and Water Conservation, Southwest Forestry University, China（水土保持学院，西南林业大学） ； College of Civil Engineering, Southwest Forestry University, China（土木工程学院，西南林业大学）
AI总结 STeP-Diff通过结合DeepONet和PDE指导的扩散模型，有效提升移动细粒污染预报的精度与物理一致性。
在中断采样重复干扰下利用先验干扰信息引导网络的鲁棒HRRP识别
机构 * Department of Electronic Engineering, Tsinghua University Beijing, China（电子工程系，清华大学北京，中国）
AI总结 本文提出了一种基于先验干扰信息引导的鲁棒HRRP识别方法，通过点扩散函数建模干扰失真并设计混合损失函数，提升模型在不同干扰参数下的识别性能。
MelTok：单代码本音频压缩的2D分token化
机构 * International Digital Economy Academy (IDEA)（国际数字经济学院） ； Chinese University of Hong Kong（香港中文大学） ； Shenzhen Graduate School, Peking University（北京大学深圳研究生院） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生学院）
AI总结 MelTok通过二维分token化和基于分token的vocoder，实现单代码本下的高效音频压缩与高质量重建。
Comments 11 pages, 6 figures
基于广义交叉验证的合成数据集评估
机构 * Department of Automation Tsinghua University Beijing（自动化系清华大学北京）
AI总结 本文提出基于广义交叉验证的合成数据集评估框架，通过量化领域迁移性和模拟质量，提升合成数据评估的可比性和可推广性。
Comments Accepted for publication in IST 2025. Official IEEE Xplore entry will be available once published
Journal ref 2025 IEEE International Conference on Imaging Systems and Techniques (IST)
路由与推理：通过强化模型路由扩展大语言模型推理
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； BNRist, Tsinghua University（清华大学BNRist）
AI总结 R2-Reasoner通过强化模型路由器实现高效的大语言模型推理扩展，减少API成本并保持推理准确性。
哪些类型的学生可以被LLMs模拟？基于图-based人机协作系统的认证模拟研究
机构 * College of AI, Tsinghua University（人工智能学院，清华大学） ； School of Education, Tsinghua University（教育学院，清华大学） ； Department of Statistics and Data Science, Tsinghua University（统计与数据科学系，清华大学） ； Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学）
AI总结 本文提出一种基于图的LLM-人协作系统，通过自动化评分和图传播技术生成高质量学生代理，验证其在模拟学生行为方面的有效性。
Comments This work has been submitted to AI Open for possible publication
面向自动驾驶的多模态对齐偏差校准方法
机构 * Department of Automation Tsinghua University Beijing（自动化系清华大学北京）
AI总结 本文提出一种重新校准模型，通过语义分割和定制损失函数提升自动驾驶中多模态检测的鲁棒性和性能，应对校准偏差带来的影响。
Comments Accepted for publication in IST 2025. Official IEEE Xplore entry will be available once published
Journal ref 2025 IEEE International Conference on Imaging Systems and Techniques (IST)
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