高校专区
UnityVideo: 一体化多模态多任务学习以增强世界感知视频生成
机构 * HKUST（香港科技大学） ； CUHK（香港中文大学） ； Tsinghua University（清华大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队）
AI总结 UnityVideo通过一体化多模态多任务学习提升视频生成的世界感知能力，引入动态噪声化和模态切换器，实现更全面的世界知识表示。
Comments Project Website https://jackailab.github.io/Projects/UnityVideo
鲁棒变分模型基于定制UNet：利用边缘检测器和均值曲率以提高图像分割
机构 * Department of Mathematical Sciences, Tsinghua University（清华大学数学科学系） ； School of Mathematics, China University of Mining and Technology（中国矿业大学（北京）数学学院）
AI总结 本文提出了一种结合变分方法和深度学习的鲁棒UNet模型，通过引入边缘检测器和均值曲率项，提升图像分割的性能与效率。
SJD++: 改进的推测雅可比解码用于无训练加速离散自回归文本到图像生成
机构 * The University of Hong Kong（香港大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Peking University（北京大学） ； xAI ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 SJD++通过概率并行解码算法提升自回归文本到图像生成的效率，实现2-3倍的推理延迟降低和2-7倍的步骤压缩，同时保持图像质量。
Tessellation GS：基于神经网格高斯的鲁棒单目动态物体重建
机构 * University of Cambridge（剑桥大学） ； Tsinghua University（清华大学）
AI总结 Tessellation GS通过基于网格面的神经高斯方法实现单目动态物体的鲁棒重建，显著提升了稀疏视角和动态场景下的重建性能。
等价扩散用于晶体结构预测
机构 * School of Computer Science ； Engineering, Sun Yat-sen University, Guangzhou, China ； National Supercomputer Center in Guangzhou, China ； Dept. of Comp. Sci. \& Tech., Institute for AI, Tsinghua University, Beijing, China ； Institute for AIR, Tsinghua University, Beijing, China ； Gaoling School of Artificial Intelligence, Renmin University of China, Beijing, China ； Beijing Key Laboratory of Big Data Management ； Analysis Methods, Beijing, China
AI总结 EquiCSP通过等价扩散模型解决晶体结构预测中的对称性问题，提升生成结构的准确性并加快训练收敛速度。
Comments ICML 2024
DGGAN：退化引导的生成对抗网络用于实时内窥镜视频增强
机构 * Department of Mechanical Engineering（机械工程系） ； State Key Laboratory of Tribology in Advanced Equipment（先进设备摩擦学国家重点实验室） ； Beijing Key Laboratory of Transformative High-end Manufacturing Equipment and Technology（北京 transformative 高端制造装备与技术重点实验室） ； Tsinghua University（清华大学）
AI总结 DGGAN通过退化感知建模实现内窥镜视频的实时高质量增强，采用对比学习提取退化表示并融合至单帧增强模型中，提升鲁棒性和泛化能力。
Comments 18 pages, 8 figures, and 7 tables
迈向统一的语义和可控图像融合：一种扩散变换器方法
机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Electronic Information School, Wuhan University（武汉大学电子信息学院）
AI总结 DiTFuse通过融合图像与自然语言指令，实现端到端、语义感知的图像融合，统一了多种融合任务并在多个基准测试中表现出色。
多语调普通话干声唱Dataset：歌唱语调识别基准
机构 * Zhejiang University（浙江大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Innovation Center of Yangtze River Delta, Zhejiang University（长江三角洲创新中心，浙江大学） ； Tsinghua University（清华大学） ； Hong Kong University of Science（香港科学大学）
AI总结 本文提出多语调普通话干声唱语料库，用于评估语音模型在歌唱场景中的表现，并探讨方言和元音对语调变化的影响。
Comments Accepted by ACMMM 2025
Journal ref Proceedings of the 33rd ACM International Conference on Multimedia (ACMMM 2025), Pages 12714-12721, October 27, 2025. Dublin, Ireland
FASTer：通过神经动作分词实现高效的自回归视觉语言动作建模
机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Galaxea AI ； Tianjin University（天津大学） ； Hong Kong University（香港大学） ； UCSD（加州大学圣地亚哥分校）
AI总结 FASTer通过神经动作分词实现高效自回归视觉语言动作建模，提升机器人学习的推理效率和任务性能。
基于强化学习的多路径协作推理
机构 * Sichuan University（四川大学） ； GigaAI ； Tsinghua University（清华大学）
AI总结 本文提出M3PO框架，通过多路径协作机制提升大语言模型的推理能力，实现更可靠和高效的多步推理。
FLEX: 通过经验向前学习实现连续智能体进化
机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR）、清华大学） ； ByteDance Seed（字节跳动种子） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Informatics, Xiamen University（厦门大学信息学院） ； SIA-Lab of Tsinghua AIR and ByteDance Seed（清华大学AIR实验室和字节跳动种子）
AI总结 FLEX通过经验向前学习实现LLM智能体的持续进化，提升数学推理、化学逆合成和蛋白质预测性能，并揭示经验增长的扩展规律和跨智能体的经验继承现象。
时间序列基础模型是否已准备好部署？跨领域的对抗鲁棒性系统研究
机构 * HKUST (GZ)（香港科技大学） ； Tsinghua University（清华大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本研究系统分析了时间序列基础模型在跨领域对抗攻击下的鲁棒性，揭示了模型脆弱性及改进方法。
Comments Preprint
通过误导性训练探索大型语言模型的隐藏推理过程
机构 * Department of Automation, Tsinghua University（自动化系，清华大学） ； College of Computer and Cyber Security, Fujian Normal University（计算机与网络安全学院，福建师范大学）
AI总结 本文通过误导性训练方法探索LLMs的隐藏推理过程，发现其具备在任务抽象前进行推理的内部机制。
探索无编码器架构在3D大语言模型中的潜力
机构 * Northwestern Polytechnical University（西北工业大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； Tele AI
AI总结 本文提出首个无编码器3D大语言模型ENEL，通过嵌入语义编码和分层几何聚合策略，在3D理解任务中达到与SOTA模型相当的性能。
AI作为'联合创始人'：生成式人工智能与创业
机构 * Mendoza College of Business, University of Notre Dame（诺丁汉大学梅森商学院） ； Department of Finance, Durham University Business School（杜伦大学商学院金融系） ； Department of Economics, The Chinese University of Hong Kong（香港中文大学经济系） ； Department of Economics, The University of Pennsylvania（宾夕法尼亚大学经济系） ； Wharton School, The University of Pennsylvania（宾夕法尼亚大学沃顿商学院） ； Department of Finance, SEM, Tsinghua University（清华大学经济管理学院金融系）
AI总结 本文研究生成式人工智能对创业的影响，发现其通过促进小企业创立，增强了市场竞争力。
BitStopper: 一种通过阶段融合和提前终止的高效Transformer注意力加速器
机构 * School of Integrated Circuits Tsinghua University Beijing, China（集成电路学院清华大学北京中国） ； School of Integrated Circuits Tsinghua University Beijing, China Shanghai Artificial Intelligence Laboratory Shanghai, China（集成电路学院清华大学北京中国上海人工智能实验室上海中国）
AI总结 BitStopper通过阶段融合和提前终止技术，提升Transformer注意力加速器的效率和能效。
VG-Refiner: 通过代理强化学习实现工具精细化的指称 grounded 推理
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； International Digital Economy Academy (IDEA)（国际数字经济学院）
AI总结 VG-Refiner通过代理强化学习实现工具精细化的指称 grounded 推理，引入两阶段思考-重新思考机制和细化奖励，提升指称和推理接地任务的准确性和修正能力。
Comments The project page is [this url](https://github.com/VoyageWang/VG-Refiner)
TreeQ: 通过树结构混合精度搜索推动扩散变换器的量化边界
机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； ETH Zürich（苏黎世联邦理工学院） ； Adobe Research（Adobe研究院）
AI总结 TreeQ通过树结构混合精度搜索方法，首次在DiT模型上实现接近无损的4位PTQ性能，解决了DiT量化中的关键挑战。
Comments Code and Supplementary Material could be found at https://github.com/racoonykc/TreeQ
FacePhys: 心脏状态学习的现状
机构 * Tsinghua University（清华大学） ； University of Washington（华盛顿大学）
AI总结 FacePhys通过时-空状态空间对偶性实现高效的rPPG算法，显著降低错误率，支持低延迟实时推断。
通过分布建模实现文本到图像生成系统可扩展的红队测试
机构 * School of Cyber Science（网络安全学院） ； State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学）
AI总结 DREAM通过分布建模实现文本到图像生成系统的可扩展红队测试，有效发现多样化的有害提示，提升安全性和多样性。
Comments To appear in the IEEE Symposium on Security & Privacy, May 2026
TabAttackBench: 一种针对表格数据对抗攻击的基准测试
机构 * School of Information Systems, Queensland University of Technology（昆士兰理工大学信息系统学院） ； Center for Data Science, Queensland University of Technology（昆士兰理工大学数据科学中心） ； School of Software, Tsinghua University（清华大学软件学院） ； NOVA Information Management School, NOVA University of Lisbon（里斯本大学NOVA信息管理学院） ； Data Science Institute, University of Technology Sydney（悉尼科技大学数据科学研究院） ； INESC-ID/Instituto Superior Técnico, University of Lisboa（里斯本大学INESC-ID/技术高等学院）
AI总结 TabAttackBench通过评估五种白盒攻击算法在不同模型和数据集上的表现，揭示了基于ℓ∞和ℓ2攻击在有效性与隐蔽性之间的权衡，为设计更隐蔽的对抗攻击提供了新思路。
Comments 71 pages, 21 figures, 11 tables
Journal ref Expert Systems with Applications 301 (2026) 130491
机器学习力场的集成学习
机构 * Department of Chemistry, Tsinghua University（清华大学化学系）
AI总结 EL-MLFFs通过集成学习框架整合多种机器学习力场，提升分子和材料模拟的预测精度与稳定性。
Comments 12 pages, 3 figures
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