高校专区
WakeupUrban: 利用卫星图像对20世纪中叶城市景观进行无监督语义分割
机构 * Tsinghua University, SIGS（清华大学 SIGS） ； National Supercomputing Center in Shenzhen（深圳国家超算中心） ； New York University Shanghai（纽约大学上海分校） ； Tsinghua University, DESS（清华大学 DESS） ； Sun Yat-sen University（中山大学）
AI总结 WakeupUrban通过无监督语义分割框架WakeupUSM，利用历史卫星图像分析20世纪中叶城市景观，提升长期城市变化的定量研究能力。
Comments 11 pages, 4 figures, 3 tables
反射偏好优化（RPO）：通过提示引导的反思增强策略对齐
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） ； Alibaba Group（阿里巴巴集团）
AI总结 RPO通过提示引导的反思增强策略对齐，减少幻觉并提升多模态基准性能。
专家序列：通过时间交替提升自动驾驶的模仿规划器
机构 * HighTech Lab, Tsinghua University（清华大学高科技实验室） ； School of Mobility, Tsinghua University（清华大学移动学院） ； University of Michigan（密歇根大学）
AI总结 专家序列通过时间交替策略提升自动驾驶模仿规划器的闭环性能，显著改进了模型表现和训练效率。
HQ-MPSD：一种多语言可控的部分深度伪造语音检测基准
机构 * Shenzhen Key Laboratory of Ubiquitous Data Enabling（ubiquitous 数据赋能深圳实验室） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Tsinghua University（清华大学）
AI总结 HQ-MPSD是一个高质量多语言数据集，用于评估部分深度伪造语音检测的挑战与性能
Comments 6 pages, 4 figures, 2 tables
文本到图像生成的少步蒸馏：一份实用指南
机构 * Tsinghua University（清华大学） ； DAMO Academy, Alibaba Group（阿里达摩院） ； Hupan Lab（华研实验室） ； Zhejiang University（浙江大学）
AI总结 本文提出了一种少步蒸馏方法，用于文本到图像生成，通过比较先进技术并提供实用指南，以提高生成质量和效率。
协同代码覆盖率与游戏意图：基于LLM引导强化学习的覆盖感知游戏测试
机构 * College of Computer and Information Science, Southwest University（西南大学计算机与信息科学学院） ； College of Science and Technology, Nihon University（日本立命馆大学科学技术学院） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Waseda Institute for Advanced Study, Waseda University（早稻田大学高级研究机构）
AI总结 SMART框架通过LLM引导强化学习，结合结构验证与功能验证，提升游戏更新测试的覆盖率和任务完成率。
CogDoc: 向文档中的统一思维迈进
机构 * Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； University of Waterloo（滑铁卢大学） ； Imperial College London（伦敦帝国学院）
AI总结 CogDoc提出一种统一的粗到细思维框架，通过直接强化学习提升文档推理性能，优于现有方法并在视觉丰富任务中表现优异。
无空闲缓存：通过极端瘦身缓存加速扩散模型
机构 * Tsinghua University（清华大学） ； Central Media Technology Institute, Huawei（华为中央媒体技术研究所）
AI总结 X-Slim通过双阈值缓存策略，高效利用时间步、块和令牌层面的冗余，实现扩散模型加速，减少延迟并提升生成质量。
Comments Project page: https://thu-accdiff.github.io/xslim-page/ Code: https://github.com/THU-AccDiff/xslim
可扩展的邻域感知学习量子误差缓解
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Centre for Quantum Technologies, National University of Singapore（新加坡国立大学量子技术中心） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系） ； College of Computer and Data Science, Fuzhou University（福州大学计算机与数据科学学院） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学姚期 Banking 数学科学中心） ； Department of Mathematics, Tsinghua University（清华大学数学系） ； Yanqi Lake Beijing Institute of Mathematical Sciences and Applications（燕琦湖北京数学科学与应用研究院）
AI总结 本文提出邻域感知学习框架，通过灵活高效的训练方法提升量子误差缓解的性能，实现理论与实际的双重优势。
StreamingAssistant: 为加速在线视频理解的高效视觉标记修剪
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Westlake University（西湖大学） ； Beijing Jiaotong University（北京交通大学） ； Simon Fraser University（西蒙弗雷泽大学）
AI总结 StreamingAssistant通过高效视觉标记修剪技术，提升在线视频理解的准确性和效率，减少GPU内存使用和计算延迟。
利用OmniNovo实现修饰蛋白质组的准确从头测序
机构 * Shanghai Research Institute for Intelligent Autonomous Systems（上海智能自主系统研究所） ； Tongji University（同济大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Department of Electronic Engineering（电子工程系） ； Tsinghua University（清华大学） ； Research Institute of lntelligent Complex Systems（智能复杂系统研究所） ； Fudan University（复旦大学） ； University of British Columbia（不列颠哥伦比亚大学） ； School of Medicine（医学院） ； Westlake University（西湖大学） ； Shanghai Innovation Institute（上海创新研究院） ； Zhejiang University（浙江大学） ； Stony Brook University（石溪大学）
AI总结 OmniNovo通过统一深度学习框架实现对修饰蛋白质组的高精度从头测序，识别更多肽并提高假发现率控制。
OmniScientist：迈向人类与AI科学家共进的生态系统
机构 * Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，BNRist，清华大学） ； Zhongguancun Academy（中关村学院）
AI总结 OmniScientist通过模拟人类科学系统，实现AI与人类科学家的协作与共进化，构建可持续的创新生态系统。
FastVID: 动态密度修剪用于快速视频大语言模型
机构 * School of Software, Tsinghua University（清华大学软件学院） ； BNRist, Tsinghua University（清华大学BNRist） ； GRG Banking Equipment Co., Ltd.（GRG银行设备有限公司）
AI总结 FastVID通过动态密度修剪技术，显著降低视频大语言模型的计算开销，同时保持高准确性，实现高效的视频处理性能。
Comments NeurIPS 2025
关于嵌套马尔可夫模型的物理：从广义概率理论视角出发
机构 * QICI Quantum Information and Computation Initiative, School of Computing and Data Science, The University of Hong Kong, Hong Kong SAR, China（量子信息与计算倡议，计算与数据科学学院，香港大学，香港特别行政区，中国） ； Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China（交叉信息科学研究所，清华大学，北京，中国） ； Shanghai Qi Zhi Institute, Shanghai, China（上海启智研究所，上海，中国） ； Perimeter Institute for Theoretical Physics, Waterloo, Ontario, Canada（理论物理研究所，滑铁卢，安大略，加拿大）
AI总结 本文从广义概率理论视角探讨嵌套马尔可夫模型，揭示其与物理实现之间的差距，并展示新的GPT不可侵犯约束。
Comments V2: 21 pages, 9 figures, 1 table; simpler proofs for the original theorems provided; new causal models introduced and discussed; one author added. Comments are welcome!
基于切片学习生成扩散先验的鲁棒同时多切片MRI重建
机构 * College of Health Science and Environmental Engineering, Shenzhen Technology University（深圳科技大学健康科学与环境工程学院） ； University Medical Center Göttingen（哥廷根大学医学中心） ； Guangdong-Hongkong-Macau CNS Regeneration Institute, Key Laboratory of CNS Regeneration (Jinan University)-Ministry of Education, Jinan University（广东-港澳-澳门神经科学再生研究所，神经科学再生重点实验室（暨南大学）-教育部，暨南大学） ； Department of Radiology, The First Hospital of Tsinghua University（清华大学第一医院放射科） ； Center for Biomedical Imaging Research, Department of Biomedical Engineering, School of Medicine, Tsinghua University（清华大学生物医学成像研究中心，生物医学工程系，医学院） ； Key Laboratory for Biomedical Engineering of Ministry of Education, College of Biomedical Engineering and Instrument Science, Zhejiang University（教育部生物医学工程重点实验室，生物医学工程与仪器科学学院，浙江大学） ； Department of Endocrinology and Metabolism, Sir Run Run Shaw Hospital, Zhejiang University School of Medicine（浙江大学医学院邵逸夫医院内分泌科） ； Lab of Molecular Imaging and Medical Intelligence, Department of Radiology, Longgang Central Hospital of Shenzhen (Shenzhen Clinical Medical College, Guangzhou University of Chinese Medicine（分子成像与医学智能实验室，放射科，深圳龙岗中心医院（深圳临床医学院，广州中医药大学；龙岗临床学院，汕头大学医学院）） ； Longgang Clinical Institute of Shantou University Medical College)
AI总结 ROGER通过深度生成先验和低频增强模块，实现鲁棒的同时多切片MRI重建，提升解剖和功能成像质量。
Journal ref Published in Medical Image Analysis, Volume 108, 2026, 103851
Dy-mer: 一种基于字典学习的可解释DNA序列表示方案
机构 * Shenzhen Key Laboratory of Ubiquitous Data Enabling（深圳 ubiquitous 数据赋能重点实验室） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 Dy-mer通过字典学习方法，提供了一种可解释且稳健的DNA序列表示方案，实现了在DNA启动子分类和motif检测等任务中的高性能表现。
RapVerse: 从文本歌词生成连贯的唱声与全身动作
机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； Wuhan University（武汉大学） ； UC San Diego（加州大学圣地亚哥分校） ； Tsinghua University（清华大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； Dolby Laboratories（杜比实验室）
AI总结 RapVerse通过统一生成框架，从文本歌词生成连贯唱声与全身动作，实现多模态统一建模，提升生成效果与基准性能。
Comments ICCV 2025, Project website: https://jiabenchen.github.io/RapVerse/
探索异构图神经网络中的拓扑偏差
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
AI总结 本文研究了异构图神经网络中的拓扑偏差问题，提出了一种基于节点映射值差异的去偏结构，通过对比学习提升HGNN性能。
Journal ref ECAI 2025, pp. 2937-2944 (2025)
物理真实序列级对抗性服装用于鲁棒的人体检测规避
机构 * School of Future Technology, South China University of Technology（未来技术学院，华南理工大学） ； Institute for Interdisciplinary Information Sciences, Tsinghua University（交叉信息研究院，清华大学）
AI总结 本研究提出序列级优化框架，生成可打印的对抗性服装纹理，以实现在数字和物理环境中对人类检测的鲁棒规避。
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