高校专区
原生且紧凑的结构化潜在变量用于3D生成
机构 * Tsinghua University（清华大学） ； Microsoft Research（微软研究院） ； USTC（University of Science and Technology of China） ； Microsoft AI（微软人工智能）
AI总结 本文提出O-体素和稀疏压缩变分自编码器，通过高效生成高质量3D资产，推动3D生成建模的发展。
Comments Project Page: https://microsoft.github.io/TRELLIS.2/
ParaFormer: 一种通用的PageRank图变换器用于图表示学习
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； The Chinese University of Hong Kong（香港中文大学） ； DAMO Academy, Alibaba Group, Hupan Lab（达摩院、阿里集团、乎盘实验室）
AI总结 ParaFormer通过PageRank增强的注意力模块缓解深度GNNs中的过平滑问题，实现节点和图分类任务的性能提升。
Comments Accepted by WSDM 2026
原生智能源自大规模临床实践：一种具有部署效率的视网膜基础模型
机构 * School of Biomedical Engineering, Tsinghua Medicine, Tsinghua University（生物医学工程学院，清华大学医学部，清华大学） ； School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学） ； Beijing Key Laboratory of Intelligent Diagnosis Technology and Equipment for Optic Nerve-Related Eye Diseases（北京智能诊断技术与设备重点实验室） ； School of Medical Technology, Beijing Institute of Technology（医学技术学院，北京理工大学） ； Beijing Tongren Hospital, Capital Medical University（北京同仁医院，首都医科大学） ； School of Biomedical Engineering, Shanghai Jiaotong University（生物医学工程学院，上海交通大学） ； Beijing Visual Science and Translational Eye Research Institute (BERI), Beijing Tsinghua Changgung Hospital Eye Center, School of Clinical Medicine, Tsinghua Medicine, Tsinghua University Institute of Ophthalmology（北京视觉科学与转化眼研所（BERI），北京清华长庚医院眼科中心，临床医学学院，清华大学医学部，清华大学眼科学院）
AI总结 ReVision通过直接从真实临床数据中学习，实现了在低资源环境下高效部署的视网膜基础模型，无需额外标注即可在多种医学任务中取得优异性能。
HGS: 基于静态-动态分解的混合高斯散射用于紧凑动态视图合成
机构 * Xi’an Jiaotong University（西安交通大学） ； Beijing Jiaotong University（北京交通大学） ； Tsinghua University（清华大学）
AI总结 HGS通过静态-动态分解策略，实现高效动态视图合成，减少模型体积并提升渲染效率。
Comments 11 pages, 9 figures
GLM-TTS 技术报告
机构 * Zhipu AI（智谱AI） ； Tsinghua University（清华大学）
AI总结 GLM-TTS通过优化的语音分词器和多奖励强化学习框架，实现高效可控的生产级语音生成系统，同时支持参数高效定制和混合输入方案。
SDAR-VL: 稳定且高效的块状扩散用于视觉语言理解
机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； ByteDance（字节跳动）
AI总结 SDAR-VL通过高效的块状扩散方法，在视觉语言理解中实现了更高的训练效率、收敛稳定性及任务性能，优于传统块扩散并匹敌强AR基线。
ValuePilot：一种面向价值驱动决策的双阶段框架
机构 * State Key Laboratory of General Artificial Intelligence, BIGAI（1 通用人工智能国家重点实验室，BIGAI） ； Tsinghua University（2 清华大学） ； Peking University（3 北京大学）
AI总结 ValuePilot通过双阶段框架实现价值驱动的个性化决策，提升AI在复杂场景中的可解释性和适应性。
Comments Accepted at LAW Workshop, NeurIPS 2025
VideoMem: 通过自适应内存管理增强超长视频理解
机构 * School of Electronic and Computer Engineering, Peking University（电子与计算机工程学院，北京大学） ； Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学）
AI总结 VideoMem通过自适应内存管理框架，有效提升超长视频理解任务的性能，采用PRPO算法和两个核心模块实现高效训练和长期记忆保留。
VesSAM: 高效多提示分割复杂血管
机构 * FNii-Shenzhen, CUHK-Shenzhen（FNii-Shenzhen，CUHK-Shenzhen） ； School of Science and Engineering, CUHK-Shenzhen（CUHK-Shenzhen科学与工程学院） ； Zhejiang University（浙江大学） ； Boston University（波士顿大学） ； Vanderbilt University（范德比大学） ； Tsinghua University（清华大学）
AI总结 VesSAM通过多提示编码器和轻量级解码器提升血管分割性能，实现比现有方法更高的Dice和IoU指标，同时参数更少且泛化能力更强。
MIRA：面向真实世界健康数据的医学时间序列基础模型
机构 * Microsoft Research（微软研究院） ； University of Manchester（曼彻斯特大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学） ； Imperial Global Singapore, Imperial College London（帝国理工学院伦敦分校）
AI总结 MIRA是一种专为医学时间序列预测设计的基础模型，通过连续时间旋转位置编码、频率特定混合专家层和连续动态外推块，实现对不规则时间间隔、异质采样率和缺失值的高效处理，提升医疗时间序列数据的预测精度和跨机构迁移能力。
Comments NeurIPS 2025 Main Conference
共享DIFF变换器
机构 * Tsinghua University, Beijing, China（清华大学） ； Donghua University, Shanghai, China（东华大学）
AI总结 共享DIFF变换器通过引入共享基矩阵和低秩更新，减少参数冗余并提升效率，实现更优的噪声抑制和任务适应性。
Comments arXiv admin note: text overlap with arXiv:2501.17486
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