高校专区
DyTopo：通过语义匹配实现多智能体推理的动态拓扑路由
机构 * Peking University, Beijing, China（北京大学） ； Georgia Institute of Technology, Atlanta, United States（佐治亚理工学院） ； Southeast University, Location, Country（东南大学） ； Tsinghua University（清华大学）
AI总结 DyTopo通过语义匹配实现多智能体推理的动态拓扑路由，提升多轮推理性能并提供可解释的协调轨迹。
MambaVF：用于高效视频融合的状态空间模型
机构 * Xi'an Jiaotong University（西安交通大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学）
AI总结 MambaVF通过基于状态空间模型的高效框架，实现了无需显式运动估计的视频融合，显著提升效率和性能。
跨域离线策略适应 via 选择性转移修正
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） ； Tencent（腾讯） ； City University of Hong Kong（香港城市大学）
AI总结 本文提出STC算法，通过修正源域数据以匹配目标域动态，提升跨域离线策略适应性能。
LongR: 通过密集效用奖励的强化学习解锁长上下文推理
机构 * Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 LongR通过整合动态'思考与阅读'机制和上下文密度奖励，提升长上下文推理性能，在多个基准测试中取得显著成效。
SDFP：基于FIT剪枝模型的投机解码用于无训练和即插即用的大语言模型加速
机构 * Tsinghua University（清华大学） ； Advanced Micro Devices, Inc.（先进微器件公司）
AI总结 SDFP通过FIT剪枝技术实现无训练、即插即用的大语言模型加速，提升解码速度而不影响输出分布。
多领域工具检索
机构 * DCST, Tsinghua University（清华大学北京研究院）
AI总结 本文提出多领域工具检索框架，通过细粒度多字段建模解决工具检索中的文档不完整、语义不匹配和多方面效用问题，实现更高效的任务解决。
Comments 12 pages, 4 figures
SharpTimeGS: 通过寿命调节实现锐利且稳定的动态高斯点云
机构 * Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Beijing Normal University（北京师范大学） ； Central China Normal University（华中师范大学）
AI总结 SharpTimeGS通过寿命调节实现动态高斯点云的锐利稳定建模，提升长期稳定性并保持动态保真度，实现实时4K渲染。
看得少，看得对：双向感知塑造用于多模态推理
机构 * Microsoft Research Asia（微软亚洲研究院） ； Tsinghua University（清华大学）
AI总结 本文提出BiPS，通过双向感知塑造提升多模态推理性能，有效增强细粒度视觉依赖并提升跨领域泛化能力。
DeepAgent: 一种具有可扩展工具集的通用推理代理
机构 * Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司） ； Tsinghua University（清华大学）
AI总结 DeepAgent通过自主记忆折叠机制和ToolPO强化学习策略，实现高效通用工具使用和长周期交互，优于现有基线方法。
Comments Accepted by WWW 2026
城市中的隐形墙壁：设计LLM代理以通过社交媒体内容预测城市隔离体验
机构 * Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，BNRist，清华大学） ； Hong Kong University of Science（科学大学）
AI总结 本文提出了一种基于LLM的代理，通过社交媒体内容预测城市隔离体验，利用代码本整合多通道特征，提升预测准确性并促进社会包容性。
Comments 11 pages, 6 figures. This paper has been accepted at The ACM Web Conference 2026
利用电子健康记录识别痴呆亚型
机构 * Department of Computer Science and Engineering, Washington University in St. Louis（计算机科学与工程系，华盛顿大学圣路易斯分校） ； Institute for Informatics, Washington University School of Medicine（信息学院，华盛顿大学医学院） ； Department of Neurology, Washington University School of Medicine（神经病学系，华盛顿大学医学院） ； Institute for Clarity in Documentation（文档清晰研究所） ； Inria Paris-Rocquencourt（巴黎-罗克奎恩特研究所） ； Rajiv Gandhi University（拉吉夫·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕尔默研究实验室）
AI总结 本文利用K-Means聚类方法对电子健康记录中的痴呆评分进行分析，识别痴呆亚型并探讨其认知表现与疾病进展的关系。
Comments ACM Conference on Bioinformatics, Computational Biology, and Health Informatics 13 pages, 7 figures, 3 tables
Journal ref PLoS ONE 19(11): e0313425, 2024
迈向集体人工智能的科学：基于LLM的多智能体系统需要从盲目试错转向严谨的科学
机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； King’s College London（伦敦大学国王学院） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出通过建立协作收益度量（Γ）和因素归因范式，推动多智能体系统从盲目试错向严谨科学转变。
具有包容性的交互决策与执行以应对模糊指令
机构 * Department of Automation, Tsinghua University（清华大学自动化系） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息学院） ； Computer Science and Engineering Department, Chinese University of Hong Kong（香港中文大学计算机科学与工程系）
AI总结 AIDE通过双流框架整合交互式探索与视觉-语言推理，实现对模糊指令的高效决策与执行，提升机器人在陌生环境中的任务规划能力。
Comments 14 pages, 10 figures, 8 tables
CoWork-X：面向多智能体协作系统的经验优化共进化
机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）人工智能学院） ； Tsinghua University（清华大学） ； AutoGame Research（AutoGame研究） ； Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人研究院）
AI总结 CoWork-X通过主动共进化框架，优化多智能体协作系统的实时协调与多轮适应，实现稳定性能提升和降低延迟与令牌消耗。
将LLM推理内化：通过发现和重播潜在动作
机构 * Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； Fuzhou University（福州大学）
AI总结 STIR通过动态潜在轨迹控制实现LLM推理内化，提升准确率并减少token消耗。
VisMem: 通过潜在视觉记忆解锁视觉-语言模型的潜力
机构 * National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； vivo
AI总结 VisMem通过引入动态潜在视觉记忆模块，提升视觉-语言模型在复杂视觉任务中的性能，实现感知准确性和语义一致性之间的平衡。
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