高校专区
DreamID-Omni: 一体化框架用于可控的人-centric音频视频生成
机构 * Tsinghua University（清华大学） ； Intelligent Creation Lab, ByteDance（字节跳动智能创作实验室）
AI总结 DreamID-Omni提出了一种统一框架，通过双层解耦策略和多任务训练方案，实现对可控人-centric音频视频生成的高效控制。
Comments Project: https://guoxu1233.github.io/DreamID-Omni/
空间链式思考：连接理解与生成模型以实现空间推理生成
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua University（清华大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 本文提出SCoT框架，通过结合MLLMs的推理能力与扩散模型的生成能力，提升空间推理生成任务的性能。
Comments 19 pages, 4 figures
视频预测嵌入对于VLA模型是必要的
机构 * Tsinghua University（清华大学） ； Huawei Noah's Ark Lab（华为诺亚实验室）
AI总结 JEPA-VLA通过引入视频预训练的预测嵌入，提升VLA模型在机器人任务中的性能和泛化能力。
具有约束初始表示的时序差分学习
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） ； School of Computer Science, Peking University（北京大学计算机学院）
AI总结 本文提出CIR框架，通过引入双曲正切函数和改进的Q学习方法，提升时序差分学习在连续控制任务中的性能。
Comments 35 pages
温度作为元策略：LLM强化学习中的自适应温度
机构 * Tsinghua University（清华大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 TAMPO通过将温度控制转化为可学习的元策略，实现了LLM强化学习中的自适应探索，优于固定或启发式温度方法。
Comments Accepted at ICLR 2026. 10 pages (main text) + supplementary material, 6 figures
为分层操作策略扩展世界模型
机构 * Xi’an Jiao Tong University（西安交通大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 本文提出分层VLA框架，利用大规模预训练世界模型提升机器人操作在分布外场景的泛化能力，实验显示性能提升显著。
人形机器人操控接口：无需机器人演示的全身体验操控
机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 HuMI通过便携硬件实现无需机器人演示的全身体验操控，提升数据收集效率并提高未见环境中的任务成功率。
Comments Website: https://humanoid-manipulation-interface.github.io
通过回顾在线模仿将流翻译为政策
机构 * Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） ； University of California San Diego（加州大学圣地亚哥分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Qi Zhi Institute（上海启智研究所）
AI总结 通过回顾在线模仿将流翻译为政策，利用2D点流作为高层规划器，在模拟和现实任务中实现超过2倍的性能提升。
通过战略性大语言模型的自我对战激励多智能体推理的MARSHAL
机构 * SIGS, Tsinghua University（清华大学信号与系统系） ； EE, Tsinghua University（清华大学电子工程系） ； Aalto University（阿alto大学） ； Li Auto Inc.（李汽车公司） ； Infinigence AI Project Page Code Models（Infinigence AI项目页面代码模型）
AI总结 MARSHAL通过战略性LLM的自我对战激励多智能体推理，实现多智能体系统的性能提升。
PatientHub: 一个统一的患者模拟框架
机构 * The CoAI Group, DCST Institute for Artificial Intelligence Tsinghua University（CoAI集团、DCST人工智能研究所清华大学）
AI总结 PatientHub提供了一个统一的患者模拟框架，通过标准化定义、组成和部署，促进跨方法和跨模型的基准测试，并降低新方法开发的门槛。
Comments Work in progress
分析搜索
机构 * DCST, Tsinghua University（清华大学智能驾驶与车路协同研究院） ； Quan Cheng Laboratory（量子工程实验室）
AI总结 本文提出分析搜索范式，旨在通过证据导向和多步骤推理解决复杂分析需求，提升信息检索的端到端能力。
梯度必须赢得其影响：统一监督微调与广义熵目标
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； WeChat, Tencent（微信、腾讯） ； Tsinghua University（清华大学）
AI总结 本文提出DEFT方法，通过广义熵目标统一SFT，解决塑性-稳定性困境，提升模型在探索与利用间的平衡性能。
主动零：通过主动环境探索实现自我进化的视觉-语言模型
机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； Wuhan AI Research（武汉人工智能研究所） ； Tsinghua University（清华大学）
AI总结 Active-Zero通过主动环境探索实现视觉-语言模型的自我进化，提升推理和理解任务的性能。
NarraScore: 通过分层情感控制弥合视觉叙事与音乐动态
机构 * Tsinghua University（清华大学）
AI总结 NarraScore通过分层情感控制，实现视觉叙事与音乐动态的融合，以高密度压缩叙事逻辑，提升长视频配乐生成的连贯性与自主性。
基于神经高斯力场的学习物理 grounded 4D 动力学
机构 * Institute for AI, Peking University（北京大学人工智能研究院） ； School of Psychological and Cognitive Sciences, Peking University（北京大学心理学与认知科学学院） ； School of EECS, Peking University（北京大学电子工程学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Yuanpei College, Peking University（北京大学元培学院） ； State Key Lab of General AI, Peking University（北京大学通用人工智能国家重点实验室） ； Beijing Key Laboratory of Behavior and Mental Health, Peking University（北京行为与心理健康重点实验室）
AI总结 本文提出神经高斯力场（NGFF），通过结合3D高斯感知与物理动力学建模，从多视角RGB输入生成交互式、物理真实的4D视频，提升视频预测的物理 grounded 性。
Comments 43 pages, ICLR 2026
SonicSieve：利用声学微结构在智能手机上实现定向语音提取
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学）
AI总结 SonicSieve通过生物启发式声学微结构在智能手机上实现定向语音提取，提升信号质量并优于传统麦克风阵列。
将策略翻译为语言：通过生成连续归一化流生成的奖励用于LLM解释
机构 * AIPD, Tencent, Shenzhen, China（腾讯人工智能与大数据研究院，深圳，中国） ； IIIS, Tsinghua University, Beijing, China（清华大学人工智能学院，北京，中国） ； EE, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国） ； CS, Tsinghua University, Beijing, China（清华大学计算机系，北京，中国） ； SEAS, Harvard University, Cambridge, USA（哈佛大学工程学院，剑桥，美国） ； College of AI, Tsinghua University, Beijing, China（清华大学人工智能学院，北京，中国）
AI总结 本文提出通过生成连续归一化流生成奖励，训练LLM生成更准确、逻辑严谨且认知负担更低的解释，以提升智能体与人类共存的可靠性。
Comments Accepted by ICLR 2026
基于选择性注意力的多尺度对比学习用于盲图像质量评估
机构 * School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学） ； School of Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Xiamen University（多媒体可信感知与高效计算重点实验室，厦门大学） ； Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University（北京信息科学与技术国家研究中心（BNRist），清华大学）
AI总结 CSFIQA通过选择性注意力和尺度对比学习提升盲图像质量评估的多尺度感知能力。
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