Tsinghua University（清华大学）

VETime: Vision Enhanced Zero-Shot Time Series Anomaly Detection

VETime: 基于视觉增强的零样本时间序列异常检测

Yingyuan Yang, Tian Lan, Yifei Gao, Yimeng Lu, Wenjun He, Meng Wang, Chenghao Liu, Chen Zhang

机构 * Department of Industrial Engineering, Tsinghua University, Beijing, China（清华大学工业工程系） ； Lab, Huawei Technologies Ltd, Beijing, China（华为技术有限公司2012实验室） ； Datadog AI Research（Datadog人工智能研究） 纠错

AI总结 VETime通过融合视觉与时间模态，提出零样本时间序列异常检测框架，实现高精度定位与低计算开销。

FlowPrefill: Decoupling Preemption from Prefill Scheduling Granularity to Mitigate Head-of-Line Blocking in LLM Serving

FlowPrefill: 解耦预emption与prefill调度粒度以缓解LLM服务中的头部阻塞

Chia-chi Hsieh, Zan Zong, Xinyang Chen, Jianjiang Li, Jidong Zhai, Lijie Wen

机构 * Tsinghua University（清华大学） ； University of Science and Technology Beijing（北京科技大学） 纠错

AI总结 FlowPrefill通过解耦预emption与调度粒度，优化TTFT和吞吐量，缓解LLM服务中的头部阻塞问题。

Comments 13 pages

FeatBench: Towards More Realistic Evaluation of Feature-level Code Generation

FeatBench: 向更真实的特征级代码生成评估迈进

Haorui Chen, Chengze Li, Jia Li

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanjing University（南京大学） 纠错

AI总结 FeatBench提出了一种新的特征级代码生成评估基准，通过真实任务输入和动态数据构建，解决现有基准的局限性，并揭示了代理在实现中的激进行为问题。

Modeling Time-evolving Causality over Data Streams

对数据流中时间演变因果关系的建模

Naoki Chihara, Yasuko Matsubara, Ren Fujiwara, Yasushi Sakurai

机构 * SANKEN, Osaka University（SANKEN，大阪大学） ； Institute for Clarity in Documentation（文档清晰研究所） ； Inria Paris-Rocquencourt（巴黎-鲁克勒特研究所） ； Rajiv Gandhi University（拉贾·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒姆研究实验室） 纠错

AI总结 本文提出ModePlait方法，用于建模数据流中时间演变的因果关系，并通过实验验证其在发现因果关系和预测未来值方面的有效性。

Comments Accepted by KDD'25

Journal ref The 31st ACM SIGKDD international conference on Knowledge discovery and data mining, 2025

R$^2$Energy: A Large-Scale Benchmark for Robust Renewable Energy Forecasting under Diverse and Extreme Conditions

R²能量：一种大规模基准，用于在多样和极端条件下鲁棒的可再生能源预测

Zhi Sheng, Yuan Yuan, Guozhen Zhang, Yong Li

机构 * Center for Urban Science and Computation, Tsinghua University（城市科学与计算中心，清华大学） ； Courant Institute of Mathematical Sciences, New York University（数学科学学院，纽约大学） 纠错

AI总结 R²Energy提出了一种大规模基准，用于在多样和极端条件下评估鲁棒的可再生能源预测模型，揭示了鲁棒性与复杂性之间的权衡。

Coverage Path Planning for Autonomous Sailboats in Inhomogeneous and Time-Varying Oceans: A Spatiotemporal Optimization Approach

自主帆船在非均匀和时变海洋中的覆盖路径规划：一种时空优化方法

Yang An, Zhikang Ge, Taiyu Zhang, Jean-Baptiste R. G. Souppez, Gaofei Xu, Zhengru Ren

机构 * Institute of Deep-sea Science and Engineering, Chinese Academy of Sciences（中国科学院深海科学与工程研究所） ； Institute for Ocean Engineering, Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院海洋工程研究所） ； ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学 Hangzhou 全球科技创新中心） ； Department of Engineering, Faculty of Computing, Engineering and the Built Environment, Birmingham City University（伯明翰城市大学工程系） ； School of Ocean and Civil Engineering, Shanghai Jiao Tong University（上海交通大学海洋与Civil Engineering学院） 纠错

AI总结 本文提出了一种专为自主帆船设计的时空优化方法，解决非均匀和时变海洋环境中的覆盖路径规划问题，通过空间拓扑约束和时间预测规划提升覆盖效率。

Comments 12 pages, 9 figures. This work has been submitted to the IEEE for possible publication

FUTURE-VLA: Forecasting Unified Trajectories Under Real-time Execution

FUTURE-VLA：在实时执行下统一轨迹预测

Jingjing Fan, Yushan Liu, Shoujie Li, Botao Ren, Siyuan Li, Xiao-Ping Zhang, Wenbo Ding, Zhidong Deng

机构 * Department of Automation, Tsinghua University（自动化系，清华大学） ； Shenzhen International Graduation School, Tsinghua University（深圳国际研究生院，清华大学） ； Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学） 纠错

AI总结 FUTURE-VLA通过实时执行实现统一轨迹预测，采用双效效率范式提升时空信息密度，实现实时预测与人机交互机制，取得多项任务的高成功率。

Test-Time Adaptation for Tactile-Vision-Language Models

测试时适应用于触觉-视觉-语言模型

Chuyang Ye, Haoxian Jing, Qinting Jiang, Yixi Lin, Qiang Li, Xing Tang, Jingyan Jiang

机构 * Shenzhen Technology University（深圳技术大学） ； New York University（纽约大学） ； Shenzhen University（深圳大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出了一种可靠性感知框架，用于提升触觉-视觉-语言模型在测试时的适应能力，通过估计各模态可靠性来过滤不可靠样本并优化融合过程，有效提升了在模态损坏情况下的准确率。

SecCodeBench-V2 Technical Report

SecCodeBench-V2 技术报告

Longfei Chen, Ji Zhao, Lanxiao Cui, Tong Su, Xingbo Pan, Ziyang Li, Yongxing Wu, Qijiang Cao, Qiyao Cai, Jing Zhang, Yuandong Ni, Junyao He, Zeyu Zhang, Chao Ge, Xuhuai Lu, Zeyu Gao, Yuxin Cui, Weisen Chen, Yuxuan Peng, Shengping Wang, Qi Li, Yukai Huang, Yukun Liu, Tuo Zhou, Terry Yue Zhuo, Junyang Lin, Chao Zhang

机构 * Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 SecCodeBench-V2 通过动态执行和LLM-as-a-judge oracle评估AI编程助手的安全能力，提供可复现的基准测试框架。

Stage-wise Dynamics of Classifier-Free Guidance in Diffusion Models

扩散模型中分类器自由引导的分阶段动态

Cheng Jin, Qitan Shi, Yuantao Gu

机构 * Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） 纠错

AI总结 本文研究了扩散模型中分类器自由引导的分阶段动态，揭示了引导对采样过程三个阶段的影响，并提出时间变化的引导策略以提升质量和多样性。

Comments 24 pages, 10 figures, accepted by ICLR26