高校专区
RAMoEA-QA：面向呼吸音频问答的分层专业化
机构 * University of Cambridge（剑桥大学） ； Tsinghua University（清华大学） ； University of Calabria（卡拉布里亚大学）
AI总结 RAMoEA-QA通过分层专业化机制，统一处理多种呼吸音频问答任务，提升在不同领域和任务转换下的表现。
AV-Unified: 一个用于音频-视觉场景理解的统一框架
机构 * Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）
AI总结 AV-Unified提出一个统一框架，通过多尺度时空感知网络和跨模态指导模块，实现音频-视觉场景理解任务的联合学习和高效处理。
Comments Accepted by IEEE Transactions on Multimedia (TMM)
SuperSuit：一种用于可扩展移动操作的同构双模接口
机构 * Tsinghua University（清华大学） ； TARS Robotics（TARS机器人）
AI总结 SuperSuit 提出了一种双模数据采集框架，通过同构运动学接口实现移动机械臂的高效长周期演示和策略训练。
魔鬼在窄政策中：解锁驾驶VLA模型的探索
机构 * National Superior College for Engineers, Beihang University（北京航空航天大学工程师学院） ； School of Electronic Information Engineering, Beihang University（北京航空航天大学电子信息工程学院） ； Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Lenovo Group Limited（联想集团有限公司） ； State Key Laboratory of Media Convergence and Communication, Communication University of China（中国传媒大学媒体融合与传播国家重点实验室）
AI总结 Curious-VLA通过双阶段设计缓解探索-利用困境，提升驾驶VLA模型的探索潜力，实现Navsim基准的最优性能。
Comments Accepted by CVPR2026 findings
CDF-Glove: 一种用于灵巧遥控操作的电缆驱动力反馈手套
机构 * Center for Artificial Intelligence and Robotics, Shenzhen International Graduate School, Tsinghua University（人工智能与机器人中心，深圳国际研究生院，清华大学） ； PKU-Psibot Joint Lab（北京大学-PsiBot联合实验室） ； Department of Advanced Manufacturing, Shenzhen International Graduate School, Tsinghua University（先进制造系，深圳国际研究生院，清华大学）
AI总结 CDF-Glove是一种低成本的电缆驱动力反馈手套，通过实时力反馈提升灵巧遥控操作的演示质量和任务成功率。
FuseDiff: 保留对称性的双目标结构导向药物设计联合扩散
机构 * Sun Yat-sen University（中山大学） ； Renmin University of China（中国人民大学） ； Tsinghua University（清华大学）
AI总结 FuseDiff通过端到端扩散模型联合生成双目标结合姿态，保留对称性并实现高精度药物设计。
OmniDP: 在超广角大工作空间中实现人形机器人的全方位3D感知
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学）
AI总结 OmniDP通过360度全景点云感知和时间感知注意力池化机制，实现人形机器人在大工作空间中的稳健操作，优于传统深度相机方法。
Comments 8 pages, 6 figures
MoRe：面向运动的前馈4D重建Transformer
机构 * School of Software, Tsinghua University（软件学院，清华大学）
AI总结 MoRe通过注意力强制策略和分组因果注意力，高效重建动态3D场景，适用于实时应用。
Comments Accepted by CVPR 2026. Project page:https://hellexf.github.io/MoRe/
ThaiSafetyBench: 评估泰语文化背景下语言模型的安全性
机构 * SCB DataX（SCB数据X） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； SCBX R&D（SCBX研发部） ； SCB 10X
AI总结 本研究提出ThaiSafetyBench，通过泰语文化背景下的恶意提示评估语言模型安全性，发现闭源模型安全性更强，同时揭示了文化特定攻击的高风险。
Comments ICLR 2026 Workshop on Principled Design for Trustworthy AI
(MGS)$^2$-Net：融合微几何尺度与宏几何结构的跨视角地理定位
机构 * Department of Precision Instrument, Tsinghua University, Beijing 100084, China（精密仪器系，清华大学，北京100084，中国）
AI总结 (MGS)$^2$-Net通过融合微几何尺度与宏几何结构，解决跨视角地理定位中的几何错位问题，实现高精度和鲁棒性的定位性能。
COMI：通过边际信息增益的粗到细上下文压缩
机构 * Tsinghua University（清华大学） ； Future Living Lab of Alibaba（阿里巴巴未来生活实验室） ； Sun Yat-sen University（中山大学）
AI总结 COMI通过边际信息增益实现粗到细的上下文压缩，在长上下文任务中提升压缩效率和语义保留能力。
Comments Accepted at ICLR 2026
OnlineSI: 通过大规模语言模型实现在线3D理解和定位
机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 OnlineSI通过整合3D点云与语义信息，提升大规模语言模型在动态环境中的空间理解和物体识别能力。
Comments Project Page: https://onlinesi.github.io/
在事件驱动神经网络中最大化异步性
机构 * State Key Laboratory of Precision Measurement Technology and Instrument, Department of Precision Instrument, Tsinghua University（精密测量技术与仪器国家重点实验室，精密仪器系，清华大学） ； Robotics and Perception Group, University of Zurich（机器人与感知组，苏黎世大学）
AI总结 EVA通过借鉴语言建模技术，提出一种新的A2S框架，生成高表达性和通用性的事件特征，在识别和检测任务中表现出色。
Comments 22 pages, 7 figures, 15 tables, ICLR 2026 Camera Ready paper
Journal ref International Conference on Learning Representations (ICLR), Brazil, 2026
NAMI: 通过桥接渐进修正流变压器实现高效的图像生成
机构 * AI Research（360人工智能研究院） ； Tsinghua University（清华大学）
AI总结 NAMI通过桥接渐进修正流变压器实现高效图像生成，减少推理时间64%，并提升多分辨率训练效率。
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