Tsinghua University（清华大学）

NeuroSymb-MRG: Differentiable Abductive Reasoning with Active Uncertainty Minimization for Radiology Report Generation

NeuroSymb-MRG：基于主动不确定性最小化的可微推断推理用于放射科报告生成

Rong Fu, Yiqing Lyu, Chunlei Meng, Muge Qi, Yabin Jin, Qi Zhao, Li Bao, Juntao Gao, Fuqian Shi, Nilanjan Dey, Wei Luo, Simon Fong

机构 * University of Macau（澳门大学） ； Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Peking University（北京大学） ； The First People’s Hospital of Foshan（佛山市第一人民医院） ； Capital Medical University（首都医科大学） ； Rutgers Cancer Institute, NJ, USA（罗格斯癌症研究所（美国新泽西州）；纽约大学朗格尼健康中心（美国纽约州）） ； and NYU Langone Health, NY, USA（Techno国际新城（印度加尔各答）） ； Techno International New Town, Kolkata, India 纠错

AI总结 本文提出NeuroSymb-MRG框架，结合神经符号推断与主动不确定性最小化，生成结构化且临床可靠的报告。通过图像特征到概率临床概念的映射，构建可微推理链，并通过检索和约束语言模型编辑优化文本输出。

Comments 12 pages, 1 figure

ModalImmune: Immunity Driven Unlearning via Self Destructive Training

ModalImmune: 通过自毁式训练实现的免疫驱动反学习

Rong Fu, WeiZhi Tang, Ziming Wang, Jia Yee Tan, Zijian Zhang, Zhaolu Kang, Muge Qi, Shuning Zhang, Simon Fong

机构 * University of Macau（澳门大学） ； Zhejiang University（浙江大学） ； Renmin University of China（中国人民大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出ModalImmune框架，通过可控地在训练中坍缩选定模态信息，使模型学习到对破坏性模态影响具有鲁棒性的联合表示，提升多模态系统在模态丢失或损坏时的可靠性。

Comments 24 pages, 8 figures

ST-BiBench: Benchmarking Multi-Stream Multimodal Coordination in Bimanual Embodied Tasks for MLLMs

ST-BiBench：多流多模态协调在双臂具身任务中的基准测试

Xin Wu, Zhixuan Liang, Yue Ma, Mengkang Hu, Zhiyuan Qin, Xiu Li

机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； HKUST（香港科技大学） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） 纠错

AI总结 本文提出ST-BiBench框架，用于评估多流多模态协调，揭示MLLMs在高阶策略与精细物理执行间的协调悖论。

Comments 42 pages, 9 figures. Project page:https://stbibench.github.io/

Personalized Federated Distillation Assisted Vehicle Edge Caching Strategy

个性化联邦蒸馏辅助车辆边缘缓存策略

Xun Li, Qiong Wu, Pingyi Fan, Kezhi Wang, Wen Chen, Cui Zhang

机构 * School of Internet of Things Engineering, Jiangnan University（江南大学物联网工程学院） ； Department of Electronic Engineering, State Key laboratory of Space Network and Communications, Beijing National Research Center for Information Science and Technology, Tsinghua University（清华大学电子工程系、空间网络与通信国家重点实验室、北京信息科学与技术国家研究中心） ； Department of Computer Science, Brunel University（布鲁内尔大学计算机科学系） ； Department of Electronic Engineering, Shanghai JiaoTong University（上海交通大学电子工程系） ； School of Internet of Things Engineering, Wuxi Institute of Technology（无锡职业技术学院物联网工程学院） 纠错

AI总结 本文提出一种个性化联邦蒸馏辅助车辆边缘缓存策略，以解决传统联邦学习在通信开销和训练稳定性方面的不足，通过预测用户兴趣内容来减少延迟。

Comments This paper has been accepted by IEEE International Conference on Radio Frequency and Antenna Technologies. The source code has been released at: https://github.com/qiongwu86/Federated-Distillation-Assisted-Vehicle-Edge-Caching-Scheme-Based-on-Lightweight-DDPM

Partially Functional Dynamic Backdoor Diffusion-based Causal Model

部分功能动态后门扩散因果模型

Xinwen Liu, Lei Qian, Song Xi Chen, Niansheng Tang

机构 * YunNan University（云南大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出PFD-BDCM模型，通过动态后门调整和基函数展开，解决时空数据中动态混杂和功能变量的因果推断问题，实验显示其在观测、干预和反事实查询中表现更优。

Comments 16 pages, 2 figures

An Adaptive Grasping Force Tracking Strategy for Nonlinear and Time-Varying Object Behaviors

一种针对非线性和时变物体行为的自适应抓取力跟踪策略

Ziyang Cheng, Xiangyu Tian, Ruomin Sui, Tiemin Li, Yao Jiang

机构 * Tsinghua University（清华大学） ； Department of Mechanical Engineering, Tsinghua University（清华大学机械工程系） 纠错

AI总结 本文提出基于LSTM网络的通用刚度估计器，解决非线性和时变物体抓取力跟踪问题，提升机器人在非结构化环境中的抓取能力。

Journal ref IEEE Transactions on Automation Science and Engineering, vol. 22, pp. 17063-17076, 2025

SHLE: Devices Tracking and Depth Filtering for Stereo-based Height Limit Estimation

SHLE：基于立体视觉的高度限制设备跟踪与深度滤波

Zhaoxin Fan, Kaixing Yang, Min Zhang, Zhenbo Song, Hongyan Liu, Jun He

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； Department of Management Science and Engineering, Tsinghua University（清华大学管理科学与工程系） 纠错

AI总结 本文提出SHLE系统，通过立体视觉实现高度限制设备的检测与深度滤波，有效提升高度限制估计的精度和效率，实验表明其在70米距离下误差低于10厘米。