高校专区
基于预训练模型和边缘损失的口语语言识别
机构 * Xinjiang University（新疆大学） ； Tsinghua University（清华大学） ； AGIBOT
AI总结 针对2026年TidyLang挑战赛中的说话者控制口语语言识别任务，提出基于预训练模型和边缘损失的方法，采用预训练ECAPA - TDNN并结合边缘损失提升语言表征判别力，实验验证有效。
Comments Technical report for the TidyLang 2026 Challenge. Accepted at Odyssey 2026
Journal ref Odyssey 2026
Shao：将声学令牌语言模型扩展至高保真音乐生成
机构 * Central Conservatory of Music（中央音乐学院） ； Tsinghua University（清华大学）
AI总结 该研究提出单一声学令牌层级内渐进建模音乐结构与保真度的框架，通过双阶段生成与混合注意力训练，无需异构空间即可实现高质量音乐生成。
面向表格基础模型的基于数据蒸馏的上下文约束迁移学习
机构 * Renmin University of China（中国人民大学） ； Tsinghua University（清华大学）
AI总结 针对表格基础模型迁移学习中的上下文尺寸限制与分布偏移问题，提出TL-ANDI蒸馏框架，通过最优传输构建紧凑源上下文，结合局部标签蒸馏与残差校准缓解负迁移。
基于深度学习的烟迹记录中爆轰胞格尺寸分布表征方法
机构 * School of Aerospace Engineering, Tsinghua University（清华大学航天航空学院） ； Mechanical Engineering Department, Federal University of Rio Grande do Sul (UFRGS)（里约格兰德-do-.sul联邦大学机械工程系） ； Physical Science and Engineering Division, Mechanical Engineering Program, King Abdullah University of Science and Technology (KAUST)（卡爾邦大學科學與技術研究院机械工程项目） ； Institute for Aero Engine, Tsinghua University（清华大学航空发动机研究院）
AI总结 针对传统爆轰胞格测量耗时主观、现有计算机视觉方法泛化性差的问题，提出基于Mask R-CNN的深度学习方法，实现爆轰胞格自动识别与特征提取，精度高、鲁棒性强。
CompactionRL：面向长视界智能体的带上下文压缩强化学习
机构 * Tsinghua University（清华大学）
AI总结 针对长视界大语言模型智能体受上下文窗口限制的问题，提出结合上下文压缩的强化学习方法，联合优化任务执行与摘要生成，在智能体编码任务上取得显著性能提升。
Cortex：一种用于长视距操作的双向对齐具身智能体框架
机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； USTC（中国科学技术大学）
AI总结 针对现有VLA模型长视距任务短板及分层方法语义-运动鸿沟问题，提出双向对齐框架Cortex，标准化技能原语、优化数据与采样策略，提升长视距操作性能与零样本泛化能力。
Comments Project website: https://steinate.github.io/cortex.github.io/
用于视频字幕强化学习的声明级评分标准奖励（CuRe）
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； University of Chinese Academy of Sciences（中国科学院大学） ； LLM Department, Tencent（腾讯大语言模型部）
AI总结 针对密集视频字幕强化学习的奖励设计瓶颈，提出声明级评分标准奖励框架，将奖励建模重构为细粒度声明级验证，规避传统奖励方案的固有缺陷。
ProCon：用于无训练异常检测的投影一致性内存
机构 * Tsinghua University Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Ratel Soft ； Affiliated Fifth Hospital, Wenzhou Medical University（温州医科大学附属第五医院） ； Chinese Medicine Guangdong Laboratory（广东中医药大学实验室）
AI总结 研究无训练异常检测，提出ProCon框架，将内存检索转变为无解码器重建，通过软投影、构建种子扰动分层内存等稳定投影残差，在多数据集单类别评估中性能优异。
PAGE：迈向实用的人类水平注视目标估计
机构 * Tsinghua University（清华大学） ； Jinan University（暨南大学）
AI总结 提出PaGE模型明确建模场景与头部特征交互，以大ViT-H+骨干模型为教师，在更大更多样未标注数据集上蒸馏轻量级学生模型，提升注视估计性能，缩小人机差距且便于实际部署。
Comments Project page: https://PaGE-26.github.io
HUGS：通过学习人类先验知识指导跨模式和尺度的统一灵巧抓取合成
机构 * Tsinghua University（清华大学）
AI总结 研究跨尺度物体的灵巧抓取问题，提出HUGS框架，通过学习物体条件下的人类先验知识指导优化，平衡成功率和多样性，提升了接触模式覆盖与合成成功率，合成大量机器人抓取数据。
Comments The first two authors contributed equally. Project website: https://hugs-dex.github.io/
EVAS：通过视听协同和引导边界校准实现高效多模态时间伪造定位
机构 * Soochow University（苏州大学） ； Tsinghua University（清华大学）
AI总结 针对人工智能生成内容带来的多模态取证挑战，提出EVAS框架，利用多阶段视听协同机制和边界感知细化策略，结合解耦训练范式与轻量级网络，有效定位长视频中稀疏分布的伪造片段。
如何构建数字人？从先验知识到逼真的虚拟形象
机构 * Meta ； Technical University of Munich（慕尼黑技术大学） ； Google（谷歌） ； Tsinghua University（清华大学） ； Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所） ； NVIDIA ； Technical University of Darmstadt（达姆施塔特技术大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 概述可控3D人类虚拟形象创建，聚焦先验学习和形象创建阶段，定义现有虚拟形象表示并分类，回顾全身和头部虚拟形象等方法，概述原则、推荐文献并讨论挑战与方向。
Comments Eurographics 2026 State-of-the-Art Report (STAR). Project page: https://wojciechzielonka.com/how-to-build-digital-humans/
用于自动驾驶的智能体驱动长尾模拟
机构 * IIIS, Tsinghua University（清华大学交叉信息研究院） ； Bosch Research（博世研究院）
AI总结 针对现有自动驾驶模拟器局限性，提出智能体驱动模拟框架，通过结构化动作接口由大语言模型控制道路参与者，还引入SemanticPlan基准测试，结果表明长尾场景仍具挑战性。
HALO-WA：用于世界-动作模型的混合注意力潜在引导在线强化学习
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； GigaAI（字节跳动公司（推测，根据常见语境）） ； Tsinghua University（清华大学）
AI总结 针对世界-动作模型在现实精度任务中易受多种误差影响的问题，提出HALO-WA框架，利用潜在特征和动作先验，通过混合注意力结构实现快速在线适应，提升动作块精度，实验验证效果显著。
SeeMe：通过有效的视觉令牌工程减轻大型视觉语言模型中的幻觉
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理国家重点实验室） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； De Artificial Intelligence Lab（德人工智能实验室）
AI总结 研究大型视觉语言模型易产生幻觉问题，提出无训练框架SeeMe，引入传统机器学习特征工程概念，经三阶段令牌工程重组视觉令牌抑制幻觉源，实验证明其能减轻幻觉并提高输出一致性。
Comments 12 pages, 4 figures, 6 tables
ACE：通过零样本工作流推理实现具身操纵的智能体控制
机构 * Department of Computer Science, Tsinghua University（清华大学计算机科学系） ； National College for Excellent Engineers, Beihang University（北京航空航天大学卓越工程师学院） ； Wuxi Dexteroushands Robotic Technology Co.（无锡灵犀机器人技术有限公司）
AI总结 研究开放式桌面操作，提出ACE零样本工作流推理框架，结合智能体工作流推理与视觉基础接口、可重复使用的拾取和放置原语等技能，经掩码介导视觉动作接口连接语义推理与物理控制，能在线适应多种情况，在复杂任务中表现出色。
Comments Preprint
Worldscape-MoE：用于可扩展异构动作控制的统一专家混合世界模型
机构 * Tsinghua University（清华大学） ； Manifold AI
AI总结 研究视频生成世界模型控制接口碎片化瓶颈，提出基于扩散变换器的专家混合世界模型Worldscape-MoE，通过模态感知控制注入等实现异构动作控制，实验验证其有效性和扩展性。
Comments 36 pages
ContiStain：用于连续多域虚拟免疫组化染色的跨域关系保留蒸馏
机构 * School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院） ； School of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
AI总结 针对临床中随时间顺序获取新生物标志物数据致性能下降问题，提出ContiStain框架，用混合专家特征提取器构建特征空间，提出关系保留蒸馏策略，提升多域虚拟染色稳定性。
Comments Accepted at MICCAI 2026
NeSy-CSA：一种用于开放式关键场景归因的神经符号框架
机构 * School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 研究如何理解场景测试中关键场景的成因，提出神经符号框架NeSy-CSA，通过选择相关因素缩小归因空间，经证据图使推理可追溯，结合符号与神经推理，提升关键场景归因有效性。
重新思考视觉Transformer的深度剪枝：一种异构感知视角
机构 * Tsinghua University, Beijing, China（清华大学，北京）
AI总结 研究指出现有深度剪枝方法因忽视层间异构性而失败，提出异构感知深度剪枝方法HetDPT，避免维度不匹配，实验验证其有效性，与宽度剪枝结合创极端剪枝新纪录。
基于视点方向划分和场景补全的城市级三维表面重建
机构 * School of Software, Tsinghua University（清华大学软件学院） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系）
AI总结 针对多视图三维表面重建难题，提出基于视点方向的场景划分方法，确保相似方向视图共同参与以精确估计深度，并行计算更均衡，还提出检测修复点云缺失区域策略，提升大规模场景重建质量。
Comments Accepted by ECCV 2026
通过具有法线先验的高置信度深度传播，使用高斯点云进行稀疏视图曲面重建
机构 * School of Software, Tsinghua University（清华大学软件学院） ； China Telecom（中国电信） ； Department of Computer Science, Wayne State University（韦恩州立大学计算机科学系）
AI总结 研究稀疏视图的3D重建难题，提出基于3D高斯点云的方法，用法线引导深度传播扩展深度信息，引入异常深度边缘感知正则化处理深度不连续，实验表明该方法优于现有技术。
Comments Accepted by ECCV 2026
将交错多模态推理作为统一决策过程进行衔接
机构 * Nanjing University（南京大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Washington（华盛顿大学） ； The Chinese University of Hong Kong（香港中文大学） ； Australian National University（澳大利亚国立大学）
AI总结 研究统一多模态模型中强化学习优化多轮生成的问题，提出BRAID框架，将文本-图像-文本推理视为统一马尔可夫决策过程，通过单一强化学习目标联合优化文本和视觉生成，实验表明该框架性能优于基线。
Comments 22 pages, 8 figures
IPDiff：基于信息重构和多先验引导的扩散驱动光学遥感图像显著目标检测
机构 * School of Communication and Information Engineering, Shanghai University（上海大学通信与信息工程学院） ； Department of Medical Equipment, the First Affiliated Hospital of Zhengzhou University（郑州大学第一附属医院医学装备部） ； School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） ； School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院） ； Shenzhen Key Laboratory of Ubiquitous Data Enabling, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院深圳泛在数据赋能重点实验室）
AI总结 提出IPDiff，一种基于独特动态优化策略的扩散驱动光学遥感图像显著目标检测方法，通过提取多先验信息，在去噪网络中迭代去噪生成显著图，并经混合损失函数监督训练，性能优于46种先进方法。
Comments 22 pages, 8 figures, accepted by IJCV 2026
当几何对齐时：UNet、ViT和DiT架构中的二面体隐藏状态变换
机构 * University of Montreal（蒙特利尔大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； Tsinghua University（清华大学）
AI总结 研究通过将二面体群基于反射的元素应用于中间隐藏状态作为受控内部干预，对比几何一致和不一致变体，分析特征稳定性和几何漂移，发现一致变换可提高稳定性，为稳定隐藏状态干预确立关键原则。
Comments Accepted at the Conference on Lifelong Learning Agents (CoLLAs), 2026
用于少步生成建模的感知流匹配
机构 * Joy Future Academy（京东探索研究院） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； USTC（中国科学技术大学）
AI总结 提出感知流匹配框架，在感知特征空间监督流匹配，改进少步生成能力，减少采样步骤，无需教师模型和辅助分数网络，实验表明其能产生高质量结果。
SPORK：自我推测性分叉以加速智能体大语言模型推理
机构 * Tsinghua University（清华大学） ； Meituan（美团）
AI总结 研究LLM智能体推理中串行循环耗时问题，提出SPORK方法，利用模型自身预测提前调度推测工具调用，通过成本模型等组件优化，大幅提升推理效率且不影响任务准确性。
Comments 16 pages, 15 figures. Code: https://github.com/baihuajun24/spork
超越欧几里得范式的统计有意义几何（SMG）及其在生成式人工智能中的应用
机构 * Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； AMSS Center for Forecasting Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院预测科学研究中心） ； Beijing Institute of Mathematical Sciences and Applications (BIMSA)（北京国际数学研究中心） ； Department of Statistics, London School of Economics and Political Science（伦敦政治经济学院统计系） ； Department of Statistics and Data Science, Tsinghua University（清华大学统计与数据科学系） ； Paula and Gregory Chow Institute for the Studies in Economics, Xiamen University（厦门大学经济研究所（保拉和格雷戈里·周研究所）） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学丘成桐数学科学中心）
AI总结 研究大规模过参数化模型问题，引入SMG框架，将确定性参数模型提升到无限维非参数Orlicz统计流形，建立双重推理范式，证明可抑制生成幻觉并消除灾难性遗忘。
具身算子与基准测试：迈向可复用和可部署的具身智能系统
机构 * JDT ； Tsinghua University（清华大学） ； Tianjin University（天津大学） ； Beihang University（北京航空航天大学）
AI总结 研究具身智能系统中可复用功能模块即具身算子，明确其定义边界、构建分类法，提出多维度基准框架，探讨加速及挑战，为具身智能系统提供基础。
OpenGlass：用于本地MLLM驱动的实时视觉辅助的传感-计算分离架构
机构 * Shanghai Qizhi Institute（上海期智研究院） ； College of AI, Tsinghua University（清华大学人工智能学院）
AI总结 针对视障和低视力用户，OpenGlass以传感-计算分离解决云MLLM辅助需上传数据、有网络延迟，以及可穿戴眼镜计算和电量受限问题，在本地设备实现低延迟多模态视觉辅助，并给出评估结果。
Comments Accepted to ACL 2026 System Demonstrations. 11 pages, 5 figures, 8 tables
Journal ref Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 3: System Demonstrations), pages 829-839, 2026
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