高校专区
MM-IssueLoc：用于评估多模态仓库级问题定位中视觉证据的可控基准
机构 * Tsinghua University（清华大学）
AI总结 研究针对仓库级问题定位多为文本任务，视觉证据作用不明的情况，引入MM-IssueLoc基准和评估协议，含多语言实例与标注等。评估LLM和检索系统，发现现有系统距可靠多模态定位有差距，该基准让视觉证据成评估变量，助于后续研究。
选择性驱动效率：用于视觉场所识别的数据集剪枝
机构 * Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Shenzhen University of Advanced Technology（深圳先进技术研究院）
AI总结 针对视觉场所识别中数据集存储和训练成本高的问题，提出场所级数据集剪枝框架，引入IPD和IPS指标评估场所训练价值，构建核心集，实验证明该方法能在不同剪枝率下降低成本并保持高识别性能。
Comments 14 pages,7 figures,15 tables
SEED：用于智能体强化学习的自进化在线策略蒸馏
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学） ； Tongji University（同济大学）
AI总结 研究针对基于结果的强化学习中间决策指导有限的问题，提出SEED框架。它将在线策略轨迹转化为训练技能并提炼回策略模型，通过微调策略生成技能，重新评分动作转化蒸馏信号，联合优化提升性能与样本效率及泛化能力。
基于病理切片基础模型的多教师蒸馏预训练多实例学习网络
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； University of Washington（华盛顿大学） ； City University of Hong Kong (Dongguan)（香港城市大学（东莞）） ； Medical Optical Technology R&D Center, Research Institute of Tsinghua（清华研究院医学光学技术研发中心） ； Jinfeng Laboratory（金凤实验室）
AI总结 针对计算病理学中多实例学习存在的问题，提出基于蒸馏的预训练框架，利用两个基础模型作为教师，引入角分散归一化蒸馏损失，将蒸馏权重用于下游适应，实验表明该方法在少样本场景中优势明显，能提升计算效率。
GlobalForge：迈向强大的人工智能生成图像检测
机构 * Huazhong University of Science and Technology（华中科技大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Jilin University（吉林大学） ； Tsinghua University（清华大学）
AI总结 研究针对AI生成图像检测器在现实世界通道传播后性能下降问题，提出GlobalForge框架，通过局部信息瓶颈和全局结构推理模块，基于退化对比结构损失联合训练，提升了检测器在多种基准上的性能。
动作QFormer：视觉-语言-动作模型中动作监督下的结构化表示塑造
机构 * Shanghai Qizhi Institute（上海期智研究院） ； The Chinese University of Hong Kong（香港中文大学） ； Hong Kong Embodied AI Lab（香港具身人工智能实验室） ； Tsinghua University（清华大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 研究视觉-语言-动作模型中动作监督问题，提出动作QFormer，通过基于指令的查询重组多模态信息。在零样本模拟到真实导航中提升了任务成功率、动作生成正确性等，还改变动作监督塑造多模态表示的方式，为提高VLA性能提供新思路。
DRIFT：用于运动规划的漂移与聚合
机构 * School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University（清华大学智能网联汽车与交通国家重点实验室）
AI总结 研究针对端到端轨迹规划器问题，提出DRIFT固定深度规划器，结合轨迹潜在空间漂移与提议聚合，基于视觉编码器特征生成提议，经聚合头预测最终轨迹，在导航测试中有良好表现，证明该方法为多假设运动规划提供高效设计。
Comments 8 pages, 3 figures, 4 tables. Under review at IEEE RAL
社会模拟中生成式智能体的步骤级偏好学习
机构 * Shanghai Qi Zhi Institute（上海期智研究院） ； Xiongan AI Institute（雄安人工智能研究院） ； Tsinghua University（清华大学） ； CUHK-Shenzhen（香港中文大学（深圳）） ； USTC（中国科学技术大学） ； Sun Yat-sen University（中山大学）
AI总结 研究基于大语言模型的生成式智能体模拟人类行为时中间步骤注释稀缺问题，引入交互式模拟界面收集步骤级人类偏好监督，经监督微调算法和直接偏好优化方法进行步骤级偏好学习，提升模拟效果，证明步骤级人类监督是有效训练信号。
Comments WAICA2026
用于拓扑优化的轨迹感知流匹配
机构 * School of Mechanical, Medical and Process Engineering, Queensland University of Technology（昆士兰科技大学机械、医学与过程工程学院） ； Institute of Biomechanics and Medical Engineering, AML, Department of Engineering Mechanics, Tsinghua University（清华大学工程力学系生物力学与医学工程研究所） ； School of Civil and Environmental Engineering, Queensland University of Technology（昆士兰科技大学土木与环境工程学院） ； State Key Laboratory of Advanced Environmental Technology, Guangzhou Institute of Geochemistry, Chinese Academy of Sciences（中国科学院广州地球化学研究所环境技术重点实验室）
AI总结 研究针对拓扑优化中成本高、现有模型依赖复杂方法的问题，开发基于流匹配的拓扑优化（FMTO）框架，通过轨迹感知公式将物理引导优化历史纳入生成流学习，经分析和示例验证其能提升性能，适用于二维及三维问题。
RASR：用于度量无人机导航的距离感知尺度恢复
机构 * College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学电子信息工程学院） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Noah Ark Lab, Huawei（华为诺亚方舟实验室） ； College of Automation Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学自动化工程学院） ； College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院） ； College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院）
AI总结 研究在GNSS信号阻断时无人机精确最后一米导航问题，提出RASR方法，将尺度恢复核心与校准模块分离，核心压缩几何成描述符并全局校准，校准模块进行残差校正和对齐，在PairUAV评估中取得较好结果。
Comments 5 pages, 4 figures. Technical report for the UAVM 2026 PairUAV Challenge
MVFusion-GS：基于运动方差引导的时间注意力实现高质量动态高斯泼溅
机构 * Tsinghua University（清华大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 提出MVFusion-GS，通过运动方差引导细化与MotionFormer时间注意力模块增强变形网络，显式建模运动强度与时间一致性，在动态场景重建和无干扰重建任务中达到最先进性能。
超越思维链：重写作为生成式多模态嵌入的通用接口
机构 * WeChat Vision, Tencent Inc.（腾讯微信视觉部） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
AI总结 针对思维链推理在检索中产生冗余和语义歧义的问题，提出重写驱动的多模态嵌入框架RIME，联合优化生成与嵌入，并通过跨模态对齐和精炼强化学习实现高效准确的检索。
Comments Accepted by ACMMM 2026
统一噪声引导用于高效的人类引导VLA适应
机构 * University of Technology Sydney（悉尼技术大学） ； Tsinghua University（清华大学） ； Microsoft Research（微软研究院）
AI总结 本文提出UniSteer框架，结合人类纠正指导与噪声空间RL，通过近似动作到噪声的逆向转换提升VLA在真实世界中的适应效率，实验显示成功率显著提升。
ClawWorm：针对LLM代理生态系统自主传播的攻击
机构 * Peking University（北京大学） ； Sun Yat-sen University（中山大学） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学） ； Singapore Management University（新加坡管理学院）
AI总结 研究提出ClawWorm，首个自主传播的LLM代理框架攻击，通过单条消息实现持久化感染与多跳传播，揭示模型安全姿态差异及防御策略。
CXRAgent：用于胸部X光解读的由主任编排的多阶段推理
机构 * School of Computer Science, Hangzhou Dianzi University（杭州电子科技大学计算机科学学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Department of Colorectal Medical Oncology, Zhejiang Cancer Hospital（浙江省肿瘤医院结直肠医学肿瘤科） ； School of Computer and Control Engineering, University of Chinese Academy of Sciences（中国科学院大学计算机与控制工程学院） ； School of Intelligence Science and Engineering, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）智能科学与工程学院）
AI总结 针对胸部X光解读中模型适应性差等问题，提出CXRAgent，通过中央主任协调多阶段，包括工具调用、诊断规划和协作决策，实验证明该方法性能出色，能提供视觉证据并适应不同临床任务。
Comments 10 pages, 4 figures, 7 Tables
GenTL：用于建筑热动力学的通用迁移学习模型
机构 * Technical University of Applied Sciences Rosenheim（应用技术大学罗斯海姆） ； Technical University of Munich（慕尼黑技术大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Institute for Clarity in Documentation（文档清晰研究所） ； Inria Paris-Rocquencourt（巴黎-罗克琴堡研究所） ； Rajiv Gandhi University（拉贾·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒尔研究实验室）
AI总结 研究针对建筑热动力学建模中迁移学习性能不一致问题，提出通用迁移学习模型GenTL，它基于LSTM网络用多建筑数据预训练，可有效微调至多种目标建筑，经测试相比单源模型平均预测误差降低42.1%，证明了该方法的有效性和可靠性。
Comments This is the author's version of the work. It is posted here for your personal use. Not for redistribution. The definitive Version of Record will be published in the ACM library in Jun 2025
Journal ref ACM E-Energy '25: Proceedings of the 16th ACM International Conference on Future and Sustainable Energy Systems (2025)
AgenticData：一种用于异构数据的智能数据分析系统
机构 * Department of Computer Science, Tsinghua University（清华大学计算机科学系）
AI总结 针对现有非结构化数据分析系统依赖专家且成本高、耗时久的问题，AgenticData通过反馈驱动规划技术及多智能体协作策略，将自然语言查询转换为语义计划并优化执行，经测试在多个基准测试中准确率超现有方法。
弥合牛顿-拉夫逊方法与正则化策略迭代之间的差距
机构 * Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院） ； Department of Mechanical Engineering, Tsinghua University（机械工程系，清华大学） ； College of Artificial Intelligence and the School of Vehicle and Mobility, Tsinghua University（人工智能学院和车辆与移动系统学院，清华大学）
AI总结 研究正则化策略迭代（RPI）的理论基础，证明其与牛顿-拉夫逊方法等价，实现统一收敛分析，得出RPI局部二次收敛性等结论，还研究了不精确策略评估下的RPI并提出新算法，推进了强化学习正则化理论理解与算法设计。
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