高校专区
RefVideo-6M：一个用于教学视频编辑的可靠基于参考的数据集
机构 * Institute of Artificial Intelligence, China Telecom (TeleAI)（中国电信人工智能研究院（TeleAI）） ； The Chinese University of Hong Kong (CUHK)（香港中文大学） ； Sun Yat-sen University（中山大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学）
AI总结 本文针对现有视频编辑数据集的局限，构建含600万样本的RefVideo-6M参考引导编辑数据集，训练Ref-MoT模型，实验证明其监督更可靠，可提升编辑模型的视觉质量、可控性与参考一致性。
频谱分配：为何Muon优于Adam，以及如何改进Muon
机构 * University of Cambridge（剑桥大学） ； Tsinghua University（清华大学）
AI总结 本文通过频谱分析揭示Muon优于Adam的机制，提出SAMuon及其简化版SAMuon-lite，在多规模modded-nanogpt模型上，二者均优于AdamW和Muon，且SAMuon可减少13.3%-24.0%训练令牌。
Comments 34 pages, 13 figures, 7 tables
VISTA：用于接触丰富操作的视觉推断空间接触注意力机制
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Southern University of Science and Technology（南方科技大学） ； School of Future Technology, Harbin Institute of Technology（哈尔滨工业大学未来技术学院）
AI总结 针对接触丰富操作的视觉反馈不足问题，提出基于VDF的VISTA-Policy，通过整合物理感知编码引擎等模块，在多任务上优于纯视觉与触觉基准，具分布外泛化及抗干扰能力。
基于提前期与分辨率查询的连续区域温度场学习
机构 * Southeast University（东南大学） ； Fudan University（复旦大学） ； Sun Yat-sen University（中山大学） ； Tsinghua University（清华大学）
AI总结 该研究针对现有区域温度预报器输出固定的问题，提出CSTF模型，通过引入提前期、分辨率等查询实现灵活的温度预报，在基准测试中降低了17.0%的偏差，表现出更优性能。
Comments 16 pages, 15 figures
机构 * Tuojing Intelligence（拓境智能） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学）
Comments 17 pages, 4 figures
面向视觉-语言模型的纯化多标签测试时自适应方法
机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； University of Washington（华盛顿大学）
AI总结 针对视觉-语言模型多标签测试时自适应的缓存方法PuRF，通过区域与缓存纯化解决现有方法的偏差与校准问题，在五项数据集上使ViT-B/32的mAP提升4.05%，性能优于现有最优方法。
Comments Accepted by ECCV 2026
AWM：面向长文档VLM智能体的可回答工作记忆
机构 * University of Oslo（奥斯陆大学） ； Bosch Center for AI（博世人工智能中心） ； University of Stuttgart（斯图加特大学） ； 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 针对长文档VQA智能体的记忆质量盲区，提出AWM方法，通过融入仅记忆可回答性的GRPO奖励机制，提升了最终答案准确率并降低记忆缺失正确的比例。
Comments EMNLP 2026 Findings. 16 pages, 4 figures, 9 tables
ConfAL-WM：用于动作条件世界模型的置信度引导主动学习
机构 * Tsinghua University（清华大学）
AI总结 针对动作条件世界模型在新场景下的局部错误问题，提出ConfAL-WM框架，基于EVAC和UNet实现置信度引导的高效数据选择与局部训练增强，在RoboTwin2.0上验证了其提升训练效率与预测质量的效果。
Comments Project page: this https URL (https://ConfAL-WM.github.io)
绘制你所见：多模态智能体的灵巧视觉工具使用基准测试
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； SenseTime Research（商汤科技研究院）
AI总结 本文提出名为EASEL的基准测试，结合44万样本的EASEL-Data数据集与EASEL-9B模型，评估多模态智能体的灵巧视觉工具使用能力，发现现有25个模型在该任务上表现不佳，EASEL-9B相对基础模型提升6.3%。
FAMPWQ：基于费舍尔信息的自适应混合精度权重量化方法，用于高效的大语言模型推理
机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Hithink Research（海思睿研究中心） ； Electronic Engineering, Tsinghua University（清华大学电子工程系）
AI总结 针对LLM部署的资源瓶颈，该研究提出FAMPWQ方法，通过费舍尔信息度量层敏感度结合强化学习分配位宽，在7个模型和5个基准上优于7种基线方法，提升了量化性能。
Comments 21 pages, to appear in EMNLP 2026
基于视觉语言模型的建筑布局多粒度图自动表示方法，用于设计信息学
机构 * Massachusetts Institute of Technology（麻省理工学院） ； 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 本研究提出基于VLM的多粒度图自动构建方法，以147份高校图书馆平面图为案例，验证其生成的图与人工标注图一致性良好，可用于设计信息学相关任务，提升建筑全生命周期设计信息利用率。
VGI-BENCH：探究视频生成模型的视觉智能
机构 * University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） ； University of Waterloo（滑铁卢大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（矢量研究所） ； Microsoft Research（微软研究院） ； Etude AI
AI总结 本研究推出VGI-bench基准，含27项任务810个实例，评估视频生成模型视觉推理能力，发现最强模型Seedance~2.0仅达51.0%，将推动下一代视频生成模型发展。
从酝酿到解析：追踪LLM中代码推理的内部生命周期
机构 * South China University of Technology（华南理工大学） ； Sun Yat-sen University（中山大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Hangzhou Dianzi University（杭州电子科技大学） ； Guangzhou College of Technology and Business（广州工商学院）
AI总结 提出双重诊断框架（逐层线性探针与上下文剥离解码），揭示LLM在代码推理中先酝酿答案后进入四种解析结果（已解析、过度处理、错误解析、未解析）的内部生命周期，发现酝酿支架稳定而解析成功随能力变化。
迈向生物医学研究的世界模型
机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China（网络与交换技术国家重点实验室，北京邮电大学，北京，中国） ； Department of Engineering Science, University of Oxford, Oxford, United Kingdom（英国牛津大学工程科学系，牛津，英国） ； Institute of Medical Artificial Intelligence, South China Hospital, Medical School, Shenzhen University, Shenzhen, Guangdong, China（医学人工智能研究所，南方医院，医学学院，深圳大学，深圳，广东，中国） ； Zhongguancun Academy & Zhongguancun Institute of Artificial Intelligence, Beijing, China（中关村学院及中关村人工智能研究院，北京，中国） ； Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University, 100084, Beijing, China（北京信息科学与技术国家研究中心（BNRist），清华大学，100084，北京，中国） ； Department of Chemical and Nano Engineering, University of California, San Diego, La Jolla, CA, USA（美国加州大学圣地亚哥分校化学与纳米工程系，La Jolla，CA，美国） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Monash Biomedicine Discovery Institute and Department of Biochemistry and Molecular Biology, Monash University, Melbourne, Victoria, Australia（莫纳什大学生物医学发现研究所和生物化学与分子生物学系，墨尔本，维多利亚，澳大利亚） ； David R. Cheriton School of Computer Science, University of Waterloo, Waterloo, Ontario, Canada（加拿大滑铁卢大学戴维·R·切里顿计算机科学学校，滑铁卢，安大略，加拿大） ； Department of ICT and Center for AI Research, University of Agder (UiA), Jon Lilletuns vei 9, Grimstad, Norway（挪威阿格德大学（UiA）信息与通信技术系及人工智能研究中心，Jon Lilletuns vei 9，Grimstad，挪威） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（清华大学电子工程系，北京，中国）
AI总结 提出生物医学世界模型作为AI驱动发现的新范式，通过学习分子、细胞、组织和临床状态的潜在表征及干预条件动态，实现未来轨迹模拟，并探讨其在虚拟细胞、类器官、虚拟患者和手术模拟等应用中的潜力。
OVO-S-Bench：多模态大语言模型中流式空间智能的分层基准
机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Beihang University（北京航空航天大学）
AI总结 提出OVO-S-Bench，一个完全人工标注的流式空间智能基准，包含1680个问题，涵盖四个抽象层次，评估38个MLLM，发现Gemini-3.1-Pro落后人类专家27分，流式空间微调MLLM表现不如其骨干模型。
Comments Accepted to EMNLP 2026 Main Conference. 55 pages, 12 figures, 20 tables. Project page: this https URL (https://internlm.github.io/OVO-S-Bench/)
缓解虚假信用传播：基于概率图奖励聚合的准则强化学习
机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算先进创新中心，人工智能学院，北京航空航天大学） ； Tsinghua University（清华大学）
AI总结 针对准则奖励中因忽略准则间依赖关系导致的虚假信用传播问题，提出概率图框架Graphical Event Aggregation for Rubric rewards (GEAR)，通过建模潜在伯努利事件和软抑制传播实现依赖感知的奖励聚合，在多个基准上提升性能并减少信用泄漏。
低延迟基于事件的对象检测与空间稀疏线性注意力
机构 * Tsinghua University（清华大学） ； University of Zurich（苏黎世大学） ； ShanghaiTech University（上海交通大学）
AI总结 本文提出SSLA，一种空间稀疏线性注意力机制，用于提升基于事件的目标检测效率与精度，实现低延迟性能。
Comments European Conference on Computer Vision (ECCV) 2026
通过无训练KV缓存压缩实现高效的长周期GUI代理
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）
AI总结 ST-Lite通过无训练的KV缓存压缩方法，提升GUI代理的解码效率，实现2.45倍加速并保持性能优势。
Comments Accepted to Findings of EMNLP 2026. Camera-ready version. 37 pages
GRIP：通过几何路由约束实现混合专家的算法无关机器反学习
机构 * School of Computer Science（计算机科学学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Department of Electrical Engineering（电气工程系） ； Tsinghua University（清华大学） ； School of Electrical and Computer Engineering（电气与计算机工程学院）
AI总结 GRIP通过几何路由约束实现混合专家的算法无关机器反学习，有效消除专家选择偏移并保持模型效用。
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