高校专区
盲人摸象：探究长尾分歧知识下大语言模型（LLM）的认知近视问题
机构 * Tsinghua University（清华大学） ； Tencent（腾讯） ； University of Warwick（华威大学）
AI总结 本研究推出ElephantBench探针，发现LLM在长尾分歧知识问答中仅52.4%的问题能同时回忆两种解释，模型规模扩大等方法无法消除认知不完整性，为评估LLM认知严谨性提供了工具。
Comments 10 pages, 10 figurs, 1 table, under review
ContextPilot：通过细粒度强化学习为智能体教授主动上下文管理
机构 * Tsinghua University（清华大学） ； Tencent（腾讯） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 本研究针对现有主动上下文管理方法的局限，提出ContextPilot框架，通过扩充工具集并设计细粒度RL方法，在长程智能体任务中实现更紧凑上下文下的更优性能，优于现有基线。
Comments 10 pages, 6 figures, 5 tables, accepted to EMNLP 2026 (Main Track)
CoCoBench：用于具身多智能体任务规划的协作协调基准
机构 * Nanjing University（南京大学） ； AgiBot ； Tsinghua University（清华大学）
AI总结 研究人员提出CoCoBench这一家庭任务多智能体具身协调基准，评估11种MLLM后发现协调能力具构造特异性，为相关模型设计提供新方向。
超越平面网表：用于时序电路可扩展分析的分层图表示学习
机构 * The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学）
AI总结 针对电路表示学习受工业网表规模与时序动态建模缺陷制约的问题，提出DeepSeq3分层框架，结合双GNN架构与状态中心预训练，在大规模基准上实现BMC求解时间降18%且保证正确性。
VICT：用于长 horizon LLM 智能体强化学习的验证器插装式信用追踪
机构 * Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） ； Jiaxing Nanhu University（嘉兴南湖学院）
AI总结 针对长 horizon LLM 智能体强化学习的细粒度信用分配挑战，提出 VICT 方法，通过验证器侧的证明边追踪分配信用，在 ALFWorld 和 WebShop 上性能显著优于仅结果训练。
Comments accepted by EMNLP2026
面向多任务密集预测的原型记忆任务-状态自适应
机构 * Tsinghua University（清华大学） ； University of California, Merced（加州大学默塞德分校） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出MemMTL多任务密集预测框架，结合原型记忆与稀疏路由，在NYUD-v2等数据集上评估其预测质量、计算成本及各模块贡献。
Comments Preprint
CNeo-Bench：针对中文新词汇的大语言模型诊断基准
机构 * The University of Tokyo（东京大学） ； Xiaohongshu Inc.（小红书公司） ； Tsinghua University（清华大学）
AI总结 本研究构建了含4759个中文新词汇的基准CNeo-Bench，搭配两层评估框架评估18个大语言模型，发现模型在定义生成上表现差，存在识别-操作差距，少样本提示仍无法解决部分难题。
Comments Work in progress
基于多智能体大语言模型的多语言气候-健康文献自动分析框架
机构 * Tsinghua University（清华大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Renmin University of China（中国人民大学） ； Beijing Forestry University（北京林业大学） ； National Institute of Natural Hazards, Ministry of Emergency Management of China（中国应急管理部国家自然灾害防治研究院）
AI总结 针对多语言气候-健康文献分析痛点，提出多智能体大语言模型自动分析框架，经双语语料验证核心信息提取F1值达0.92，可支撑该领域大规模证据挖掘。
实体记忆图检索提升长对话问答中的证据覆盖率
机构 * Tsinghua University（清华大学）
AI总结 该研究提出实体记忆图检索方法，在10个LoCoMo对话的1986个问题上，使top-k=25的证据召回率提升约4.74个百分点，实现检索覆盖增益。
DensityKV：面向长视频生成的密度引导式KV缓存压缩
机构 * Manifold AI（流形人工智能） ； Tsinghua University（清华大学）
AI总结 DensityKV是一种无需训练的历史KV库管理策略，通过密度引导压缩KV缓存，提升长视频生成的时序一致性与稳定性，且存储不随推演长度增长。
Comments 17 pages, 9 figures, 2 tables. Code: this https URL (https://github.com/ZhaoWQQ/DensityKV)
INSPIRE：一种用于示例驱动数学推理的“先内化再改进”方法
机构 * Sun Yat-sen University（中山大学） ； Tsinghua University（清华大学） ； ByteDance Inc.（字节跳动公司） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 该研究针对LLMs数学推理中内化不足的问题，提出INSPIRE方法，结合RGSI与分阶段规则偏好训练，提升了示例驱动数学推理能力且未降低通用推理水平。
Comments EMNLP 2026
在具有挑战性的真实场景中对通用移动助手进行基准测试
机构 * Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR））
AI总结 该研究提出名为GMA的移动助手基准，涵盖七个应用与300个不同难度任务，评估八个前沿模型发现其性能随任务复杂度提升而下降，还证实合适的智能体控制设计可显著提升性能。
LiveVVT：高保真实时视频虚拟试穿
机构 * Tsinghua University（清华大学） ； Zhongguancun Academy（中关村学院） ； South China University of Technology（华南理工大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 LiveVVT是一种滚动式流式扩散框架，通过保留双向建模与互补内存维持一致性，结合渐进式蒸馏优化，实现了比同等规模模型延迟降26倍、吞吐量提11倍的高保真实时视频虚拟试穿。
Comments 16 pages, 13 figures,
结合可验证奖励的在线蒸馏
机构 * LeapLab, Tsinghua University（清华大学LeapLab） ； Beihang University（北京航空航天大学） ； SMS, Peking University（北京大学SMS） ； NLPLab, Tsinghua University（清华大学NLPLab）
AI总结 本研究提出OPDVR方法，无缝结合OPD与RLVR且不增加超参数，经六个推理基准实验验证其性能优于标准OPD。
超越置信度：基于检索 grounding 的多轮搜索智能体测试时缩放
机构 * University of Southern California（南加州大学） ； Pohang University of Science and Technology (POSTECH)（浦项科技大学） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对多轮搜索智能体中基于置信度投票因复制膨胀失效的问题，提出检索接地投票（RGV）方法，在四个基准和五个 LLM 上性能优于基线，准确率最高提升 5.4%
Comments Accepted to EMNLP 2026 Findings
为何GPT风格模型无法直接迁移到符号音乐：错误坐标系中的压缩
机构 * Tsinghua University（清华大学）
AI总结 该研究针对GPT风格模型无法直接迁移到符号音乐的问题，提出有效性-无损性框架，通过构建预测有效且关系无损的坐标系优化标记化，实验验证了相关边界，揭示了跨模态迁移的关键在于标记化接口而非架构。
转向信号来自何处：激活转向中的激活源选择
机构 * Peking University（北京大学） ； Tsinghua University（清华大学） ； Beijing Academy of Artificial Intelligence（北京智源人工智能研究院） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； YiXin-AILab（易信人工智能实验室）
AI总结 研究激活转向中转向信号的来源选择，通过实验表明改变源激活会影响转向成功率，有效转向信号来自执行边界状态，基于此提出尾部减法，揭示转向取决于模型即将做的事而非已出现的内容。
Comments Accepted to Findings of EMNLP 2026
MemoryCard: 面向长视频问答的主题感知多模态线索压缩
机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Digital China Group（数字中国集团）
AI总结 提出MemoryCard框架，通过将长视频分割为主题事件单元并生成事件级摘要和代表性视觉时刻，以记忆卡形式增强VLMs的长视频问答能力，在相同视觉令牌预算下准确率提升高达21.8%。
Comments 23 pages, 8 figures
基准测试LLM作为裁判在长文本输出评估中的应用
机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； University of Science and Technology Beijing（北京科技大学）
AI总结 提出LongJudgeBench基准，系统评估LLM裁判在长文本输出评估中的可靠性，发现当前模型存在显著可靠性差距。
Comments EMNLP 2026 main
Think-at-Hard: 选择性潜在迭代以改进推理语言模型
机构 * Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对循环变压器中潜在过思考问题，提出Think-at-Hard方法，通过轻量级决策器选择性地在困难令牌上触发潜在迭代，并采用深度感知LoRA和双因果注意力机制，在数学、问答和编码任务上一致提升性能。
Comments Accepted by ICML'26
用于训练后神经网络的分层特征级反向传播
机构 * School of Vehicle and Mobility, Tsinghua University, Beijing 100084, China（清华大学车辆与移动系统学院） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University, Beijing 100084, China（清华大学智能绿色车辆与移动系统国家重点实验室） ； School of Mathematics and Statistics, Beijing Institute of Technology, Beijing 100081, China（北京理工大学数学与统计学院）
AI总结 提出FR-PT分层框架，基于CCP和MDP及相关算法处理逆问题，在85种训练后设置中63项优于基准，实现神经网络训练后可控适应与透明度提升。
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