University of Science and Technology of China（中国科学技术大学）

FastStair: Learning to Run Up Stairs with Humanoid Robots

FastStair: 人类机器人跑步上楼梯的学习

Yan Liu, Tao Yu, Haolin Song, Hongbo Zhu, Nianzong Hu, Yuzhi Hao, Xiuyong Yao, Xizhe Zang, Hua Chen, Jie Zhao

机构 * School of Mechanics Engineering, Harbin Institute of Technology (HIT), Harbin Heilongjiang 150001, China（哈尔滨工业大学机械工程学院） ； LimX Dynamics, Shenzhen, China（LimX Dynamics） ； Zhejiang University-University of Illinois Urbana-Champaign Institute (ZJUI), Haining, China（浙江大学-伊利诺伊大学厄巴纳-香槟分校联合研究所） ； Department of Electronic Engineering and Information Science (EEIS), University of Science and Technology of China, Hefei 230027, China（中国科学技术大学电子工程与信息科学系） ； Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科技大学） ； Department of Mechanical Engineering, National University of Singapore, Singapore 117575（新加坡国立大学机械工程系） 纠错

AI总结 FastStair通过结合基于模型的规划器和强化学习，实现仿人机器人快速稳定的楼梯上升，展示了在高速和长楼梯上的卓越性能。

We Need a More Robust Classifier: Dual Causal Learning Empowers Domain-Incremental Time Series Classification

我们需要一个更稳健的分类器：双因果学习赋能领域增量时间序列分类

Zhipeng Liu, Peibo Duan, Xuan Tang, Haodong Jing, Mingyang Geng, Yongsheng Huang, Jialu Xu, Bin Zhang, Binwu Wang

机构 * School of Software, Northeastern University（东北大学软件学院） ； Institute of Artificial Intelligence and Robotics, Xi'an Jiaotong University（西安交通大学人工智能与机器人研究所） ； College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； School of Software, University of Science and Technology of China（中国科学技术大学软件学院） 纠错

AI总结 本文提出双因果学习框架DualCD，通过解耦因果特征与虚假特征，提升领域增量时间序列分类的鲁棒性。

Comments This paper has been accepted for publication at ACM WWW 2026

PlotCraft: Pushing the Limits of LLMs for Complex and Interactive Data Visualization

PlotCraft: 推动大语言模型在复杂和交互式数据可视化中的极限

Jiajun Zhang, Jianke Zhang, Zeyu Cui, Jiaxi Yang, Lei Zhang, Binyuan Hui, Qiang Liu, Zilei Wang, Liang Wang, Junyang Lin

机构 * USTC（University of Science and Technology of China） ； THU（Tsinghua University） ； Alibaba Group（阿里巴巴集团） ； CASIA（Chinese Academy of Sciences Institute of Automation） ； SIAT（State Key Laboratory of Information Security） 纠错

AI总结 PlotCraft 提出了一种新的基准和数据集，用于评估大语言模型在复杂和交互式数据可视化任务中的性能，展示了 PlotCraftor 在复杂任务中的显著改进。

MathDoc: Benchmarking Structured Extraction and Active Refusal on Noisy Mathematics Exam Papers

MathDoc: 评估噪声数学试卷上的结构化提取和主动拒绝基准

Chenyue Zhou, Jiayi Tuo, Shitong Qin, Wei Dai, Mingxuan Wang, Ziwei Zhao, Duoyang Li, Shiyang Su, Yanxi Lu, Yanbiao Ma

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Gaotu Techedu Inc.（高途科技公司） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大模型与智能治理研究重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（下一代智能搜索与推荐工程研究中心，教育部） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 MathDoc是首个针对噪声数学试卷的结构化提取和主动拒绝评估基准，揭示了当前MLLMs在处理退化文档时的可靠性缺陷。

Debiased Orthogonal Boundary-Driven Efficient Noise Mitigation

去偏正交边界驱动的高效噪声抑制

Hao Li, Jiayang Gu, Jingkuan Song, An Zhang, Lianli Gao

机构 * Washington University in St. Louis（圣路易斯华盛顿大学） ； University of Warwick（沃里克大学） ； Tongji University（同济大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

AI总结 本文提出OSA方法，通过正交边界驱动高效抑制噪声标签，提升模型训练鲁棒性和任务迁移性，减少计算开销。

Comments 20 pages, 4 figures, 11 Tables