Tsinghua University
PulseAugur coverage of Tsinghua University — every cluster mentioning Tsinghua University across labs, papers, and developer communities, ranked by signal.
- authored CVPR 2026 90%
- founded by Guangxiang Technology 90%
- instance of GLM-5.2 70%
- instance of The Chinese University of Hong Kong 70%
- competes with Zhejiang University 70%
- affiliated with Guangxiang Technology 70%
- authored by Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition 70%
- affiliated with ICRA 2026 60%
- affiliated with CVPR 2026 50%
- competes with Peking University 50%
- competes with University of Science and Technology of China 50%
- affiliated with University of Science and Technology of China 50%
- 2026-05-22 research_milestone Tsinghua University awarded German Gref a distinguished visiting professor title. 来源
- 2026-05-21 partnership Tsinghua University and Dreame Robot Vacuum signed an agreement to establish a joint university-level graduate social practice base. 来源
- 2026-05-19 research_milestone A study from Tsinghua University suggests Chinese may have an advantage over English for commanding AI in engineering tasks. 来源
- 2026-05-17 research_milestone Tsinghua University researchers simulated the mechanism of 'false vacuum decay' using a quantum simulator. 来源
21 天有情绪数据
-
DeepCtrls 为能源基础设施中的物理 AI 获得数亿元融资
DeepCtrls 是一家专注于能源基础设施物理 AI 的公司，已完成数亿元人民币的 B 轮融资。本轮融资由国投创业和招银国际领投，阳光电源战略投资，将用于加速其核心 AI 算法的研发和标准化产品“DeepBot”的推广。DeepCtrls 旨在通过融合物理原理与 AI 来解决工业 AI 中的“黑箱”问题，实现能源系统中可解释、可控的自主决策。
-
中国学生高考成功引发直播主助学金援助
中国河南省一名来自低收入家庭的学霸在全国高考中取得了优异成绩。她以750分中的699分的高分，获得了清华大学和北京大学等名校的录取通知。这位学生的成功引起了广泛关注，许多直播主主动提出资助她的学业，但她已婉拒了这些提议。
-
腾讯混元3发布，拥有2950亿参数，搜索能力媲美GPT-5.5
腾讯正式发布了混元3（Hy3），这是一款采用混合专家（MoE）架构、拥有2950亿总参数的AI模型。该模型拥有256K的上下文窗口，并声称在搜索能力上媲美GPT-5.5，同时与前代版本相比幻觉率降低了一半。腾讯将这些改进归因于增强的训练后数据质量和扩大的强化学习计算规模，并指出姚舜宇教授的加入是一个重要因素。
-
ICML 2026：创纪录的投稿量、LLM 审稿滥用以及清华团队荣获顶级论文奖 · 追踪 2 个来源
第 43 届国际机器学习大会 (ICML 2026) 在首尔举行，收到了创纪录的 23,918 篇论文投稿。会议还讨论了大型语言模型 (LLM) 在同行评审中的滥用问题，导致 497 篇论文被拒，506 名审稿人被取消资格。在获奖者中，清华大学团队凭借其在扩散语言模型“灵活性陷阱”方面的研究荣获杰出论文奖，并提出了一种名为 JustGRPO 的新训练方法。
-
秘鲁寻求将对华贸易多元化，超越原材料
秘鲁寻求通过吸引基础设施和多元化投资来深化与中国的经济联系，摆脱目前对原材料出口的依赖。大使 Carlos Vasquez 强调，秘鲁出口到中国的产品中超过90%是铜、铁和鱼粉等大宗商品，他认为这种情况长期来看是不可持续的。虽然这些原材料目前使秘鲁经济受益，但该国寻求与中国建立更稳定、更多元化的经济关系。
-
阿里巴巴-清华大学关于dLLM推理的论文荣获ICML杰出论文奖
阿里巴巴与清华大学合作的论文《The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models》（灵活性陷阱：重新思考扩散语言模型中任意顺序的价值）荣获2026年ICML杰出论文奖。该研究挑战了扩散大型语言模型（dLLMs）受益于任意token生成顺序的普遍观点。研究表明，这种灵活性会导致“熵退化”，从而阻碍推理能力，尤…
-
清华校友为汽车AI融资数亿元
由清华大学车辆学院校友创立的光响科技已获得数亿元天使轮融资。该公司正在开发一种专为汽车制造领域设计的、原生物理的具身智能模型。这笔资金将支持其在汽车行业内AI技术的进步。
-
DeepSeek通过引进人才为V4发布做准备
DeepSeek正准备在七月中旬发布其模型的V4正式版本。该公司还宣布，清华大学特奖获得者顾雨贤博士已加入其团队。预计顾雨贤的专业知识将为新模型的开发和发布做出贡献。
-
具身智能初创公司光响科技完成融资，专注于物理交互模型
由清华大学校友创立的初创公司光响科技，已为其具身人工智能解决方案获得了数亿元人民币的天使轮融资。该公司专注于开发一种通过与物理世界互动来学习的“物理原生基础模型”，这使其区别于基于模仿的方法。他们的首款产品 Phi-Bot X1 机器人已在汽车生产线上成功进行了实际验证，展示了在焊接和质量检查等任务中的能力。
-
美中两国在双边关系中难以界定“战略稳定”
尽管中国和美国同意“战略稳定”的目标，但两国在定义其未来关系方面面临挑战。北京的一个论坛显示，虽然两国都以实现战略稳定为目标，但对其实质含义的理解存在分歧。北京方面侧重于合作方面，而华盛顿则侧重于管理分歧和建立军事沟通渠道，以防止在南海和台湾海峡等敏感地区发生冲突升级。
-
诺贝尔奖得主Omar Yaghi加盟中国清华大学领导人工智能材料研究
诺贝尔奖得主Omar Yaghi已从美国移居中国，领导清华大学新的人工智能驱动研究中心。他的团队将专注于利用人工智能加速新材料的发现和合成，以应对碳中和、水资源短缺等全球性挑战。Yaghi还打算在该领域培训年轻科学家，即人工智能驱动的化学。
-
中等强国被建议在美国-中国竞争中分散风险
北京一论坛的发言者建议，中等强国应避免在美国和中国之间的竞争中选边站。他们推荐的策略是“分散风险”，通过多元化伙伴关系来维持外交自主权并保护国家利益。东南亚国家联盟被引为例证，成功地平衡了与北京和华盛顿的关系，以获取经济和投资利益。
-
MACT框架使用专业智能体以改进视觉文档理解
研究人员推出MACT，一个旨在改进视觉文档理解的新型多智能体框架。与尝试单次前向传播的传统大型视觉语言模型不同，MACT将复杂任务分解为四个专业智能体：规划、执行和判断。这一程序性扩展方法，在CVPR 2026论文中有所详述，认为将过程分解可以使小型模型在基于文档的任务上优于大型整体模型。该框架解决了文档分析中固有的程序推理、认知过载和事实错误脆弱性等挑战。
-
清华大学利用免费网络数据训练GUI代理，大幅降低成本
清华大学的研究人员开发了GUICrafter，这是一种能够控制计算机界面的AI代理。该代理通过利用免费的网络截图和元任务，实现了与领先模型相媲美的性能，显著降低了对昂贵标注数据的需求。据报道，其训练方法仅使用了传统方法相关数据成本的0.1%，使其成为GUI代理开发的一种高效解决方案。
-
航模科技为智能变刚度关节融资近亿元
源自北京航空航天大学机器人研究所的初创公司航模科技已获得近1亿元人民币的天使轮融资。该公司专注于智能变刚度关节和消费级智能外骨骼，其核心技术源于一项关键研究项目。本轮融资将用于产品开发和市场拓展，旨在抓住机器人零部件和先进可穿戴技术日益增长的市场机遇。
-
清华系光芯片公司灵动新光获融资，用于AI互连技术
灵动新光是一家由清华大学教授创立的光电子企业，已在最新一轮融资中获得数千万元人民币。该公司专注于开发芯片到芯片光互连的核心技术，旨在克服AI算力瓶颈。其关键创新包括多波长密集波分复用（DWDM）光源和光I/O小芯片，这对于AI集群和其他先进行业的高带宽数据传输至关重要。
-
U-Mind框架支持单一模型实现实时文本、语音和动作生成
研究人员开发了U-Mind，一个专为实时多模态交互设计的新型统一框架。该框架旨在使单一自回归模型能够同时处理和生成文本、语音和动作，并整合推理能力。U-Mind通过采用两阶段训练方法和以文本为中心的解码策略，解决了在整合语音和动作生成时保持高级推理的挑战。
-
IndexCache 削减 LLM 计算量，通过跨层重用 token 选择
研究人员开发了 IndexCache，一种通过减少大型语言模型中冗余计算来优化 DeepSeek Sparse Attention (DSA) 的方法。核心思想是模型中的相邻层通常选择相同的关键 token，使得每一层的索引器工作在很大程度上是冗余的。IndexCache 指定某些层为“完整”（F）层来计算和缓存 token 选择，而“共享”（S）层则重用这些缓存的选择，在不改变模型架构的情况下显著减少了计算量。
-
中国的GLM-5.2通过开放权重发布挑战西方AI领导者 · 已追踪2个来源
中国公司智谱AI发布了GLM-5.2，这是一个开放权重模型，据报道正在挑战OpenAI的GPT-4o和Anthropic的Claude 3.5 Sonnet等顶级AI模型。该模型在包括编码和语言理解在内的各种基准测试中表现强劲，在某些情况下甚至优于其西方竞争对手。GLM-5.2的开放权重特性允许全球研究人员和开发人员访问和构建其核心，从而可能加速主要科技公司以外的创新。
-
清华大学UDS框架将大语言模型微调算力成本减半
清华大学的研究人员开发了一个名为UDS的新型在线样本选择框架，该框架已在ICML 2026上发表。该方法通过智能过滤冗余或低质量的训练数据，显著减少了大型语言模型监督微调所需的计算资源。通过分析模型的正向传播logits，UDS评估样本的重要性和多样性，在不影响模型准确性的前提下，计算能力最高可降低50%。这项创新有望降低定制模型微调的门槛，尤其对小型人工智能公司和专业应用而言。