高校专区
DynamicVGGT: 为自动驾驶中的4D场景重建学习动态点图
机构 * Fudan University（复旦大学） ； Huawei（华为） ； Yinwang Intelligent Technology（依文智能技术） ； Shanghai Innovation Institute（上海创新研究院） ； CUHK（香港中文大学）
AI总结 DynamicVGGT通过联合预测当前和未来点图，结合Motion-aware Temporal Attention模块和动态3D高斯点散射头，实现了自动驾驶中4D动态场景的高精度重建。
并非所有查询都需要深度思考：CoFiCot用于自适应粗到细状态细化
机构 * Xi’an Jiaotong University（西安交通大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Institute of Automation CASIA（中国科学院自动化研究所）
AI总结 CoFiCot通过自适应粗到细框架，利用多指标分类器和状态依赖传播过程，提升大语言模型在不同任务上的推理能力与上下文一致性。
隐私保护的端到端全双工语音对话模型
机构 * Nanyang Technological University（南洋理工大学） ； A*STAR ； Huawei Leibniz Research Center（华为莱比锡研究中心） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出两种流式匿名化方法，通过增强隐私保护在全双工语音对话模型中显著提升安全性，同时保持高效响应速度。
WhispEar: 一种通过伪并行 whisper 生成扩展 whisper 语音转换的双向框架
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, China（数据科学学院，香港中文大学（深圳）） ； Honor Device Co., Ltd, China（荣誉设备有限公司）
AI总结 WhispEar 提出了一种双向框架，通过伪并行 whisper 生成实现 whisper 语音转换的扩展，利用统一语义表示提升转换性能，并发布最大双语语料库。
Comments Submitted to Interspeech 2026
VORL-EXPLORE: 多机器人在动态环境中的混合学习规划方法
机构 * The University of Western Australia（西澳大学） ； The Chinese University of Hong Kong（香港中文大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄大学） ； Nanjing University（南京大学）
AI总结 VORL-EXPLORE通过混合学习和规划方法，解决多机器人在动态环境中探索时的执行保真度问题，提升路径效率与安全交互。
SWE-Fuse: 通过无问题轨迹学习和熵感知RLVR训练增强软件代理
机构 * Ant Group（蚂蚁集团） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 SWE-Fuse通过融合问题描述引导和无问题样本，提升软件代理在解决现实问题中的性能，其熵感知训练模块有效平衡探索与稳定性。
Comments 19 pages
TDM-R1: 通过非可微奖励强化少步扩散模型
机构 * Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； hi-Lab, Xiaohongshu Inc（小红书实验室） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 TDM-R1通过非可微奖励强化少步扩散模型，提升文本到图像生成性能
Holi-Spatial: 将视频流转化为整体3D空间智能
机构 * Shanghai AI Lab（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； Sichuan University（四川大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 Holi-Spatial通过自动化方法构建大规模多模态3D空间数据集，提升空间推理任务的模型性能。
Comments project page: https://visionary-laboratory.github.io/holi-spatial/
通过空间解耦特征学习的实时声带检测框架用于鼻内气管插管
机构 * Hubei Key Laboratory of Modern Manufacturing Quality Engineering, Hubei University of Technology（湖北现代制造质量工程重点实验室，湖北工业大学） ； School of Mechanical Science and Engineering, Huazhong University of Science and Technology（华中科技大学机械科学与工程学院） ； Department of Electronic Engineering, The Chinese University of Hong Kong（香港中文大学电子工程系） ； Key Laboratory of Symbolic Computation and Knowledge Engineering, Ministry of Education（教育部符号计算与知识工程重点实验室） ； National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家实验室）
AI总结 本文提出Mobile GlottisNet，通过空间解耦特征学习实现实时声带检测，适用于嵌入式和边缘设备，提升鼻内气管插管的急救应用效率。
Comments 15 pages, 7 figures
Med-Evo: 医疗多模态大语言模型的测试时自演化
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong, China（计算机科学与工程系，香港中文大学，香港，中国） ； Institute of Medical Intelligence and XR, The Chinese University of Hong Kong, Hong Kong, China（医学智能与XR研究所，香港中文大学，香港，中国）
AI总结 Med-Evo通过无标签强化学习和伪标签技术提升医疗多模态大语言模型性能，实验表明在医疗VQA任务中显著优于现有方法。
对抗动态偏移的双鲁棒跨域离线强化学习
机构 * CityUHK（城市大学 Hong Kong 分校） ； UIUC（伊利诺伊大学香槟分校） ； Tsinghua University（清华大学） ； Yale University（耶鲁大学） ； CUHK(SZ)（香港中文大学（深圳）） ； Tencent（腾讯）
AI总结 本文提出DROCO算法，通过引入鲁棒跨域Bellman算子和动态价值惩罚等技术，提升跨域离线强化学习在动态偏移下的双鲁棒性。
Comments Accepted at ICLR 2026
人形机器人接触规划的视角世界模型
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出了一种结合学习世界模型与MPC的框架，用于提升人形机器人在复杂环境中的接触规划能力，实现更高效和稳健的多任务执行。
适应性批级样本调度用于直接偏好优化
机构 * Beihang University（北京航空航天大学） ； Bytedance China（字节跳动中国） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文提出SamS算法，通过动态调度训练样本提升DPO性能，无需修改核心算法，有效提高LLM对齐效果。
SwingArena: 用于长上下文GitHub问题解决的竞争性编程竞技场
机构 * The University of Hong Kong（香港大学） ； University of California Los Angeles（加州大学洛杉矶分校） ； Tsinghua University（清华大学） ； University of Michigan Ann Arbor（密歇根大学安娜堡分校） ； The Ohio State University（俄亥俄州立大学） ； University of Edinburgh（爱丁堡大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； LMSYS Org（LMSYS组织）
AI总结 SwingArena是一个用于评估LLM在真实CI驱动软件开发环境中性能的竞争性编程竞技场，通过模拟软件迭代过程，结合检索增强型代码生成模块，实现对长上下文问题的高效处理。
Comments The paper has been accepted as an oral presentation at ICLR 2026
迈向多模态工业故障分析：一个包含音频和振动信号的单速链式输送机数据集
机构 * Digital Innovation Research Center, Duke Kunshan University（杜克昆山大学数字创新研究中心） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）人工智能学院） ； School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） ； School of Computer Science, Wuhan University（武汉大学计算机学院）
AI总结 本文提出一个包含音频和振动信号的单速链式输送机数据集，用于多模态工业故障分析，提供标准化评估协议和统一基准以支持通道级分析和多模态融合研究。
Comments Submitted to Interspeech 2026
SSP：通过行为和空间约束的联合优化实现安全的手术策略
机构 * Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室）
AI总结 SSP通过联合优化行为和空间约束，实现安全的手术策略，确保在不确定性下的严格安全性，同时保持高任务成功率。
一种融合先验信息的学习架构用于飞行轨迹预测
机构 * Southern University of Science and Technology（南方科技大学） ； Chinese University of Hong Kong-Shenzhen（香港中文大学（深圳））
AI总结 本文提出一种融合环境先验信息的双Transformer级联架构，用于高效预测飞行物体轨迹，特别是在网球着陆点预测中表现出色。
稳定扩散语言模型的强化学习
机构 * Huawei Foundation Model Department（华为基础模型部门） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 本文提出StableDRL方法，针对扩散语言模型中的强化学习问题，通过无条件裁剪和自我归一化解决比率估计噪声导致的不稳定性，提升训练稳定性。
SmartBench: 评估具有异常设备状态和行为上下文的LLM在智能家居中的表现
机构 * Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Jilin University（吉林大学） ； The Chinese University of Hong Kong（香港中文大学） ； Pengcheng Laboratory（鹏城实验室）
AI总结 SmartBench是首个为LLM设计的智能家居数据集，用于评估LLM在检测异常设备状态和行为上下文中的性能。
生成模型中GRPO的进展：综述
机构 * SJTU（上海交通大学） ； THU（清华大学） ； CUHK（香港大学）
AI总结 本文综述了流GRPO在生成模型中的应用与进展，探讨了方法论改进和跨模态扩展，强调其作为通用对齐框架的重要性及未来挑战。
RACER：面向大型语言模型的风险感知校准高效路由
机构 * Southern University of Science and Technology, China（南方科技大学） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）） ； Shenzhen Loop Area Institute, China（深圳环湖研究院）
AI总结 RACER通过构建嵌套模型集和校准阈值，实现了对大型语言模型路由的风险感知校准，从而提升下游任务的准确性。
位置：视觉处理的评估应以人类为中心，而非以指标为中心
机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； The University of Hong Kong（香港大学） ； INSAIT, Sofia University ``St. Kliment Ohridski''（INSAIT，索菲亚大学『圣克莱孟·奥赫里迪斯』） ； Shenzhen Loop Area Institute（深圳河套学院） ； The Chinese University of Hong Kong（香港中文大学） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Fudan University（复旦大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文主张视觉处理评估应转向以人类为中心的方法，强调情境感知和细致评估，以更准确反映人类感知和用户需求。
DrivingGen：自主驾驶中生成视频世界模型的综合性基准
机构 * University of Toronto（多伦多大学） ； CUHK MMLab（香港中文大学MMLab）
AI总结 DrivingGen提出首个综合性基准，用于评估生成驾驶世界模型的视觉真实性、轨迹合理性、时间一致性和可控性，揭示通用与专用模型间的权衡。
Comments ICLR 2026 Poster; Project Website: https://drivinggen-bench.github.io/
ELHPlan: 为多智能体协作的高效长周期任务规划
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； City University of Hong Kong（香港城市大学） ； South China Normal University（华南师范大学）
AI总结 ELHPlan通过引入意图绑定的动作链，实现多智能体协作中的高效长周期任务规划，提升适应性与效率，实验表明其在任务成功率与令牌消耗方面表现优异。
扩散稳定策略用于自动化手术机器人操作
机构 * UM-SJTU Joint Intuitute（UM-SJTU联合学院） ； Shanghai Jiao Tong University（上海交通大学） ； Department of Computer Science and Engineering（计算机科学与工程系） ； The Chinese University of Hong Kong（香港中文大学） ； Department of Automation（自动化系）
AI总结 本文提出了一种基于扩散的策略学习框架，用于提升手术机器人在不完美或失败轨迹下的操作稳定性与鲁棒性。
Comments ICRA 2026
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