UniGRPO: Unified Policy Optimization for Reasoning-Driven Visual Generation
UniGRPO：用于推理驱动视觉生成的统一策略优化
机构 * The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出UniGRPO框架，通过统一强化学习方法优化文本和图像生成策略，解决多轮交错生成问题，提升生成质量与可扩展性。
高校专区
The Chinese University of Hong Kong（香港中文大学）
SortedRL: Accelerating RL Training for LLMs through Online Length-Aware Scheduling
SortedRL: 通过在线长度感知调度加速大语言模型的强化学习训练
机构 * National University of Singapore（新加坡国立大学） ； Microsoft Research Asia（微软亚洲研究院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 SortedRL通过在线长度感知调度策略提升大语言模型强化学习训练效率，减少训练气泡比例并提升性能，实验表明在不同任务中表现优于基线。
Harnessing Lightweight Transformer with Contextual Synergic Enhancement for Efficient 3D Medical Image Segmentation
利用轻量级Transformer与上下文协同增强进行高效的3D医学图像分割
机构 * Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong SAR（电子工程系，香港中文大学（深圳）Hong Kong SAR） ； Centre for Artificial Intelligence and Robotics (CAIR), Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences, Hong Kong SAR（人工智能与机器人中心（CAIR），香港科学与创新研究院，中国科学院，Hong Kong SAR）
AI总结 本文提出Light-UNETR，通过轻量级维度缩减注意力模块和紧凑门控线性单元提升模型效率，结合上下文协同增强策略提高数据效率，在少量标注数据下实现高效3D医学图像分割。
Comments Accepted to IEEE TPAMI
Off-Policy Value-Based Reinforcement Learning for Large Language Models
为大语言模型设计的非策略价值基于强化学习
机构 * National Key Laboratory for Novel Software Technology & School of Artificial Intelligence, Nanjing University（新型软件技术国家重点实验室 & 智能科学与技术学院，南京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Research Institute of Big Data（大数据研究院（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本文提出ReVal方法，通过结合步级信号和轨迹级信号提升大语言模型的训练效率，实验表明其在数学推理任务中优于GRPO。
EVA: Aligning Video World Models with Executable Robot Actions via Inverse Dynamics Rewards
EVA：通过逆动力学奖励对齐视频世界模型与可执行机器人动作
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； DexForce Technology Co., Ltd.（DexForce技术有限公司）
AI总结 本文提出EVA框架，通过逆动力学奖励对齐视频世界模型与可执行动作，减少生成动作中的体感约束违规，提升下游任务执行成功率。
Comments Project page: https://eva-project-page.github.io/
Towards a general-purpose foundation model for fMRI analysis
面向fMRI分析的通用基础模型
机构 * The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； Yonsei University, Seoul, South Korea（延世大学） ； University of Georgia, Athens, GA（佐治亚大学） ； Peking University Health Science Center, Beijing, China（北京大学医学部） ； University of Sydney, Sydney, Australia（悉尼大学） ； Yale School of Medicine, New Haven, CT（耶鲁医学院） ； Emory University, Atlanta, GA（埃默里大学） ； Lehigh University, Bethlehem, PA（莱斯利大学） ； Boston Children’s Hospital, Boston, MA（波士顿儿童医院） ； Massachusetts General Hospital, Boston, MA（麻省总医院） ； Brigham and Women’s Hospital, Boston, MA（布里奇沃特医院） ； Hong Kong Polytechnic University, Hong Kong（香港理工大学） ； Kempner Institute for Natural and Artificial Intelligence, Cambridge, MA（Kempner自然与人工智能研究所）
AI总结 本文提出NeuroSTORM模型，通过直接学习4D fMRI数据的通用表示，实现跨任务高效迁移，优于现有方法在五类下游任务中的表现。
VLA-IAP: Training-Free Visual Token Pruning via Interaction Alignment for Vision-Language-Action Models
VLA-IAP: 通过交互对齐实现无训练视觉令牌剪枝用于视觉-语言-动作模型
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； South China Normal University（华南师范大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Science and Technology Beijing（北京科技大学） ； National University of Defense Technology（国防科技大学）
AI总结 本文提出VLA-IAP方法，通过引入几何先验机制和动态调度策略，实现无训练的视觉令牌剪枝，提升VLA模型在资源受限平台上的推理效率和稳定性，实验显示在LIBERO基准上成功率达97.8%且速度提升1.25倍。
Comments 27 pages, 8 figures
ENC-Bench: A Benchmark for Evaluating Multimodal Large Language Models in Electronic Navigational Chart Understanding
ENC-Bench：用于评估多模态大语言模型在电子航海图理解中的基准
机构 * National University of Defense Technology（国防科技大学） ； Intelligent Game and Decision Lab（智能游戏与决策实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 ENC-Bench是首个专注于专业电子航海图理解的基准，包含20490个经过专家验证的样本，评估了10种先进多模态大语言模型在符号识别、空间推理和航海决策中的表现，揭示了模型在符号 grounding、空间计算和多约束推理方面的系统性挑战。
Comments Accepted to CVPR 2026, Project page: https://qingyonghu.github.io/ENC-Bench/
ScaleEdit-12M: Scaling Open-Source Image Editing Data Generation via Multi-Agent Framework
ScaleEdit-12M：通过多智能体框架实现开源图像编辑数据生成的规模化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； CUHK MMLab（香港中文大学多模态实验室） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Xiamen University（厦门大学）
AI总结 本文提出ScaleEditor框架，通过多智能体方法构建大规模高质量图像编辑数据集，生成ScaleEdit-12M，涵盖23类任务，提升多种编辑模型性能。
OmniDiT: Extending Diffusion Transformer to Omni-VTON Framework
OmniDiT：将扩散变换器扩展到Omni-VTON框架
机构 * The Chinese University of Hong Kong, ShenZhen（香港中文大学（深圳）） ； Beihang University（北京航空航天大学） ； KuaiShou（快手）
AI总结 本文提出OmniDiT框架，通过自进化数据采集管道构建大规模VTON数据集，结合多参考条件和Shifted Window Attention提升生成质量，在复杂场景中实现最优性能。
From Inpainting to Editing: Unlocking Robust Mask-Free Visual Dubbing via Generative Bootstrapping
从修复到编辑：通过生成性自举解锁鲁棒的无掩膜视觉配音
机构 * Tsinghua University（清华大学） ； Hong Kong University of Science（香港科学大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出X-Dub框架，通过生成性自举实现无掩膜视觉配音，解决传统掩膜修复方法在时空上下文破坏和鲁棒性差的问题，提升唇形同步和视觉质量。
Comments Project Page: https://github.com/KlingAIResearch/X-Dub
DINO-Tok: Adapting DINO for Visual Tokenizers
DINO-Tok：为视觉分词器适应DINO
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Horizon Robotics（Horizon机器人） ； Nanjing University（南京大学） ； Hong Kong University（香港大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出DINO-Tok，一种基于冻结DINO编码器的视觉分词器，结合连续自编码和离散向量量化方法，提升高维潜在空间中的语义一致性和生成质量。
RoboMemory: A Brain-inspired Multi-memory Agentic Framework for Interactive Environmental Learning in Physical Embodied Systems
RoboMemory：一种脑启发的多记忆代理框架，用于物理具身系统中的交互环境学习
机构 * FNii-Shenzhen（FNii-深圳） ； SSE, CUHK-Shenzhen（SSE，CUHK-深圳） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The University of Hong Kong（香港大学） ； National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学） ； Ising AI
AI总结 本文提出RoboMemory框架，通过整合空间、时间、事件和语义记忆，提升机器人在复杂环境中的长期规划与交互学习能力，实验表明其在EmbodiedBench上成功率提升26.5%，超越现有SOTA模型。
Quasi-Conformal Convolution : A Learnable Convolution for Deep Learning on Simply Connected Open Surfaces
准共形卷积：一种用于深度学习在单连通开放曲面上的可学习卷积
机构 * Department of Mathematics, City University of Hong Kong（香港城市大学数学系） ； Department of Mathematics, Chinese University of Hong Kong（香港中文大学数学系）
AI总结 本文提出准共形卷积（QCC），通过准共形理论在单连通开放曲面上定义卷积，结合可训练估计模块实现自适应卷积操作，用于几何数据的分类与医学应用。
Sample Transform Cost-Based Training-Free Hallucination Detector for Large Language Models
基于样本转换成本的无训练hallucination检测器用于大型语言模型
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文提出基于最优传输距离的hallucination检测方法，通过计算token嵌入之间的Wasserstein距离矩阵，得到AvgWD和EigenWD两个指标，用于无训练检测大型语言模型的hallucination问题。
Comments 24 pages, 5 figures, 5 tables
