The Chinese University of Hong Kong（香港中文大学）

Meta-learning In-Context Enables Training-Free Cross Subject Brain Decoding

基于上下文的元学习实现无训练跨受试者脑解码

Mu Nan, Muquan Yu, Weijian Mai, Jacob S. Prince, Hossein Adeli, Rui Zhang, Jiahang Cao, Benjamin Becker, John A. Pyles, Margaret M. Henderson, Chunfeng Song, Nikolaus Kriegeskorte, Michael J. Tarr, Xiaoqing Hu, Andrew F. Luo

机构 * University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Chinese University of Hong Kong（香港中文大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Harvard University（哈佛大学） ； Columbia University（哥伦比亚大学） ； University of Washington（华盛顿大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出一种基于上下文的元学习方法，无需微调即可实现跨受试者的脑解码，通过上下文学习和分层推理提升解码效率与鲁棒性。

Comments Accepted to CVPR 2026, website: https://github.com/ezacngm/brainCodec

OxEnsemble: Fair Ensembles for Low-Data Classification

OxEnsemble：低数据分类中的公平集成

Jonathan Rystrøm, Zihao Fu, Chris Russell

机构 * Oxford Internet Institute, University of Oxford（牛津大学牛津互联网研究所） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 针对数据稀缺且各群体数据不平衡的公平分类问题，OxEnsemble通过高效训练集成模型并强制公平性，在医学影像等场景中实现更一致的性能和更好的公平性-准确性权衡。

Comments Forthcoming @ MIDL 2026

Towards Hierarchical Multi-Step Reward Models for Enhanced Reasoning in Large Language Models

面向增强大语言模型推理能力的分层多步奖励模型

Teng Wang, Zhangyi Jiang, Zhenqi He, Shenyang Tong, Wenhan Yang, Yanan Zheng, Zeyu Li, Zifan He, Hailei Gong, Zewen Ye, Shengjie Ma, Jianping Zhang

机构 * the University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； Georgia Institute of Technology（佐治亚理工学院） ； National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） ； Renmin University of China（中国人民大学） ； the Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出分层奖励模型和轻量数据增强策略，解决大语言模型推理中奖励黑客问题，提升多步推理评估的稳定性和泛化能力。

IoT-Brain: Grounding LLMs for Semantic-Spatial Sensor Scheduling

IoT-Brain：为语义-空间传感器调度 grounding LLMs

Zhaomeng Zhou, Lan Zhang, Junyang Wang, Mu Yuan, Junda Lin, Jinke Song

机构 * University of Science and Technology of China（中国科学技术大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文提出IoT-Brain系统，通过引入空间轨迹图（STG）解决LLM在语义-空间传感器调度中的表示、推理和优化缺陷，提升任务成功率37.6%并显著降低资源消耗。

Comments To appear in ACM MobiCom 2026; 13 pages, 12 figures

NS-RGS: Newton-Schulz based Riemannian gradient method for orthogonal group synchronization

NS-RGS：基于牛顿-施尔茨方法的黎曼梯度法用于正交群同步

Haiyang Peng, Deren Han, Xin Chen, Meng Huang

机构 * School of Mathematical Sciences, Beihang University（北京航空航天大学数学科学学院） ； Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong（香港中文大学系统工程与工程管理学系） 纠错

AI总结 本文提出NS-RGS方法，通过替代SVD或QR分解为牛顿-施尔茨迭代，降低计算成本，利用高效矩阵乘法与现代GPU/TPU架构，实现线性收敛并提升效率。

Search-R3: Unifying Reasoning and Embedding in Large Language Models

Search-R3：在大型语言模型中统一推理与嵌入

Yuntao Gui, James Cheng

机构 * The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 Search-R3通过统一推理与嵌入生成过程，提升大型语言模型在检索任务中的性能，采用监督学习、强化学习和专用环境机制实现有效嵌入生成。

Comments CHANGELOG: (1) Completed training of Search-R3-Large; (2) Corrected error formulation; (3) Added a `Discussion` section to the appendix. We appreciation to the anonymous reviewers

EventWeave: A Dynamic Framework for Capturing Core and Supporting Events in Dialogue Systems

EventWeave：一种动态框架，用于捕捉对话系统中的核心事件和支持事件

Zhengyi Zhao, Shubo Zhang, Yiming Du, Bin Liang, Baojun Wang, Zhongyang Li, Binyang Li, Kam-Fai Wong

机构 * The Chinese University of Hong Kong（香港中文大学） ； University of International Relations（国际关系学院） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； Ministry of Education Key Laboratory of High Confidence Software Technologies, CUHK（教育部高可信软件技术重点实验室（香港中文大学）） 纠错

AI总结 EventWeave通过动态事件图捕捉对话中的核心与支持事件，利用多头注意力机制生成更合适的对话响应，实验表明其在不同对话长度上均表现优异。

Comments Accepted by ACL'26