高校专区
DexJoCo：用于MuJoCo上的任务导向灵巧操作的基准和工具包
机构 * NLPR & MAIS, CASIA（中国科学院南京自动化研究所与模式识别与人工智能实验室） ； SJTU（上海交通大学） ； MBZUAI（马克斯·普朗克研究所） ； Beijing Institute of Basic Medical Sciences（北京基础医学研究所） ； PKU & Galbot（北京大学与Galbot） ； CUHK（香港大学）
AI总结 本文提出DexJoCo基准和工具包，包含11个功能任务评估灵巧手的工具使用、双臂协调、长周期执行和推理能力，通过低成本数据收集系统和领域随机化评估鲁棒性，揭示当前策略的局限性。
Comments 8 pages, 6 figures, project page is available at: https://dexjoco.github.io
RecMem：基于递归的记忆巩固用于高效且有效的长运行LLM代理
机构 * 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） ； School of Computer Science, Beijing University of Posts and Telecommunications（北京邮电大学计算机学院） ； Huawei Cloud（华为云） ； Huawei Theory Lab（华为理论实验室） ； Institute for Math and AI, Wuhan University（武汉大学数学与人工智能研究院）
AI总结 RecMem通过递归机制优化内存巩固，减少token消耗并提升准确性，有效解决长运行LLM代理的内存管理问题。
Comments Accepted to ACL 2026 Findings
EndoGSim: 基于多模态大语言模型的物理感知4D动态内窥镜场景模拟
机构 * Department of Electronic Engineering, The Chinese University of Hong Kong (CUHK)（香港中文大学电子工程系）
AI总结 本文提出EndoGSim框架，通过MLLM引导的高斯点散布实现内窥镜场景的物理感知重建与模拟，结合预训练分割和深度估计，提升手术模拟的真实性和准确性。
Comments Early Accepted by MICCAI 2026
NanoResearch: 为个性化研究自动化共进化技能、记忆与政策
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Xi'an Jiaotong University（西安交通大学） ； East China University of Science and Technology（东华大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出NanoResearch框架，通过三重共进化解决研究自动化中的个性化需求，提升研究效率与用户体验。
Comments 40 pages, 14 figures, 7 tables
可扩展的多语言模型协作系统：基于检索的选择与探索-利用驱动增强
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出SMCS系统，通过检索优先选择模块和探索-利用驱动后验增强模块，有效协调多个开源语言模型，实验显示其在多个任务中优于闭源模型，且在不同数据集上超越开源模型的平均最佳结果。
H-Mem: 一种通过混合结构进化和检索智能体记忆的新型记忆机制
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Huawei Cloud Computing Technologies CO., LTD.（华为云计算技术有限公司）
AI总结 H-Mem通过混合结构有效建模智能体记忆的长期演化并高效检索记忆数据，提升问答任务性能。
Text-RSIR: 一种基于文本的高效遥感图像传输与重建框架
机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； Geosciences and Engineering, Southwest Jiaotong University（西南交通大学地球科学与工程学院） ； Institute of Space and Earth Information Science and the Department of Geography and Resource Management, The Chinese University of Hong Kong（香港中文大学空间与地球信息科学研究所及地理与资源管理系）
AI总结 本文提出一种基于文本的遥感图像传输系统，通过低分辨率图像与紧凑文本描述替代高分辨率数据，提升传输效率。引入文本条件图像恢复模型，实现细粒度细节恢复与语义一致性保持。
Comments 15 pages, 8 figures, submitted to ISPRS JPRS
迈向机器人灵巧手智能：一篇综述
机构 * University of Liverpool（利物浦大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学-利物浦大学） ； Duke Kunshan University（杜克-昆山大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文综述了灵巧手研究，从硬件、控制方法、数据集和评估等方面分析，探讨了当前研究的局限性和未来发展方向。
BatchWeave: 一种用于大规模基础模型训练的一致对象存储原生数据平面
机构 * Lionrock AI Lab, China Merchants Group, Hong Kong, China（狮岩人工智能实验室，中国商人集团，香港，中国） ； Wuhan University, Wuhan, China（武汉大学，武汉，中国） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳））
AI总结 BatchWeave通过版本化清单和条件对象写入协调批量发布、恢复和生命周期管理，提供一致的分布式基础模型训练数据平面，支持事务全局批量、去中心化适应提交算法，提升吞吐量和故障隔离能力。
赋予机器人远程操控能力：在比较研究中探索设备与机械臂控制器之间的协同效应
机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, Guangdong, China（香港中文大学（深圳）科学与工程学院） ； Department of Mechanical and Aerospace Engineering, Hong Kong University of Science and Technology（香港科学与技术大学机械与航空航天工程系） ； Shenzhen Institute of Artificial Intelligence and Robotics for Society (AIRS), Shenzhen, Guangdong, China（深圳人工智能与机器人社会研究院（AIRS））
AI总结 研究通过比较不同设备与控制器策略在机械臂任务数据收集中的效果，探讨设备与控制器之间的协同关系对实际任务的重要性。
ActiveDPO: 用于高效对齐的主动直接偏好优化
机构 * Department of Computer Science, National University of Singapore（新加坡国立大学计算机科学系） ； Singapore-MIT Alliance for Research and Technology Centre（新加坡-麻省理工联盟研究技术中心） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）） ； CSAIL, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究院）
AI总结 ActiveDPO通过理论支撑的非线性奖励函数选择方法，利用LLM自身参数化奖励模型，提升对齐效率和数据收集效果。
Comments Accepted at ICLR 2026
RAR：用于视觉识别的检索与排序增强多模态大语言模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； MThreads, Inc.（MThreads公司） ； Nanyang Technological University（南洋理工大学）
AI总结 RAR结合CLIP的检索与MLLM的排序，提升细粒度识别精度，增强少样本和零样本任务表现。
Comments Project: https://github.com/Liuziyu77/RAR
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