高校专区
LECTOR: 科学推理图与引言生成的联合优化
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学）
AI总结 提出LECTOR框架，通过逻辑-表达协同强化学习联合优化科学推理图的结构保真度和引言生成质量，在Nature Communications数据集上实现显著提升。
Comments 25 pages
PolyGnosis 2.0: 通过智能体工程增强LLM推理，用于Polymarket和OSINT洞察提取
机构 * The Chinese University of Hong Kong（香港中文大学） ； Evolution AI Lab（进化人工智能实验室）
AI总结 本文提出PolyGnosis 2.0多智能体架构，通过融合Polymarket异常信号与全球开源情报（GDELT）来提取预测情报，并量化“视角错配”作为高阿尔法交易信号，同时评估“工具工程”技术（如反射循环、工具调用、分治和思维链）在高噪声金融领域的有效性。
通用激活词化器：跨模型激活解释的统一框架
机构 * New Jersey Institute of Technology（新泽西理工学院） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校） ； Cisco Research（思科研究） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出通用激活词化器（UAV）框架，通过共享解码器和轻量适配器将异构模型的隐藏表示转化为自然语言解释，支持跨模型家族和规模的激活词化，在分类、事实检索和要点总结任务中与强基线竞争。
Comments 23 pages, 11 figures, 11 tables
$D^2$-Monitor: 通过犹豫感知路由实现扩散LLM的动态安全监控
机构 * Torr Vision Group, University of Oxford（奥克斯大学托尔视觉组） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 针对扩散大语言模型的安全监控问题，提出基于犹豫感知路由的双层动态监控框架$D^2$-Monitor，通过轻量级探针实时估计犹豫度并触发高容量探针，在3个数据集上以0.85M参数达到最优性能与效率平衡。
重新思考用于VLA初始化的VLM表示
机构 * CUHK（香港中文大学） ； PolyU ； Peking University（北京大学） ； ACE Robotics（ACE机器人）
AI总结 本文通过控制表示设计问题，沿能力级具身VQA监督、参数更新策略和机器人数据预训练三个轴，研究VLA初始化，发现保留预训练VLM表示对动作性能至关重要，而LoRA比全微调提供更可靠的初始化，分阶段基于LoRA的训练获得最强变体。
Comments 9 main-text pages, 5 appendix pages, 4 figures
OMGTex: 无需几何引导的一阶段多风格面部纹理重建
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） ； Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来网络智能化重点实验室） ； FNii-Shenzhen（FNii-深圳）
AI总结 提出OMGTex，一种端到端的扩散框架，无需3D几何先验，直接从多风格面部图像重建高质量、可编辑的UV纹理，通过梯度引导推理和语义感知训练实现鲁棒重建与编辑。
Comments CVPR 2026 (Poster)
通过合成局部偏好实现解剖学合理的人体图像生成
机构 * Westlake University（西湖大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出 ASAP 框架，利用局部退化机制构建受控偏好对，并结合局部有界 DPO 变体，在保持整体图像质量的同时减少解剖学错误。
SurfSurg6D：面向无纹理手术器械位姿估计的几何一致密集对应
机构 * National University of Singapore（国立新加坡大学） ； Chinese University of Hong Kong（香港中文大学）
AI总结 针对无纹理手术器械位姿估计中的数据稀缺和几何一致性挑战，本文构建了SynSurg6D数据集并提出SurfSurg6D密集对应框架，在多个数据集上实现了优于现有方法的RGB-only位姿估计。
CRPO：以角色为中心的群体相对策略优化用于角色扮演代理中的角色感知推理
机构 * Institute of Computing and Intelligence（计算与智能研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shenzhen Loop Area Institute (SLAI)（深圳Loop区研究院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出CRPO框架，通过解耦任务逻辑与风格奖励、动态调整优化约束和利用通用响应作为负基线，解决强化学习在角色扮演中角色保真度下降和风格崩溃问题。
通过Knockoff均值的Mean-Shift PCA
机构 * Department of Statistics and Data Science, Southern University of Science and Technology（统计与数据科学系，南方科技大学） ； Data Science, Southern University of Science（数据科学，南方科技大学） ； 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））
AI总结 提出一种通过故意引入knockoff均值扰动来消除PCA中均值偏移噪声的方法，利用随机矩阵理论证明均值偏移尖峰与原始协方差特征值谱可分离，并设计了两阶段PCA算法。
Comments ICML 2026
HyLaT: 通过混合潜在-文本协议实现高效多智能体通信
机构 * Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） ； King’s College London（伦敦国王学院） ； The Alan Turing Institute（艾伦·图灵研究所） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 针对多智能体通信中的三元困境，提出混合潜在-文本协议HyLaT，通过潜在通道传输认知信号提升效率，自然语言表达关键信号保证可解释性，并设计两阶段训练框架，显著降低通信开销同时保持任务性能。
EMA-Nesterov：稳定Nesterov前瞻以加速深度学习优化
机构 * University of Minnesota（明尼苏达大学） ； Amazon AGI（亚马逊人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 针对深度学习优化中Nesterov动量因随机梯度噪声和非凸损失导致的不稳定性，提出EMA-Nesterov方法，用参数更新的指数移动平均替代标准前瞻方向，通过低通滤波捕捉训练轨迹的低频趋势，在凸问题中保持理论加速收敛率，并在语言模型预训练中验证了其广泛适用性和优于现有前瞻方法的性能。
Comments 25 page, 10 figures
ViroBench：病毒基因组学任务中的核苷酸基础模型基准测试
机构 * Shanghai Innovation Institute Shanghai China（深圳河套学院） ； University of Electronic Science ； Fudan University Shanghai China ； Shanghai Artificial Intelligence Laboratory Shanghai China ； Institute of Infection ； Health Fudan University Shanghai China ； Shanghai Sci-Tech Inno Center for Infection \& Immunity Shanghai China ； Shanghai Jiao Tong University Shanghai China ； Shenzhen Loop Area Institute Shenzhen China ； Chinese University of Hong Kong Hong Kong China ； Westlake University Hangzhou China ； Shanghai Innovation Institute ； Fudan University ； Shanghai Artificial Intelligence Laboratory ； Shanghai Sci-Tech Inno Center for Infection \& Immunity ； Shanghai Jiao Tong University ； Shenzhen Loop Area Institute ； Chinese University of Hong Kong ； Westlake University
AI总结 提出首个针对病毒基因组学的综合基准ViroBench，评估66个核苷酸基础模型在生物学理解和潜在生物安全风险上的表现，发现模型在系统发育和时间偏移下性能下降，生成任务中统计似然与生物功能有效性脱钩，且预训练数据的分类多样性比参数规模更重要。
Comments 42 pages,15 figures
EditCaption: 用于图像编辑指令合成的人工精炼SFT与HAE-DPO
机构 * Peking University（北京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Tsinghua University（清华大学） ； Beihang University（北京航空航天大学） ； Xiaohongshu Inc.（小红书公司）
AI总结 提出EditCaption两阶段后训练流程，通过人工精炼SFT和基于难度自适应错误感知DPO（HAE-DPO）提升图像编辑指令合成质量，显著降低关键错误率并超越现有模型。
特征相似性：迈向对Transformer中类比推理的理论理解
机构 * Department of Information Engineering, The Chinese University of Hong Kong, Hong Kong（香港中文大学信息工程系）
AI总结 本文通过最小化Transformer抽象模型，从理论上证明联合训练和特定课程顺序能使实体在表示空间中对齐，从而通过特征相似性实现属性转移，即类比推理。
Bregman近端类型算法的伪平稳性和困难结果
机构 * 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系） ； Sauder School of Business, University of British Columbia（不列颠哥伦比亚大学萨德勒商学院）
AI总结 本文揭示了Bregman近端类型算法（如镜像下降）在非欧几何下可能陷入伪平稳点，即使对于凸问题，若Bregman核的梯度非Lipschitz连续，停滞可无限持续，并指出该现象在非凸多面体约束问题中普遍存在，挑战了现有收敛性理论。
InvariantCloud：一种全局不变、唯一索引的点云框架，用于鲁棒的6自由度触觉姿态跟踪
机构 * Department of Mechanical and Aerospace Engineering, The 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） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系）
AI总结 提出InvariantCloud框架，利用视觉触觉传感器上表面标记星座的全局不变性，通过一次性全局不变点云配准实现6自由度物体姿态估计，抑制累积漂移并准确估计偏航旋转，在长序列操作任务中展现出高精度和鲁棒性。
可解释多任务视网膜成像揭示2型糖尿病系统性风险分层的微血管信号：一项初步研究
机构 * Faculty of Computer Science and Artificial Intelligence, Shenzhen University of Advanced Technology（深圳先进技术大学计算机科学与人工智能学院） ； Frontier Science Computing Center, Zhuhai Institute of Advanced Technology Chinese Academy of Sciences（中国科学院珠海先进技术研究院前沿科学计算中心） ； Chinese University of Hong Kong（香港中文大学） ； Zhuhai People's Hospital (The Affiliated Hospital of Beijing Institute of Technology, Zhuhai Clinical Medical College of Jinan University)（珠海人民医院（北京理工大学珠海临床医学院附属医院）） ； Lampang Inter-Tech College, Lampang Thailand（泰国 Lampang 职业技术学院）
AI总结 本研究开发了一个可解释的多任务深度学习框架，通过分析视网膜微血管特征与系统性异常（如肾脏异常）的关联，验证了视网膜成像作为糖尿病系统性风险分层生物标志物的潜力。
Comments 18 pages, 4 figures
可解释的视网膜成像用于预测2型糖尿病多器官功能障碍
机构 * Faculty of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） ； Frontier Science Computing Center（前沿科学计算中心） ； Chinese Academy of Sciences（中国科学院） ； Chinese University of Hong Kong（香港中文大学） ； Zhuhai People's Hospital（珠海人民医院） ； Beijing Institute of Technology（北京理工大学） ； Jinan University（暨南大学） ； Lampang Inter-Tech College
AI总结 本研究利用常规实验室生物标志物构建系统级异常指数，通过梯度提升模型预测2型糖尿病多系统失调，并采用SHAP实现可解释性，揭示了高血糖、肾功能障碍、血脂异常和炎症是主要驱动因素。
Comments 15 pages, 8 figures
聚类即推理：思维链图学习的 $k$-均值解释
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Singapore Management University（新加坡国立大学） ； Michigan State University（密歇根州立大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出KCoT框架，通过将Transformer块与$k$-均值算法建立数学对应，将思维链推理与图表示学习统一，实现迭代语义-拓扑交互，在标准基准上超越现有方法。
Comments Accepted by ICML 2026
AVBench：面向音视频生成模型的人类对齐与自动化评估基准
机构 * Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出AVBench，通过细粒度人类中心指标和偏好学习训练的专业评估器，实现音视频生成的自动化、准确评估。
HiMed: 激励医疗大语言模型中的印地语推理
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Indian Institute of Technology (Banaras Hindu University) Varanasi（印度理工学院（班加罗尔 Hindu 大学）瓦拉纳西分校） ； Tongji University（同济大学） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； Shenzhen Loop Area Institute（深圳河套学院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Halmstad University（哈尔姆斯塔德大学）
AI总结 针对医疗大语言模型在印地语上表现不佳的问题，提出HiMed印地语医疗推理语料库与基准，并通过衰减支架奖励训练HiMed-8B模型，显著提升印地语医疗推理性能并缩小英印准确率差距。
Meta-Soft: 利用可组合元标记实现上下文保持的KV缓存压缩
机构 * Guangdong Institute of Intelligence Science and Technology（广东智能科学与技术研究院） ； University of Macau（澳门大学） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出Meta-Soft动态压缩框架，通过可学习正交基矩阵和Gumbel-Softmax选择网络合成元标记，结合注意力流整合机制保留丢弃上下文信息，解决KV缓存压缩中的信息丢失和上下文断裂问题。
Comments 9 pages, 2 figures
ClaimDiff-RL: 通过视觉声明比较进行细粒度描述强化学习
机构 * The Chinese University of Hong Kong（香港中文大学） ； MiniMax
AI总结 提出ClaimDiff-RL框架，利用原子声明差异作为奖励单元，通过多模态判断器枚举视觉差异并分配错误类型和严重程度，以解决长描述强化学习中事实性与覆盖度的权衡问题。
Flow-OPD：面向流匹配模型的在线策略蒸馏
机构 * University of Science and Technology of China（中国科学技术大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； The Chinese University of Hong Kong（香港中文大学） ； Xiaohongshu Inc.（小红书公司）
AI总结 提出Flow-OPD框架，通过两阶段对齐策略（单奖励GRPO微调专家+流式冷启动与在线策略蒸馏）解决流匹配模型在多任务对齐中的奖励稀疏和梯度干扰问题，并引入流形锚点正则化抑制美学退化，在GenEval和OCR指标上显著提升。
Comments Project Page: https://costaliya.github.io/Flow-OPD/ , Code: https://github.com/CostaliyA/Flow-OPD
BEAR：面向大语言模型推荐中束搜索感知的优化
机构 * Zhejiang University（浙江大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Hangzhou City University（杭州市城市大学）
AI总结 针对监督微调与束搜索推理之间的不一致性，提出BEAR正则化方法，通过确保正例每个token在解码步骤中排名前B来避免过早剪枝，显著提升推荐性能。
Comments Accepted by SIGIR 2026
正则非光滑模型的归一化最大似然：测度理论基础与几何采样
机构 * Department of Mathematics, The Chinese University of Hong Kong（香港中文大学数学系）
AI总结 针对现代机器学习中非光滑估计器（如Lasso、稀疏SVM）的归一化最大似然（NML）编码长度计算问题，本文利用几何测度论和保守雅可比矩阵建立严格框架，并提出一种几何MCMC采样器（PDL-PPMH）以精确计算非光滑模型的随机复杂度。
SkillEvolBench：从情景经验到程序性技能的演化基准测试
机构 * The Ohio State University（俄亥俄州立大学） ； The University of Chicago（芝加哥大学） ； University College London（伦敦大学学院） ； University of Michigan（密歇根大学） ； The Chinese University of Hong Kong（香港中文大学） ； Case Western Reserve University（凯斯西储大学） ； Amazon（亚马逊）
AI总结 提出SkillEvolBench基准，通过六个真实环境中的180个任务，评估大语言模型代理能否将情景经验提炼为可复用的程序性技能，发现当前代理难以形成稳健的技能，且原始轨迹复用优于蒸馏技能。
迈向可信的自主AI：安全性、鲁棒性、隐私与系统安全的全面综述
机构 * Faculty of Engineering, Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学工程学院、计算机科学与工程系） ； Artificial Intelligence Innovation and Incubation Institute, Fudan University（复旦大学人工智能创新与孵化院） ； Shanghai Academy of AI for Science（上海人工智能科学研究院）
AI总结 本文综述了自主AI系统在安全鲁棒性与隐私系统安全两个核心维度的风险来源、阶段缓解策略及统一评估指标，并讨论了开放挑战。
Comments 36 pages, 4 figures. Survey/review article on trustworthy agentic AI. Published in Academia AI and Applications, 2026
Journal ref Academia AI and Applications, vol. 2, 2026
多少思考才足够？量化和理解LLM推理中的冗余
机构 * Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文通过形式化推理冗余度量，量化了前沿推理模型在数学基准上高达61%-93%的步骤级冗余，并证明这种冗余是长度无关结果奖励的结构性后果，而非模型特定伪影。
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