高校专区
Skill-RM: 通过智能体技能统一异构评估标准
机构 * Qwen Large Model Application Team, Alibaba（通义千问大模型应用团队，阿里巴巴） ； Sun Yat-sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； ETH Zürich University of Zurich（苏黎世联邦理工学院）
AI总结 提出Skill-RM框架，将奖励建模重构为可重用的奖励评估技能执行，通过动态选择和聚合证据统一异构评估标准，在奖励基准和下游任务中优于传统方法。
去噪提示何时重新规划：基于流的机器人策略的去噪方差自适应分块
机构 * Beijing Institute of Technology（北京理工大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； Hunan University（湖南大学） ； Xi’an Jiaotong University（西安交通大学） ； Renmin University of China（中国人民大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 针对基于流的机器人策略中固定执行步长的问题，提出DVAC方法，利用去噪过程中干净动作估计的方差自适应决定执行步长，在保持或提升任务成功率的同时降低重新规划频率。
桥接辅助约束以解决大型推理模型中的指令遵循问题
机构 * The Chinese University of Hong Kong（香港中文大学） ； University of International Relations（国际关系大学） ； Tencent Jarvis Lab（腾讯Jarvis实验室） ； Westlake University（西湖大学） ； King’s College London（伦敦国王学院）
AI总结 针对大型推理模型难以可靠遵循多重约束的问题，提出约束关系图补全框架，通过显式建模约束关系并发现桥接约束，将约束违反率降低39%。
Comments a pre-MIT Press publication version
超越字面：多模态模因理解中的语用意图分解
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huawei（华为） ； Central China Normal University（中央师范大学） ； Shenzhen University（深圳大学） ； King’s College London（伦敦国王学院） ； University of International Relations（国际关系大学）
AI总结 针对大型视觉语言模型（LVLMs）在理解模因时倾向于描述字面内容而非语用意图的问题，提出Intent Projection框架，通过表示、输出和目标三层面的字面-语用分解，在六个基准上超越开源模型并缩小与专有模型的差距。
ThoughtFold: 通过内省偏好学习折叠推理链
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab）
AI总结 提出ThoughtFold框架，通过细粒度偏好学习惩罚冗余探索并鼓励直接连接关键推理段，将推理链折叠为更简洁路径，在保持精度的同时大幅降低token使用量。
CAPER: 面向Text-to-SQL的子句对齐过程监督
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The University of Hong Kong（香港大学） ； Northwestern Polytechnical University（西北工业大学） ； Shenzhen University（深圳大学）
AI总结 提出CAPER方法，通过反事实干预SQL抽象语法树自动推导子句级监督，训练轻量级Clause-PRM模型CAPER-9B，用于策略优化和候选验证，在BIRD和Spider数据集上提升了执行准确率和故障定位能力。
先感知后推理：一种用于高效可靠主动移动代理的预推理感知框架
机构 * HyperAI Team, Xiaomi Corporation（HyperAI团队，小米公司） ； Zhongnan University of Economics and Law（中南财经政法大学） ； Jilin University（吉林大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出预推理感知框架（PRPF），通过轻量级多模态主动感知器（MPP）进行干预门控和上下文压缩，仅在需要时激活主动代理推理器（PAR），以解决主动移动代理中干预时机与方式决策的目标错位和冗余推理问题。
HARVE：面向鲁棒奖励模型的感知黑客奖励头向量编辑
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Virginia（弗吉尼亚大学） ； Harvard University（哈佛大学） ； Stanford University（斯坦福大学） ； University of Michigan（密歇根大学） ； New Jersey Institute of Technology（新泽西理工学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 针对奖励模型易受奖励黑客攻击的问题，提出无需训练的奖励头编辑方法HARVE，通过移除与黑客相关子空间对齐的奖励头向量分量，提升鲁棒性并保持通用能力。
UNISON: 通过深度LLM融合的统一声音生成与编辑框架
机构 * The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Tsinghua University（清华大学） ； Huawei Research Hong Kong（华为香港研究）
AI总结 提出UNISON，一个基于潜在扩散的统一框架，通过层间深度LLM融合和多任务架构，实现语音生成、声音生成和音频编辑，在多个任务上达到或超越专业模型性能，且参数量减少约4倍。
SAHG：用于社交机器人检测的扇区各向异性双曲图模型
机构 * University of Leeds（利兹大学） ； University of Science and Technology of China（中国科学技术大学） ； South China Normal University（华南师范大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin University of Commerce（哈尔滨商业大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出扇区各向异性双曲图模型SAHG，通过方向依赖曲率场和扇区原型解决欧几里得GNN在层次无标度社交图中的失真问题以及异质连接导致的信号污染问题，在三个基准上取得最佳性能。
几何引导的基础特征建模实现可泛化的物体形状变形学习
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学计算机科学与工程系） ； Zhejiang Innovation Center for Humanoid Robotics, Ningbo, China（浙江省人形机器人创新中心） ； State Key Laboratory of Industrial Control and Technology, Zhejiang University, Hangzhou, China（浙江省工业控制技术重点实验室）
AI总结 提出一种几何引导的特征建模机制和视图自适应特征聚合模块，通过变形类别级形状模板实现单目3D形状恢复，在形状变化和视角多样性上显著优于现有方法。
Comments 20 pages, 12 figures, accepted by ICML 2026
WildRoadBench: 面向视觉语言模型与自主智能体的野外航拍道路损伤定位基准
机构 * University of Electronic Science and Technology of China（电子科技大学） ； National University of Singapore（新加坡国立大学） ； De Artificial Intelligence Lab（德人工智能实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出WildRoadBench基准，通过VLM直接定位和LLM驱动智能体自主研究两种协议，评估模型在航拍道路损伤定位上的性能，发现现有方法在野外场景下仍不可靠。
Comments Preprint. Under review. 4 figures, 6 tables
减少损失！学习早期剪枝路径以实现高效并行推理
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； USTB（中国地质大学） ； DualityRL
AI总结 提出一种基于可学习内部信号的路径剪枝方法STOP，通过前缀级剪枝减少并行推理中的无效路径，显著提升大型推理模型的效率与性能。
Comments 9 pages, 7 figures
PRISM: 重新思考大气散射重建作为真实世界去雾的统一理解与恢复模型
机构 * Tsinghua University（清华大学） ； Duke University（杜克大学） ； CUHK（香港中文大学） ； HKUST（香港理工大学） ； HKUST(GZ)（香港理工大学（广州））
AI总结 提出基于近端散射大气重建（PSAR）的物理结构化框架，结合在线非均匀雾合成和选择性自蒸馏适应（SSDA）方案，实现真实世界图像去雾的统一理解与恢复。
Comments 21 Pages, 8 Figures, 7 Tables
MIND：面向多模态大模型的多理由集成判别推理框架
机构 * Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） ； MMLab, CUHK（CUHK多模态实验室）
AI总结 针对多模态大语言模型在多理由语义建模、逻辑鲁棒性和抗误导方面的不足，提出MIND推理框架，通过“理解-反思-纠正”机制实现从被动模仿到主动判别推理的范式转变。
Comments Accepted to ICML 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