高校专区
MemoryWAM：具有持久记忆的高效世界动作建模
机构 * The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学）
AI总结 提出MemoryWAM，通过混合记忆设计和定制注意力机制，在长时域机器人操作任务中实现高效记忆依赖决策，优于现有VLA和WAM基线。
通过PRISM：视频扩散模型中间状态中的偏好表示
机构 * City University of Hong Kong（香港城市大学） ； Video Rebirth ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出PRISM方法，利用冻结的视频扩散骨干网络和轻量级查询聚合头从噪声潜变量中解码偏好信号，实现高精度偏好预测和噪声鲁棒性，支持早期最佳采样以降低计算成本并提升视频质量。
Zero-VC: 通过说话人匿名化实现零前瞻流式语音转换
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） ； Shenzhen Transsion Holdings Co., Ltd.（深圳传音控股股份有限公司）
AI总结 针对流式零样本语音转换中音色与语言内容解耦的挑战，提出将说话人匿名化作为扰动机制，在保留韵律效用的同时显式减轻音色泄露，实现严格因果的零前瞻网络。
Comments Accepted to Interspeech 2026
频率感知流匹配用于连续且一致的机器人动作生成
机构 * Beihang University（北京航空航天大学） ； Peking University（北京大学） ； The Chinese University of Hong Kong（香港中文大学） ； PKU-Psibot Lab（北大-智源机器人实验室） ； Zhongguancun Laboratory（中关村实验室） ； Hefei Comprehensive National Science Center（合肥综合性国家科学中心）
AI总结 提出频率感知流匹配（FAFM），通过离散余弦变换将离散动作序列转换到频域进行流匹配，并正则化一阶时间导数以生成平滑连续的动作，提升成功率、多模态表达性和运动平滑性。
SurgVista：具有合理器械-组织动力学的长程手术世界建模
机构 * The Chinese University of Hong Kong（香港中文大学） ； EPFL（瑞士联邦理工学院洛桑） ； Imperial College London（伦敦帝国学院）
AI总结 提出SurgVista手术世界模型，通过变形一致性正则化和漂移适应训练，解决空间交互不连贯和时间保真度崩溃问题，在长程预测中显著优于现有方法。
代理式电子设计自动化：一种交接视角
机构 * The Chinese University of Hong Kong（香港中文大学） ； Primarius Technologies（Primarius技术公司）
AI总结 本文从交接有效性角度出发，将EDA流程中的代理系统分为三类，并提出五层代理通信协议，以解决多阶段、多工具间的状态传递和验证问题。
磁驱动导管集中弯曲的刚度优化：在梯度刚度下保持可操控性
机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong（香港中文大学） ； Macao Polytechnic University（澳门理工学院）
AI总结 针对磁驱动软导管在推送性与近端集中弯曲之间的权衡，提出一种刚度优化的多段磁驱动导管（SO-MAC），通过解耦转向-推进机构和梯度刚度架构，在推进过程中实现稳定的近端枢轴弯曲，同时远端被动自直以传递推进力。
EndoCoT：扩散模型中的内生思维链推理扩展
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Xi’an Jiaotong University（西安交通大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出EndoCoT框架，通过迭代思维引导模块激活MLLM的推理潜力，并利用终端思维接地模块确保推理轨迹与文本监督对齐，使DiT逐步执行复杂任务，在多个基准上平均准确率达92.1%。
Comments 23 pages, 18 figures, The code and dataset are publicly available at https://internlm.github.io/EndoCoT/
思维形状：通过视觉思维链进行渐进式物体组装
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） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； Sun Yat-sen University（中山大学） ； The Hong Kong University of Science and Technology, Guangzhou（香港科学与技术大学（广州）） ； Shenzhen Future Network of Intelligence Institute (FNii-Shenzhen)（深圳未来网络智能研究所（FNii-Shenzhen）） ； Guangdong Provincial Key Laboratory of Future Networks of Intelligence, CUHK(SZ)（广东省未来网络智能重点实验室，CUHK(SZ)）
AI总结 提出Shape-of-Thought (SoT)框架，通过视觉思维链在渲染2D域中逐步组装形状，解决文本到图像生成中的组合结构约束问题，在组件计数和结构拓扑上显著优于直接生成。
Comments ICML2026
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