高校专区
ProsoCodec：面向韵律的语音编解码器用于语音转换
机构 * KAIST, South Korea（韩国科学技术院） ； Chung-Ang University, South Korea（Chung-Ang 大学） ； The Chinese University of Hong Kong, China（香港中文大学）
AI总结 提出ProsoCodec，通过将韵律建模为条件残差而非分离流，在语音转换中改善韵律保留并减少源音色泄漏。
Comments Interspeech 2026
LaST-HD：从可扩展人类数据中学习潜在物理推理以进行机器人操作
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Simplexity Robotics ； Aether Tech
AI总结 提出LaST-HD框架，通过将人手与机器人演示在共享潜在推理空间中对齐，利用未配对轨迹训练世界模型合成统一潜在目标，实现跨形态物理动力学内化，并开发低成本数据手套OOL Glove，结合混合训练策略，仅用少量人类数据即可达到高泛化性能。
KEMO: 面向长程机器人操作的VLA策略事件驱动关键帧记忆
机构 * Hong Kong Embodied AI Lab（香港具身智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出KEMO，一种轻量级插件式记忆框架，通过事件驱动选择关键帧并编码为紧凑记忆令牌，结合交叉注意力和门控残差融合，提升VLA策略在长程操作中的任务成功率23.6%。
TriggerBench: 探究大型语言模型的前瞻记忆
机构 * The Chinese University of Hong Kong（香港中文大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 提出TriggerBench基准，系统评估LLM的前瞻记忆能力，发现其存在精度-召回权衡、注意力脆弱性，且比回溯记忆更难，可作为推理能力的指标。
StatABench：评估大语言模型统计分析能力的数据集与框架
机构 * Southern University of Science and Technology（南方科技大学） ； Alibaba Group（阿里巴巴集团） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The University of Hong Kong（香港大学）
AI总结 提出StatABench基准，包含404道封闭题和30道开放建模任务，评估LLM在统计分析上的能力，实验显示最佳模型仅达68.6%准确率，揭示工具推理和建模决策等挑战。
VideoLatent: 通过潜在自强制进行视频-语言学习
机构 * The Chinese University of Hong Kong（香港中文大学） ； Weitu AI（微图AI）
AI总结 提出VideoLatent，一种通过潜在自强制训练范式（包括潜在对齐和潜在多样性目标）进行视觉潜在推理的多模态大语言模型，仅依赖标准视频-问答三元组，在14个基准上优于现有模型，并大幅降低训练/推理开销。
DreamUV: 通过端到端流匹配实现艺术家级UV展开
机构 * South China University of Technology（华南理工大学） ； 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） ； Lightspeed（光速）
AI总结 提出DreamUV，将UV展开建模为生成式流匹配问题，通过学习网格条件传输过程生成艺术家风格的UV布局，并引入边界感知训练和模型在环微调策略，在专业数据集上生成更直边界和更紧轴对齐岛屿。
CoDMD: 基于Copula感知的分布匹配蒸馏用于快速视频生成
机构 * HKUST（香港科技大学） ； Wan Team, Alibaba Group（阿里巴巴集团万团队） ； THU（清华大学） ； CUHK（香港中文大学） ； XDU（西安电子科技大学）
AI总结 针对视频扩散模型少步蒸馏中分布匹配蒸馏（DMD）的结构缺陷，提出Copula感知的DMD（CoDMD），通过轻量关系正则化器利用分数估计构建样本间和帧间关系矩阵，实现4步生成，速度提升约25倍，VBench得分达84.87。
Holmes: 工业级混合语言移动崩溃的多模态智能诊断
机构 * The Chinese University of Hong Kong（香港中文大学） ； Tencent Inc.（腾讯公司）
AI总结 提出多智能体系统Holmes，通过多模态运行时信号合成重构崩溃上下文，采用层次化检索-探索-推理架构，在70M行代码中实现87.6%函数级定位准确率，将平均排查时间降低98%至约77秒。
Comments Accepted at FSE'26 Industry Track
UnityShots: 基于记忆的多镜头音视频生成与边界感知门控
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； Kling Team, Kuaishou Technology（Kling团队，快手科技） ； Tsinghua University（清华大学） ； Sun Yat-sen University（中山大学）
AI总结 提出UnityShots，一种基于记忆的多镜头音视频生成系统，通过固定大小的长期和短期记忆槽及边界条件门控实现跨镜头连贯性，在多种条件模式下超越开源基线。
通过仿真反向传播：用于样本高效和学习高效的可微连续控制的解析策略梯度
机构 * 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）
AI总结 提出解析策略梯度（APG）方法，利用可微环境动力学通过仿真反向传播计算精确梯度，在四个连续控制任务中与PPO对比，显著提升样本效率。
ReFPO：用于流匹配策略梯度的回流正则化
机构 * Ising AI ； CUHK-Shenzhen（香港中文大学（深圳）） ； FNii-Shenzhen（深圳市未来智能网络研究院）
AI总结 提出ReFPO，一种通过显式回流正则化改进流匹配策略梯度的在线强化学习方法，稳定训练并实现高保真一步推理。
面向老年人的模仿学习语音合成
机构 * The Chinese University of Hong Kong（香港中文大学） ； Tencent Hunyuan（腾讯混元）
AI总结 提出模仿学习框架，结合两阶段在线策略奖励学习改进GRPO，从专家演示中学习TTS模型，以解决老年人偏好数据获取困难的问题，在客观和主观指标上优于基线。
Comments accepted by Interspeech 2026
从知道到行动：基准测试LLM代理的自我意识能力
机构 * The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； University of Edinburgh（爱丁堡大学） ； Tencent（腾讯） ； University of Bristol（布里斯托大学）
AI总结 提出KAPRO框架和KAware数据集，通过解耦元认知判断与自主执行，评估LLM代理的自我意识能力，发现其与任务成功强相关但在内部能力场景中下降，开源模型易过度使用工具。
面向低延迟边缘-云LLM推理的延迟自适应推测控制
机构 * Shanghai Key Laboratory of Integrated Administration Technologies for Information Security, School of Computer Science, Shanghai Jiao Tong University（上海信息安全集成管理技术重点实验室，上海交通大学计算机科学学院） ； School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（深圳大学理学院，香港中文大学（深圳））
AI总结 针对分布式边缘-云推理中推测解码的草稿长度在线控制问题，提出延迟单调阈值最优策略，并设计在线算法UCB-SpecStop，在真实测试台上验证了相变预测，延迟降低达22.4%。
Comments 16 pages, 9 figures, submitted to an IEEE journal for possible publication
扩散模型在灵活系数选择下适应低维结构
机构 * Department of Industrial and Operations Engineering, University of Michigan（工业与运营工程系，密歇根大学） ； Department of Statistics and Data Science, Chinese University of Hong Kong（统计与数据科学系，中国香港大学）
AI总结 本文证明扩散模型在广泛系数选择下，仅需O(k/ε)次迭代即可生成ε-精确样本，独立于环境维度，从而验证了其适应低维结构的鲁棒性。
DUET: 无需下层强凸性的去中心化双层优化
机构 * Department of Electrical and Computer Engineering, The Ohio State University（俄亥俄州立大学电气与计算机工程系） ； Department of Computer Science and Engineering, University of North Texas（北卡罗来纳州立大学计算机科学与工程系） ； 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）
AI总结 针对去中心化双层优化中下层强凸性限制，提出单循环算法DUET，通过引入递减二次正则化消除该假设，并利用梯度跟踪处理数据异质性，实现近似KKT稳定点收敛。
Comments Published as a conference paper at ICLR 2025
Journal ref Published as a conference paper at ICLR 2025
闭合先验-后验循环：基于分析驱动LLM迭代的自反性分子设计
机构 * Faculty of Chemistry, Shenzhen MSU-BIT University（深圳MSU-BIT大学化学学院） ； School of Science and Engineering, Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）科学与工程学院） ； Department of Chemistry, Hong Kong University of Science and Technology（香港科技大学化学系）
AI总结 提出一种自反性分子设计框架，用第一性原理计算的完整物化理由替代标量反馈，使LLM从随机采样器转变为因果推理器，在HOMO-LUMO能隙任务中实现0.0003 eV偏差和100%成功率。
Comments 3 tables, 4 figures
VISTA: 用于多序列MRI分割的方差门控跨序列测试时间适应
机构 * Westlake University（西湖大学） ； Hokkaido University（北海道大学） ； The Chinese University of Hong Kong（香港中文大学） ； RIKEN（理化学研究所）
AI总结 本文提出VISTA框架，解决多序列MRI分割中模态交互偏移问题，通过设计跨序列干预生成器和跨视图分歧感知伪标签方法，提升模型在临床环境下的适应能力，实验表明在不同群体上性能优于现有方法。
Comments MICCAI2026 early accept
看到场景才重要：通过场景感知的长视频基准揭示视频理解模型中的遗忘现象
机构 * CUHK (SZ)（香港中文大学（深圳）） ； University of Cambridge（剑桥大学） ； UESTC（电子科技大学） ； CUHK（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出SceneBench基准，揭示视频理解模型在长场景上下文中的遗忘问题，并提出Scene-RAG方法提升性能2.50%。
Comments Accepted to CVPR 2026 (Highlight)
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
非对抗模仿学习无复合误差的理论保证：价值流机制
机构 * National Key Laboratory for Novel Software Technology（新型软件技术国家实验室） ； School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Research Institute of Big Data（深圳大数据研究院）
AI总结 本文证明IQ-Learn等价于行为克隆，存在复合误差，并提出基于Bellman约束的Dual Q-DM方法，通过价值流传播实现非对抗模仿学习，理论上消除复合误差。
Comments Paper accepted by ICML 2026
通过离散扩散实现可控口音标准化
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanjing University（南京大学） ； Tencent Ethereal Audio Lab（腾讯虚音频实验室） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 提出DLM-AN系统，利用掩蔽离散扩散和自监督语音令牌，通过选择性重用源令牌控制口音强度，结合流匹配时长比预测器调整节奏，实现低词错误率和可解释的口音强度控制。
Comments Accepted to Interspeech 2026 as a long paper
基于深度多任务学习的能量注入识别辅助分解
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The Hong Kong University of Science（香港科学大学） ； Southern University of Science（南方科技大学） ； University of Cambridge（剑桥大学）
AI总结 提出DualNILM框架，通过深度多任务学习同时实现电器状态识别和注入能量识别，解决分布式能源对非侵入式负荷监测的干扰问题。
Comments Accepted to The 17th ACM International Conference on Future and Sustainable Energy Systems (ACM e-Energy 2026)
最优Token基线：长程LLM-RL的方差缩减
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Hong Kong University of Science（香港科学大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Vector Institute（向量研究所）
AI总结 针对长程LLM-RL训练中梯度方差爆炸问题，从第一性原理推导最优Token基线，提出仅用前向概率近似梯度范数的Logit-Gradient Proxy，以N=4分组达到N=32性能，减少65%以上Token消耗。
ForeHOI: 从日常手物交互视频中进行前馈式3D物体重建
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） ； FNii-Shenzhen（FNii-深圳） ； Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来智能网络关键实验室） ； SDS, CUHKSZ（CUHKSZ SDS）
AI总结 提出前馈模型ForeHOI，通过联合2D掩膜修复和3D形状补全，在一分钟内从单目视频直接重建3D物体，无需预处理，性能优于优化方法且速度提升约100倍。
Comments 14 pages, 7 figures, Page: https://tao-11-chen.github.io/project_pages/ForeHOI/
任意时间安全PAC高效推理
机构 * Department of Statistics and Data Science（统计与数据科学系） ； Department of Statistics（统计系） ； Data Science, Southern University of Science（数据科学，南方科技大学） ； College of Computing（计算学院） ； College of Computing and Data Science（计算与数据科学学院） ； School of Statistics（统计学系） ； School of Statistics and Data Science（统计与数据科学系） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（人工智能学院，香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 针对大型推理模型计算成本高的问题，提出B-PAC推理方法，利用逆倾向评分估计构建测试超鞅，动态调整路由阈值，在部分反馈下实现任意时间安全高效推理，理论保证性能损失控制，实验减少思考模型使用达81.01%。
Comments Accepted by ICML 2026
WebCryptoAgent: 基于网络信息学的智能加密货币交易
机构 * AI Geeks ； CUHK ； Peking University（北京大学） ； TJU（天津大学） ； La Trobe（拉特罗布大学）
AI总结 提出WebCryptoAgent框架，通过模态专用代理整合异构网络信息与市场信号，并采用解耦控制架构实现快速风险响应，提升交易稳定性与尾部风险处理能力。
Adam对称性定理：随机Adam优化器收敛性的刻画
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（数据科学学院，香港中文大学（深圳）） ； School of Data Science and School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（数据科学学院和人工智能学院，香港中文大学（深圳））
AI总结 针对强凸随机优化问题，证明了Adam优化器的收敛速率，并通过Adam对称性定理揭示了其收敛到全局最优解当且仅当数据对称分布，否则不收敛。
Comments 93 pages
自然阅读中层级结构与统计的相对强度因测量指标而异
机构 * Department of Brain and Cognitive Sciences, University of Rochester（罗切斯特大学脑科学与认知科学系） ； Department of Linguistics and Modern Languages, the Chinese University of Hong Kong（香港中文大学语言学与现代语言系） ； Department of Language Science, University of California Irvine（加州大学 Irvine 分校语言科学系）
AI总结 本研究通过同步脑电图和眼动追踪，结合贝叶斯网络建模和回归分析，探究层级句法结构与统计因素在在线理解中的相对强度，发现层级结构在阅读前即可影响理解，但其强度因行为或神经层面而异。
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