DOPD: Dual On-policy Distillation
DOPD：双重在线策略蒸馏
机构 * NUS（新加坡国立大学） ； MMLab, CUHK（香港中文大学多媒体实验室） ； PKU（北京大学） ； Explore Academy, JD（京东探索研究院）
AI总结 提出DOPD方法，通过优势感知的双重蒸馏范式动态分配令牌级监督，缓解特权幻觉，在LLM和VLM上优于传统在线策略蒸馏。
高校专区
The Chinese University of Hong Kong（香港中文大学）
Morphing into Hybrid Attention Models
变形为混合注意力模型
机构 * Fudan University（复旦大学） ； ByteDance Seed（字节跳动种子） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出FlashMorph方法，将层选择建模为预算约束子集优化问题，通过可变形模型和门控学习高效选择全注意力层，实现Transformer到混合注意力的转换，在保持性能的同时降低选择成本。
Uncovering Salience-Driven Dynamics in Consumer Confidence with Generative Social Simulation
揭示消费者信心中的显著性驱动动态：基于生成式社会模拟
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出ConsumerSim框架，通过微观数据校准的合成人口、宏观经济信号和调查响应生成，重建消费者信心指数，在美欧日数据上优于基线模型，并揭示信心变化集中于显著性事件，且不同群体敏感性各异。
UniGP: Taming Diffusion Transformer for Prior-Preserved Unified Generation and Perception
UniGP：驯服扩散Transformer以实现先验保留的统一生成与感知
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； DAMO Academy, Alibaba Group（阿里云达摩院） ； Hupan Lab（虎扑实验室） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Zeekr Automobile R&D Co., Ltd.（小鹏汽车研发有限公司）
AI总结 提出UniGP框架，基于MMDiT通过简单联合训练统一可控生成与密集预测，无需复杂任务设计，保留骨干先验，在多个任务上超越先前统一方法并与专用方法持平。
Parametric Skills
参数化技能
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） ； KTH Royal Institute of Technology（皇家理工学院） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出ParametricSkills框架，将文本技能在测试时转换为LoRA参数，解决长上下文下技能指令难以遵循的问题，在软件工程任务中平均提升6.44分。
Comments Preprint, Under Review
Trajectory Optimization for Collision-Aware Redundant Robotic Multi-Axis Additive Manufacturing by Constrained Gradient Projection
基于约束梯度投影的碰撞感知冗余机器人多轴增材制造轨迹优化
机构 * 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） ； Centre for Perceptual and Interactive Intelligence (CPII)（感知与交互智能中心） ； Department of Robotics at the School of Mechanical Engineering, Southeast University（东南大学机械工程学院机器人系）
AI总结 提出一种约束梯度投影框架，用于冗余机器人多轴增材制造的碰撞感知轨迹优化，通过相对雅可比和可微SDF碰撞模型实现硬约束，在8-DOF平台上平均位置误差<10μm，关节加加速度降低77.6%，速度提升10.2倍。
ReMAP-PET: Beyond Visual Understanding -- Learning Region-Guided Metabolic Alignment Semantics from Brain PET
ReMAP-PET：超越视觉理解——从脑PET学习区域引导的代谢对齐语义
机构 * The Chinese University of Hong Kong, HKSAR（香港中文大学） ； TReNDS Center (Georgia State, Georgia Tech, Emory)（TReNDS中心（佐治亚州立大学、佐治亚理工学院、埃默里大学）） ； ShanghaiTech University, Shanghai, P.R.China（上海科技大学） ； University of California, Berkeley, USA（加州大学伯克利分校） ； University of Texas Health Science Center at Houston, USA（德克萨斯大学健康科学中心（休斯顿）） ； Nanyang Technological University, Singapore（南洋理工大学）
AI总结 提出ReMAP-PET框架，通过联合回归和对比学习监督3D ResNet-50学习脑PET的区域代谢语义，在SUVR预测和检索上显著优于基线，并实现与临床语言的对齐及报告生成。
Can LLMs Hire Fairly? Racial Bias in Resume Screening
LLM能公平招聘吗？简历筛选中的种族偏见
机构 * Department of Finance, CUHK Business School（财务系，CUHK商学院）
AI总结 使用配对简历方法审计14个主流大语言模型，发现2023年模型重现白人回调差距，而2024年后模型显示无差距或反向偏差，表明算法招聘偏见方向随模型代际反转。
SWE-MeM: Learning Adaptive Memory Management for Long-Horizon Coding Agents
SWE-MeM：面向长周期编码代理的自适应内存管理学习
机构 * The Chinese University of Hong Kong, China（香港中文大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； Tsinghua University, China（清华大学） ； ByteDance, China（字节跳动）
AI总结 提出SWE-MeM训练框架，通过灵活的内存工具和Memory-aware GRPO优化，让代理在有限上下文预算下自主决定压缩时机、内容和方式，在SWE-Bench Verified上以4B和30B模型分别达到43.4%和60.2%的解决率，优于现有方法。
HMARS: A Hierarchical Multi-Agent Memory System for Long-Context Reasoning
HMARS：用于长上下文推理的分层多智能体记忆系统
机构 * The Chinese University of Hong Kong（香港中文大学）
AI总结 提出HMARS分层多智能体记忆系统，通过子智能体、中层智能体和前沿模型的分层结构管理长上下文，在长文档和多轮记忆任务中优于检索、重排序、全上下文、基于图和智能体基线。
X-Stream: Exploring MLLMs as Multiplexers for Multi-Stream Understanding
X-Stream: 探索多模态大语言模型作为多流理解的多路复用器
机构 * MMLab, Chinese University of Hong Kong（中大香港人工智能实验室） ； Huawei Inc.（华为公司）
AI总结 为解决多流视频理解评估缺失的问题，提出首个基准X-Stream，包含4220个QA对和932个视频，覆盖多窗口、多视角和多设备场景，并基于信号多路复用理论评估MLLM作为多路复用器的性能，发现现有模型在并发流上仅达约50%分数。
Comments Project Page: https://peiwensun2000.github.io/xstream/
Aliasing-Free Neural Audio Synthesis
无混叠神经音频合成
机构 * Aalto University School of Science（阿alto大学科学学院） ； Aalto University（阿alto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） ； Spellbrush, Akihabara, Tokyo（东京秋叶原Spellbrush）
AI总结 本文提出Pupu-Vocoder和Pupu-Codec，通过可微抗混叠技术提升音乐和歌声合成质量，实验显示其在歌声、音乐和音频上表现更优。
Comments Accepted by TASLP
Drift-AR: Single-Step Visual Autoregressive Generation via Anti-Symmetric Drifting
Drift-AR：通过反向对称漂移实现单步视觉自回归生成
机构 * University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong, MMLAB（香港中文大学多媒体实验室） ； JD Explore Academy（京东探索研究院） ； Beihang University（北京航空航天大学）
AI总结 Drift-AR通过利用熵信号加速自回归和视觉解码阶段，实现单步生成，提升了生成速度并保持了高质量。
Adam's Law: Textual Frequency Law on Large Language Models
Adam的定律：大型语言模型中的文本频率定律
机构 * FaceMind Corporation（FaceMind公司） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出文本频率定律，通过优化文本频率提升LLM的提示和微调效果，并通过文本频率蒸馏和课程训练方法验证了其有效性。
Comments ACL 2026 Main Conference; The latest version
TUGS: Physics-based Compact Representation of Underwater Scenes by Tensorized Gaussian
TUGS: 基于物理的紧凑表示法用于水下场景的张量高斯表示
机构 * Huazhong University of Science and Technology（华中科技大学） ； Zhongguancun Academy（中关村学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Zhengzhou University（郑州大学） ； Hainan University（海南大学） ； Shenzhen University（深圳大学）
AI总结 本文提出TUGS，一种基于物理模型的紧凑水下3D表示法，通过物理建模复杂水下光场，实现高效高质量的水下图像渲染，实验表明其在有限参数下能取得优越的重建质量。
Grounding Sim-to-Real Generalization in Robotic Manipulation: An Empirical Study with Vision-Language-Action Models
在机器人操作中建立仿真到现实泛化：基于视觉-语言-动作模型的实证研究
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） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本文通过四个维度探讨仿真到现实泛化的决定因素，提出评估协议并释放资源以建立标准化基准，提升机器人操作策略的泛化能力。
Efficient-VLN: A Simple yet Strong Baseline for Efficient Vision-Language Navigation
Efficient-VLN: 一种高效且强大的视觉语言导航基线
机构 * The Chinese University of Hong Kong（香港中文大学） ； Weitu AI
AI总结 Efficient-VLN通过三个简单有效机制解决视觉语言导航中的系统瓶颈，提升推理效率和训练稳定性，在R2R-CE和RxR-CE基准上取得新突破。
EfficientUICoder: A Bidirectional Token Compression Framework for Efficient MLLM-Based UI Code Generation
EfficientUICoder: 一种用于高效基于多模态大语言模型的UI代码生成的双向标记压缩框架
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huazhong University of Science and Technology（华中科技大学） ； Singapore Management University（新加坡管理大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出EfficientUICoder，通过元素和布局感知标记压缩、区域感知标记精炼和自适应重复标记抑制，有效压缩UI代码生成的标记数量，提升生成效率和代码质量。
Comments Published in the Proceedings of the 2026 ACM International Conference on the Foundations of Software Engineering (FSE 2026)
StarDojo: Benchmarking Open-Ended Behaviors of Agentic Multimodal LLMs in Production-Living Simulations with Stardew Valley
StarDojo：基于Stardew Valley的多模态大语言模型在生产-生活模拟中的开放性行为基准测试
机构 * Nanyang Technological University（南洋理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； East China University of Science and Technology（华东理工大学） ； Singapore Management University（新加坡管理大学）
AI总结 StarDojo通过Stardew Valley模拟评估多模态大语言模型在生产与社交活动中的综合能力，包含1000个任务，发现GPT-4.1在视觉理解与多模态推理方面存在显著不足。
Comments Accepted by ECCV 2026. Project website: https://weihaotan.github.io/StarDojo
