The Chinese University of Hong Kong（香港中文大学）

AR-CoPO: Align Autoregressive Video Generation with Contrastive Policy Optimization

AR-CoPO: 利用对比策略优化对齐自回归视频生成

Dailan He, Guanlin Feng, Xingtong Ge, Yi Zhang, Bingqi Ma, Guanglu Song, Yu Liu, Hongsheng Li

机构 * CUHK MMLab（香港中文大学多媒体实验室） ； Vivix Group Limited（Vivix集团有限公司） ； HKUST（香港科技大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； CPII under InnoHK（InnoHK下的CPII） 纠错

AI总结 提出AR-CoPO框架，通过分叉机制构建邻域候选、分块级对齐和半在线训练策略，解决流式自回归视频生成中RLHF对齐难题，提升跨域泛化与人类偏好对齐。

Comments ECCV 2026

Enhancing Graph Representations with Neighborhood-Contextualized Message-Passing

增强图表示：邻域上下文化的消息传递

Brian Godwin Lim, Galvin Brice Lim, Renzo Roel Tan, Irwin King, Kazushi Ikeda

机构 * Nara Institute of Science and Technology（奈良先端科学技术大学院大学） ； Kyoto University（京都大学） ； Ateneo de Manila University（马尼拉雅典耀大学） ； UNI-President Information Philippines Corporation（统一信息菲律宾公司） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 提出邻域上下文化消息传递（NCMP）框架，通过整合多集邻域上下文增强GNN表达能力，并实例化为SINC-GCN，在保持高效的同时显著提升性能。

Comments Published in Transactions on Machine Learning Research

Journal ref Transactions on Machine Learning Research. (2026)