高校专区
CSI的通用语言：统一跨设备和环境的无线传感
机构 * Shenzhen Research Institute of Big Data（深圳大数据研究院） ； 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）
AI总结 研究旨在解决基于CSI的WiFi传感异构问题，提出基础模型框架，通过整理标准化数据集、引入模块化架构，将CSI视为有通用语法的语言，实现跨设备和环境统一无线传感，提升泛化能力，优于特定任务基线。
高级数学基准测试：用于高级数学证明生成与验证的基准测试套件
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； MMLab, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Great Bay University（大湾区大学）
AI总结 介绍用于评估高级数学推理能力的AdvancedMathBench基准测试套件，含ProverBench证明生成基准及自动验证管道，还有VerifierBench。实验显示前沿模型在证明生成与验证上表现不佳，该套件对模型提升高级数学证明能力有挑战。
视差人像抠图
机构 * Multimedia Laboratory, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Adobe NextCam ； Shanghai AI Laboratory（上海人工智能实验室） ； CPII under InnoHK（创新香港研发平台下的CPII）
AI总结 针对图像抠图难题，提出视差人像抠图方法，利用连拍摄影中相机小幅度运动产生的前景-背景视差，通过估计trimap和前景/背景运动构建对齐视图预测，能恢复更精细细节和准确前景颜色。
Comments ECCV 2026
迈向自主且可审计的医学成像模型开发
机构 * The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Microsoft Research（微软研究院） ； Lehigh University（里海大学）
AI总结 研究针对医学成像模型开发困难的问题，提出AMID自主多代理框架。该框架含数据条件方法规划和验证引导两阶段优化，经20个医学成像任务验证，其性能优于通用MLE系统，能将特定任务模型开发转变为高效可审计的代理工作流程。
Comments 18 Pages
通过深度特征锚定偏好优化打破流式目标说话人提取中的质量-可懂度权衡
机构 * Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； SenseTime（商汤科技）
AI总结 研究流式目标说话人提取中的质量-可懂度权衡问题，提出扩大Conformer卷积核及基于WavLM的DPO微调策略，实现了相对可懂度10.9%的提升，同时音频质量和说话人相似度也有改善。
微分神经切线核及其正性
机构 * The Chinese University of Hong Kong（香港中文大学）
AI总结 研究针对物理信息神经网络（PINN），提出微分神经切线核（DNTK）理论框架，通过NTK分析PINN，建立了无限宽度DNTK的正性，为训练PINN的梯度型算法分析奠定基础。
Comments 31 pages, 1 figure
Q分数：一种用于分子对接的量子原生评分函数
机构 * Department of Computer Science（计算机科学系） ； The Chinese University of Hong Kong（香港中文大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Rutgers University（罗格斯大学） ； The University of Chicago（芝加哥大学）
AI总结 研究针对分子对接这一药物发现瓶颈，引入Q分数，通过图神经网络编码能量，利用数字化反绝热量子近似优化算法解决最大权重顶点团问题评分，在多个蛋白质靶点及大量分子上取得良好效果，验证了在噪声中等规模量子硬件上的可解性。
RynnWorld-Teleop：用于数字遥操作的动作条件世界模型
机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hong Kong Embodied AI Lab（香港具身人工智能实验室） ； CUHK（香港中文大学） ； Hupan Lab（湖畔实验室） ； Alibaba Group（阿里巴巴集团） ； Ant Group（蚂蚁集团）
AI总结 研究针对机器人学习数据收集瓶颈，提出数字遥操作范式，用生成世界模型解耦数据收集与物理约束。以RynnWorld-Teleop系统实现，含多种技术，能实时生成，训练策略可零样本转移，还能增强数据集，是高保真可扩展数据引擎。
Comments Project Page: https://alibaba-damo-academy.github.io/RynnWorld-Teleop.github.io, Github: https://github.com/alibaba-damo-academy/RynnWorld-Teleop
DemoPSD: 分歧调节的策略自蒸馏
机构 * City University of Hong Kong（香港城市大学） ； Tsinghua University（清华大学） ； Shenzhen University of Advanced Technology（深圳理工大学） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出DemoPSD框架，通过选择性采纳教师指导，平衡学生从教师学习和保持自身推理能力，解决特权信息泄露和探索抑制问题，在科学推理任务上优于现有方法。
PerspectiveGap: 多智能体编排提示的基准测试
机构 * University of Maryland（马里兰大学） ； The Chinese University of Hong Kong（香港中文大学） ； Stanford University（斯坦福大学）
AI总结 提出PerspectiveGap基准，评估LLM为多智能体系统编写编排提示的能力，实验显示模型平均通过率仅14.9%，表明该能力独特且未被充分评估。
NITP：面向LLM预训练的下一隐式令牌预测
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Xiaohongshu Inc.（小红书公司） ； The Chinese University of Hong Kong（香港中文大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出NITP方法，通过在表示空间中添加密集连续监督来增强离散令牌预测，以解决标准下一令牌预测中潜在表示空间约束不足的问题，并在0.5B至9B参数模型上取得一致性能提升。
Comments Accepted at ICML 2026
驾驶千面：一个闭环个性化端到端自动驾驶的基准
机构 * The University of Hong Kong（香港大学） ； ShanghaiTech University（上海科技大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出Person2Drive平台，通过个性化数据集、评价指标和框架，解决自动驾驶个性化难题，实现细粒度分析与有效个性化。
Comments Accepted to ECCV 2026. Camera-ready version
将复利文动力学与基于得分和基于能量的扩散模型相结合
机构 * Centre for Quantum Fields and Gravity（量子场与引力中心） ； Department of Physics, Swansea University（斯旺西大学物理系） ； RIKEN Center for Interdisciplinary Theoretical and Mathematical Sciences (iTHEMS)（理化学研究所交叉学科理论与数学科学中心） ； School of Science and Engineering, The Chinese University of Hong Kong Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳）科学与工程学院） ； Frankfurt Institute for Advanced Studies（法兰克福高级研究 institute）
AI总结 本文探讨了复利文动力学与基于得分和能量的扩散模型结合的可能性，旨在利用扩散模型学习复利文过程采样的分布，并探索其潜在应用。
Comments 22 pages, many figures
Journal ref J. High Energ. Phys. 2025, 160 (2025)
LoFi：用于Wi-Fi定位与跟踪的视觉辅助标签生成器
机构 * Shenzhen Research Institute of Big Data（深圳大数据研究院） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； 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）
AI总结 LoFi通过视觉辅助生成高精度的Wi-Fi定位与跟踪标签，降低数据收集成本，提升数据驱动方法的实用性。
利用真实数据建模5G能耗：能量指纹是你所需的一切
机构 * Shenzhen Research Institute of Big Data（深圳大数据研究院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； 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） ； Huawei Technologies（华为技术有限公司） ； School of Software Engineering, Tongji University（同济大学软件工程学院）
AI总结 本文提出基于真实数据集的深度学习模型，通过整合基站标识符和引入掩码训练与注意力机制，有效提升了5G基站能耗估计的准确性。
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