高校专区
何时使用额外上下文：基于证据的术语适应在同步语音翻译中的应用
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 研究同步语音翻译中额外上下文的使用，提出基于证据的术语适应框架EGTA，通过构建术语记忆、选择候选术语来调整决策空间，无需全模型微调，在多个指标上有提升，改进与特定论文证据对齐有关。
基于数值天气预报的傅里叶几何风力发电预测
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） ； Tsinghua University（清华大学） ； Goldwind Science and Technology Co.,Ltd（金风科技股份有限公司）
AI总结 研究针对风力发电预测难题，提出多模态框架，整合SCADA数据与NWP预测。先分解输入特征，再用几何编码器和傅里叶神经算子建模，实验表明该模型优于现有基线，凸显基于物理设计的有效性。
通过影响匹配进行数据集蒸馏
机构 * HKU（香港大学） ； CUHK（香港中文大学） ； Stanford（斯坦福大学）
AI总结 从结果角度重审数据集蒸馏，提出影响匹配方法，通过可微估计器量化参数变化，学习合成集使影响与真实数据集匹配，在分类和视觉语言蒸馏任务中表现出色，超越基线。
Journal ref CVPR 2026
HARP：用于神经音频编解码器的谐波感知残差划分
机构 * Georgia Institute of Technology（佐治亚理工学院） ； The Chinese University of Hong Kong（香港中文大学） ； Tencent Music Entertainment（腾讯音乐娱乐集团）
AI总结 研究针对神经音频编解码器中码本频谱纠缠等问题，提出HARP训练策略，将RVQ阶段分组，在解码器能访问低频时各小组细化目标频带，重建泛音保留连贯性，该策略无需架构改变，性能优于标准RVQ和并行分解。
Comments Accepted to Interspeech 2026
一个分数够吗？用时间分数曲线评估歌曲的演唱质量
机构 * Xi’an Jiaotong University（西安交通大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 研究针对全长歌曲演唱质量评估难题，提出SongSQA两阶段框架。第一阶段用伪标签训练段分数预测器，第二阶段聚合器整合特征与分数生成嵌入并捕捉联系，有效提升评估效果，在KTAU上相对提高13.95%。
用于混合专家模型中一致专家选择的多层次上下文建模
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of AI, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）人工智能学院）
AI总结 研究混合专家模型中专家选择问题，提出多层次上下文融合MoE框架，通过整合跨层语义聚合和局部令牌级交互信号构建上下文感知表示，提升路由一致性和下游性能。
Apple-$π$：基于视频对基于法律的物理智能进行思维基准测试
机构 * S-Lab, Nanyang Technological University（南洋理工大学S-Lab） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 研究针对视频模型评估仅看输出层面的不足，提出Apple-PI基准，含数据集、协议和评估套件三部分，通过对11个模型测试发现其距可靠世界模拟器差距大，并揭示了一些瓶颈与差距，为指导视频模型发展提供诊断基础。
基于群对比前向算法的涌现分层单语义神经元
机构 * National University of Singapore（新加坡国立大学） ； Lund University（隆德大学） ； Chinese University of Hong Kong（香港中文大学） ； Indian Institute of Technology, Dhanbad（印度理工学院（丹巴德分校））
AI总结 研究探讨神经网络表示的可解释性，针对稀疏字典学习范式的局限，提出群对比前向算法GCFF，通过架构约束实现单语义性，能捕捉非线性概念，在CLIP表示上表现良好，还能从头训练网络并在图像分类基准中达最优性能。
ReactiveBFM：面向通用人形全身控制的反应式闭环运动规划
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 提出ReactiveBFM，一种实时闭环规划控制框架，通过调度前缀采样课程和异步重规划机制，解决生成式运动规划器与高频跟踪之间的延迟不匹配和暴露偏差问题，实现人形机器人全身协调和零样本反应式运动。
Comments Project page: https://xiao-chen.tech/reactivebfm/
原生主动感知作为全模态理解的推理
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Qwen Team, Alibaba Group（阿里巴巴集团Qwen团队）
AI总结 提出OmniAgent，一种基于POMDP迭代观察-思考-行动循环的原生全模态智能体，通过主动感知将推理复杂度与视频时长解耦，在多个基准上达到开源模型最优性能。
Comments Accepted at ICML 2026. Code and models: https://github.com/harryhsing/omniagent
MAGIS：基于证据的多智能体推理用于可解释的斜视临床决策
机构 * School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（电子科技大学深圳高等研究院） ； Joint Shantou International Eye Center of Shantou University and The Chinese University of Hong Kong（汕头大学·香港中文大学联合汕头国际眼科中心） ； School of Artificial Intelligence, Guangzhou City Polytechnic（广州城市职业学院人工智能学院） ； Medical College, Shantou University（汕头大学医学院） ； College of Engineering, Shantou University（汕头大学工学院） ； Department of Ophthalmology, Xinhua Hospital Affiliated to Shanghai Jiaotong University School of Medicine（上海交通大学医学院附属新华医院眼科） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 提出MAGIS框架，通过多智能体协作、双重证据约束上下文和基于证据的纠正验证机制，将斜视诊断从黑箱生成转变为结构化推理，在细粒度斜视基准上将加权F1分数从72.0%提升至91.3%，并显著提高诊断报告的临床可靠性。
从多智能体到单智能体：技能蒸馏何时有益？
机构 * The Chinese University of Hong Kong（香港中文大学） ； LIGHTSPEED
AI总结 研究探讨了技能蒸馏在多智能体系统到单智能体系统转换中的有效性，提出通过评估指标的拓扑刚性预测技能效用，并引入AdaSkill框架实现自适应蒸馏。
Comments 36 pages, 15 figures, 11 tables
基于分层验证的反向测试用于RAG中的幻觉检测
机构 * Lero, the Research Ireland Centre for Software, University of Limerick（Lero，爱尔兰科学基金会软件研究中心，利默里克大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Ottawa（渥太华大学）
AI总结 本文提出RT4CHART框架，通过分层验证提升RAG中上下文忠实度评估的准确性，实现细粒度审计，并在新标注基准上取得最佳检测效果。
SoMA：一种用于机器人软体操作的实-仿真神经模拟器
机构 * Fudan University, China（复旦大学） ； Shanghai Artificial Intelligence Laboratory, China（上海人工智能实验室） ； Shanghai Jiao Tong University, China（上海交通大学） ； The Chinese University of Hong Kong, China（香港中文大学） ； The University of Hong Kong, China（香港大学）
AI总结 SoMA是一种用于机器人软体操作的实-仿真神经模拟器，通过统一的潜在神经空间实现可控、稳定的长周期操作和泛化能力。
Comments Project page: https://city-super.github.io/SoMA/
InertialAR：基于惯性框架的自回归3D分子生成
机构 * The Chinese University of Hong Kong（香港中文大学） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Ottawa（渥太华大学）
AI总结 研究探索基于Transformer的自回归模型在3D分子生成上的应用。提出InertialAR，通过规范标记化、几何位置编码及分层自回归范式应对挑战，在无条件和可控生成任务中表现出色，多个指标达领先水平。
Comments Accepted at ICML 2026
从证据到轨迹：用于检索增强生成智能体开发的溯因推理路径合成
机构 * The Chinese University of Hong Kong, Sha Tin, NT, Hong Kong（香港中文大学） ； Université de Montréal, Montréal, Quebéc, Canada（蒙特利尔大学） ； McGill University, Montréal, Quebéc, Canada（麦吉尔大学） ； Mila - Quebéc AI Institute, Montréal, Quebéc, Canada（魁北克AI研究院） ； Huawei Noah’s Ark Lab, Montréal, Quebéc, Canada（华为诺亚实验室）
AI总结 针对检索增强生成智能体开发缺乏可执行轨迹问题，提出EviPath范式，通过溯因子任务规划、忠实子问题回答、对话微调三个阶段合成推理路径，实验表明基于此训练的模型在开放域问答中显著优于基线。
Comments KDD 2026 Research Track
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