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

When to Use Extra Context: Evidence-Grounded Terminology Adaptation for Simultaneous Speech Translation

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

Zeyu Yang, Satoshi Nakamura

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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。

Fourier Geometric Wind Power Forecasting with Numerical Weather Prediction

基于数值天气预报的傅里叶几何风力发电预测

Shiyuan Piao, Fan Zehui, Yang Liu, Hong Cheng, Juepeng Zheng, Jie Zhou, Fugee Tsung

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） 纠错

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。

Dataset Distillation by Influence Matching

通过影响匹配进行数据集蒸馏

Haoru Tan, Wang Wang, Sitong Wu, Xiuzhe Wu, Yangtian Sun, Chirui Chang, Shaofeng Zhang, Xiaojuan Qi

机构 * HKU（香港大学） ； CUHK（香港中文大学） ； Stanford（斯坦福大学） 纠错

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: Harmonic-Aware Residual Partitioning for Neural Audio Codecs

HARP：用于神经音频编解码器的谐波感知残差划分

Qiaoyu Yang, Lixing He, Binyue Deng, Weifeng Zhao

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） 纠错

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

Is One Score Enough? Assessing Singing Quality of Songs with Temporal Score Curves

一个分数够吗？用时间分数曲线评估歌曲的演唱质量

Yishan Lv, Jing Luo, Xinyu Yang, Zhizheng Wu

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）） 纠错

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%。

Multi-level context Modeling for consistent expert selection in Mixture-of-Experts

用于混合专家模型中一致专家选择的多层次上下文建模

Shuhan Huang, Naifan Zhang, Yuanbo Tang, Yang Li, Wai Kin Victor Chan

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） 纠错

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-$π$: Benchmarking Thinking with Video Towards Law-Grounded Physical Intelligence

Apple-$π$：基于视频对基于法律的物理智能进行思维基准测试

Runmao Yao, Kairui Hu, Yukang Cao, Ruisi Wang, Shulin Tian, Ziang Cao, Weichen Fan, Ziqi Huang, Yuhao Dong, Hao Li, Zhaoxi Chen, Zhongang Cai, Lei Yang, Ziwei Liu

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） 纠错

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。

Emergent Hierarchical Monosemantic Neurons from the Group-Contrastive Forward-Forward Algorithm

基于群对比前向算法的涌现分层单语义神经元

Yiming Tang, Qinglin Qi, Zhaoqian Yao, Harshvardhan Saini, Dianbo Liu

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）） 纠错

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。