高校专区
WorldExam：从表观外观到内在反应性对世界模型进行基准测试
机构 * CASIA（中国科学院自动化研究所） ； SLAI（智能科学与技术实验室） ； CUHK（香港中文大学） ； AMAP（中国农业科学院） ； THU（清华大学）
AI总结 该研究推出WorldExam基准，评估20个模型在视觉质量等四层级的表现，发现不同驱动模型能力有明显分化，无模型兼具广泛任务覆盖与稳定性能，高视觉质量不代表内在反应性强。
Comments Project Website: https://WorldExam.github.io
超越全局隐变量：面向可扩展3D建模的基于块的稀疏网格变分自编码器
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tencent Hunyuan（腾讯混元） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 该研究针对稀疏体素网格内存随分辨率快速增长的问题，提出基于块的ChunkVAE，通过局部算子和互补数据算子实现可扩展3D建模，在多基准测试中性能优于或相当基线，且内存与推理效率更优。
Comments 14 pages, 9 figures
DiffPrune：用于视觉-语言模型中 token 剪枝的可微信息节流方法
机构 * Shenzhen University of Advanced Technology（深圳先进技术大学） ； CUHK MMLab, CPII under InnoHK（香港中文大学MMLab，InnoHK下属CPII）
AI总结 DiffPrune 是一种用于视觉-语言模型的可微 token 剪枝方法，通过信息节流器避免松弛选择的不稳定性，在保留 96.5% 准确率的同时实现 2.85 倍 LLM 预填充加速，推理开销仅 0.69 毫秒。
GABench：用于评估大语言模型智能体图分析任务的综合基准
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学）
AI总结 本文提出GABench这一综合基准，涵盖多类图类型与任务及84个可执行工具，构建10400个带可验证答案的任务，评估前沿LLM及智能体框架，发现现有智能体应对复杂图任务仍存局限等结论。
基于强化学习的智能体技能渐进式生成
机构 * The Chinese University of Hong Kong（香港中文大学） ； LIGHTSPEED（光速公司）
AI总结 该研究针对现有技能生成方法的缺陷，提出基于强化学习的Skill-α方法，将技能生成为序列编辑过程并引入回退奖励，在CL-Bench和tau2-bench上均显著提升了下游任务成功率。
Comments Code is available at https://github.com/ejhshen/skill-alpha
通过反事实评估理解长上下文基础模型中的稀疏注意力选择性
机构 * The Chinese University of Hong Kong（香港中文大学） ； University of Maryland（马里兰大学）
AI总结 该研究通过反事实评估探究长上下文基础模型的稀疏注意力选择性，证实稀疏化会改变内容影响力，提出开放测量框架，相关结果无法通过聚合准确率检测。
DocNavRAG：面向复杂文档问答的、具有状态化证据构建能力的文档结构化图RAG
机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； 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） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出DocNavRAG，将文档结构组织为可导航图并维护证据状态，在四个文档QA基准上，相比最强基线平均提升答案质量7.8%、上下文充分性17.7%。
Comments 19 pages, 5 figures, 16 tables
替代更新何时能改进决策？轨迹式迁移的局部理论
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 该研究提出轨迹式迁移的局部理论，探究替代更新改进决策的条件，推导相关梯度、校准等理论结果，通过网格世界和LLM后训练实验验证结论。
Comments 22 pages in total, including references and appendices; 3 composite figures (9 panels) and 4 tables. Code is available at https://github.com/Ethan-Shen-Individual-Lab/surrogate-to-decision-transfer
AIMold：一种用于复杂模具设计的自主AI驱动流水线
机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院） ； Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来网络智能重点实验室） ； FNii-Shenzhen（深圳未来网络研究院）
AI总结 研究针对复杂模具设计依赖专家知识、缺乏公开数据集的问题，推出含超2.3万个模型的MoldCAD数据集，提出AI流水线实现模具设计自动化，助力制造感知型CAD生成。
Comments Accepted to ECCV 2026. Code is available at https://github.com/tb2-sy/AIMold
OmniAI：一种面向人机交互的表面自适应空中投影界面
机构 * Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院） ； School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院）
AI总结 OmniAI是一种具现化空中智能体，通过自适应投影实现人机交互，采用RGB-D与RANSAC检测投影表面，支持语音、手势控制，为情境感知人机交互提供移动空间AR界面。
基于轻量级专家混合与本征图像对齐的内窥镜可泛化深度估计增强方法
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本文提出自监督框架EndoMINI，结合低秩专家混合与本征图像对齐，在多内窥镜数据集上实现了更优的可泛化深度估计性能。
Comments Accepted by MICCAI 2026 @ The Efficient Medical AI (EMA4MICCAI) Workshop (Oral Presentation)
索引算法下后-bandit推理中的偏差表征
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） ； School of Management and Economics, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）经管学院）
AI总结 该研究针对UCB1等稳定索引算法，推导后-bandit推理中样本均值偏差和Z统计量的精确表达式，揭示了有效探索率这一偏差起源，发现索引函数选择存在遗憾-偏差权衡，采用新颖经验流体近似开展分析。
用于机器人超声中目标平面探头引导的动作条件世界模型
机构 * Department of Mechanical and Automation Engineering, Chinese University of Hong Kong（香港中文大学机械与自动化工程学系） ； Department of Biomedical Engineering, City University of Hong Kong（香港城市大学生物医学工程学系） ； Centre for Artificial Intelligence and Robotics Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences（中国科学院香港创新研究院人工智能与机器人中心） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Department of Surgical and Interventional Engineering, King’s College London（伦敦国王大学外科与介入工程学系） ； Department of Vascular Ultrasound, Xuanwu Hospital, the Capital Medical University（首都医科大学宣武医院血管超声科）
AI总结 研究针对机器人超声目标平面探头引导问题，提出基于模型的两阶段学习管道，包括潜在条件扩散世界模型和目标条件时间变换器，在自收集数据集及实际闭环实验中取得较好成果，证明学习到的超声动力学对训练目标导向机器人探头导航有潜力。
用表示自编码器蒸馏漂移变换器
机构 * Tsinghua University（清华大学） ； Ant Group（蚂蚁集团） ； CUHK（香港中文大学）
AI总结 提出Drift-RAE方法，通过漂移范式在表示自编码器潜空间中蒸馏预训练流模型，解决各向异性和大曲率问题，在ImageNet 256上仅用10k步达到1.77 FID。
Kernel Foundry：一种基于诊断的多专家进化内核优化器
机构 * The Chinese University of Hong Kong（香港中文大学） ； Noah’s Ark Lab, Huawei Hong Kong（华为香港诺亚实验室）
AI总结 提出Kernel Foundry，一种结合专家引导初始化、多岛进化搜索和结构化诊断反馈的自动GPU内核优化框架，显著提升正确性和性能。
大型音频语言模型综述：通用性、可信度与展望
机构 * Nanyang Technological University（南洋理工大学） ； Independent Researcher（独立研究者） ； The University of Melbourne（墨尔本大学） ； North China Electric Power University（华北电力大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Tsinghua University（清华大学） ； Fortemedia Singapore（富媒体新加坡） ； Tencent（腾讯） ； Fudan University（复旦大学） ； Wuhan University（武汉大学） ； Chinese University of Hong Kong（香港中文大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 本文综述了大型音频语言模型的通用性、可信度及未来发展方向，探讨了其架构创新、对齐算法及安全风险，并提出了防御深入、因果音频世界建模等策略以提升音频智能的可信度。
突破探索瓶颈：面向通用大语言模型推理的Rubric引导强化学习
机构 * Zhejiang University（浙江大学） ； Li Auto Inc.（力汽车公司） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Hangzhou City University（杭州市大学）
AI总结 本文提出Rubric-Scaffolded Reinforcement Learning，通过引入检查表式评分标准作为探索和利用的指导框架，突破通用大语言模型推理的探索瓶颈，提升推理能力。
长周期推理代理用于竞赛级数学问题求解
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； MMLab ； The Chinese University of Hong Kong（香港中文大学） ； ICMAT Spanish National Research Council（西班牙国家科研 council） ； The High School Affiliated to Renmin University of China（中国人民大学附属高中） ； Ren Hui Academy of Beijing（北京润辉学院）
AI总结 本文提出Intern-S1-MO，通过多轮分层推理和OREAL-H框架，突破IMO级数学问题的上下文限制，实现26/35分的优异成绩。
先恢复文本，后增强图像：基于字形结构引导的两阶段场景文本图像超分辨率
机构 * VCIP, CS, Nankai University（南开大学计算机科学与技术学院） ； vivo Mobile Communication Co. Ltd（vivo移动通信有限公司） ； SDS, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）信息科学与技术学院）
AI总结 TIGER通过两阶段框架先恢复文本再增强图像，利用字形结构引导实现场景文本图像超分辨率的高保真度与可读性提升。
Comments Project Page: https://tony-lowe.github.io/TIGER_project_page/ GitHub Repo: https://github.com/OpenVeraTeam/TiGeSR Huggingface Dataset: https://huggingface.co/datasets/mxluocv/UZ-ST Huggingface Weights: https://huggingface.co/mxluocv/TiGeSR
WorldMirror：基于任意先验提示的通用三维世界重建
机构 * Zhejiang University（浙江大学） ； Chinese University of Hong Kong（香港中文大学） ； Tencent Hunyuan（腾讯混元）
AI总结 本研究提出WorldMirror这一统一前馈模型，可整合多种几何先验并生成多种三维表示，在多类三维几何任务的基准测试中达到最优性能且推理效率高。
Comments Accepted to ICML 2026. Code: https://github.com/Tencent-Hunyuan/HunyuanWorld-Mirror Project page: https://3d-models.hunyuan.tencent.com/world/
质量-多样性红队测试：针对大语言模型的高质量多样化攻击者自动生成
机构 * National Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家实验室，南京大学） ； School of Artificial Intelligence, Nanjing University（人工智能学院，南京大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港大学深圳校区） ； Southern University of Science and Technology（南方科技大学）
AI总结 该研究提出QDRT框架，通过训练多专用攻击者生成高质量多样化攻击，提升LLM安全评估的多样性与有效性，支持LLM负责任部署。
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