高校专区
参数化技能
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； KTH Royal Institute of Technology（皇家理工学院） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出ParametricSkills框架，将文本技能在测试时转换为LoRA参数，解决长上下文下技能指令难以遵循的问题，在软件工程任务中平均提升6.44分。
Comments Preprint, Under Review
基于约束梯度投影的碰撞感知冗余机器人多轴增材制造轨迹优化
机构 * Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系） ； Centre for Perceptual and Interactive Intelligence (CPII)（感知与交互智能中心） ； Department of Robotics at the School of Mechanical Engineering, Southeast University（东南大学机械工程学院机器人系）
AI总结 提出一种约束梯度投影框架，用于冗余机器人多轴增材制造的碰撞感知轨迹优化，通过相对雅可比和可微SDF碰撞模型实现硬约束，在8-DOF平台上平均位置误差<10μm，关节加加速度降低77.6%，速度提升10.2倍。
ReMAP-PET：超越视觉理解——从脑PET学习区域引导的代谢对齐语义
机构 * The Chinese University of Hong Kong, HKSAR（香港中文大学） ； TReNDS Center (Georgia State, Georgia Tech, Emory)（TReNDS中心（佐治亚州立大学、佐治亚理工学院、埃默里大学）） ； ShanghaiTech University, Shanghai, P.R.China（上海科技大学） ； University of California, Berkeley, USA（加州大学伯克利分校） ； University of Texas Health Science Center at Houston, USA（德克萨斯大学健康科学中心（休斯顿）） ； Nanyang Technological University, Singapore（南洋理工大学）
AI总结 提出ReMAP-PET框架，通过联合回归和对比学习监督3D ResNet-50学习脑PET的区域代谢语义，在SUVR预测和检索上显著优于基线，并实现与临床语言的对齐及报告生成。
LLM能公平招聘吗？简历筛选中的种族偏见
机构 * Department of Finance, CUHK Business School（财务系，CUHK商学院）
AI总结 使用配对简历方法审计14个主流大语言模型，发现2023年模型重现白人回调差距，而2024年后模型显示无差距或反向偏差，表明算法招聘偏见方向随模型代际反转。
SWE-MeM：面向长周期编码代理的自适应内存管理学习
机构 * The Chinese University of Hong Kong, China（香港中文大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； Tsinghua University, China（清华大学） ； ByteDance, China（字节跳动）
AI总结 提出SWE-MeM训练框架，通过灵活的内存工具和Memory-aware GRPO优化，让代理在有限上下文预算下自主决定压缩时机、内容和方式，在SWE-Bench Verified上以4B和30B模型分别达到43.4%和60.2%的解决率，优于现有方法。
HMARS：用于长上下文推理的分层多智能体记忆系统
机构 * The Chinese University of Hong Kong（香港中文大学）
AI总结 提出HMARS分层多智能体记忆系统，通过子智能体、中层智能体和前沿模型的分层结构管理长上下文，在长文档和多轮记忆任务中优于检索、重排序、全上下文、基于图和智能体基线。
X-Stream: 探索多模态大语言模型作为多流理解的多路复用器
机构 * MMLab, Chinese University of Hong Kong（中大香港人工智能实验室） ； Huawei Inc.（华为公司）
AI总结 为解决多流视频理解评估缺失的问题，提出首个基准X-Stream，包含4220个QA对和932个视频，覆盖多窗口、多视角和多设备场景，并基于信号多路复用理论评估MLLM作为多路复用器的性能，发现现有模型在并发流上仅达约50%分数。
Comments Project Page: https://peiwensun2000.github.io/xstream/
无混叠神经音频合成
机构 * Aalto University School of Science（阿alto大学科学学院） ； Aalto University（阿alto大学） ； 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） ； Spellbrush, Akihabara, Tokyo（东京秋叶原Spellbrush）
AI总结 本文提出Pupu-Vocoder和Pupu-Codec，通过可微抗混叠技术提升音乐和歌声合成质量，实验显示其在歌声、音乐和音频上表现更优。
Comments Accepted by TASLP
Drift-AR：通过反向对称漂移实现单步视觉自回归生成
机构 * University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong, MMLAB（香港中文大学多媒体实验室） ； JD Explore Academy（京东探索研究院） ； Beihang University（北京航空航天大学）
AI总结 Drift-AR通过利用熵信号加速自回归和视觉解码阶段，实现单步生成，提升了生成速度并保持了高质量。
Adam的定律：大型语言模型中的文本频率定律
机构 * FaceMind Corporation（FaceMind公司） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出文本频率定律，通过优化文本频率提升LLM的提示和微调效果，并通过文本频率蒸馏和课程训练方法验证了其有效性。
Comments ACL 2026 Main Conference; The latest version
TUGS: 基于物理的紧凑表示法用于水下场景的张量高斯表示
机构 * Huazhong University of Science and Technology（华中科技大学） ； Zhongguancun Academy（中关村学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Zhengzhou University（郑州大学） ； Hainan University（海南大学） ； Shenzhen University（深圳大学）
AI总结 本文提出TUGS，一种基于物理模型的紧凑水下3D表示法，通过物理建模复杂水下光场，实现高效高质量的水下图像渲染，实验表明其在有限参数下能取得优越的重建质量。
在机器人操作中建立仿真到现实泛化：基于视觉-语言-动作模型的实证研究
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） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本文通过四个维度探讨仿真到现实泛化的决定因素，提出评估协议并释放资源以建立标准化基准，提升机器人操作策略的泛化能力。
Efficient-VLN: 一种高效且强大的视觉语言导航基线
机构 * The Chinese University of Hong Kong（香港中文大学） ； Weitu AI
AI总结 Efficient-VLN通过三个简单有效机制解决视觉语言导航中的系统瓶颈，提升推理效率和训练稳定性，在R2R-CE和RxR-CE基准上取得新突破。
EfficientUICoder: 一种用于高效基于多模态大语言模型的UI代码生成的双向标记压缩框架
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huazhong University of Science and Technology（华中科技大学） ； Singapore Management University（新加坡管理大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出EfficientUICoder，通过元素和布局感知标记压缩、区域感知标记精炼和自适应重复标记抑制，有效压缩UI代码生成的标记数量，提升生成效率和代码质量。
Comments Published in the Proceedings of the 2026 ACM International Conference on the Foundations of Software Engineering (FSE 2026)
StarDojo：基于Stardew Valley的多模态大语言模型在生产-生活模拟中的开放性行为基准测试
机构 * Nanyang Technological University（南洋理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； East China University of Science and Technology（华东理工大学） ； Singapore Management University（新加坡管理大学）
AI总结 StarDojo通过Stardew Valley模拟评估多模态大语言模型在生产与社交活动中的综合能力，包含1000个任务，发现GPT-4.1在视觉理解与多模态推理方面存在显著不足。
Comments Accepted by ECCV 2026. Project website: https://weihaotan.github.io/StarDojo
基于级联扩散先验和UV空间可微分着色的单目虚拟人重建
机构 * Beihang University（北航） ； Great Wall Motors（长城汽车） ； CUHK-Shenzhen（香港科技大学深圳研究院） ； HKUST（香港科技大学） ； Nanjing University（南京大学） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； KAUST（王国 Abdullah 基础科学研究院） ； Tsinghua University（清华大学）
AI总结 提出数据高效框架，利用统一预训练扩散模型的鲁棒先验，通过级联LoRA依次处理纹理补全、去光照和材质分解，结合UV空间可微分BRDF着色损失，从单张野外图像重建高保真可重光照3D虚拟人。
Comments Accepted by ECCV 2026. Project page: https://luh1124.github.io/MARCUS-Avatar-Projectpage/
Video-MME-Logical: 面向视频时序逻辑推理的受控诊断基准
机构 * HKUST（香港科技大学） ； Colab, Beihang University（北京航空航天大学合作实验室） ； CUHK（香港中文大学）
AI总结 为隔离评估多模态大模型在视频中的时序逻辑推理能力，提出包含五种时序逻辑操作和25个细粒度任务类别的受控基准，通过控制时间跨度和推理复杂度进行难度可控评估，并支持中间状态诊断。
面向扩散模型的类别频率引导噪声调度
机构 * Hefei University of Technology（合肥工业大学） ； University of Science and Technology of China（中国科学技术大学） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学）
AI总结 针对低频类别在扩散模型中因低密度区域导致评分估计不准和生成质量差的问题，提出类别频率引导的噪声调度（CFRG），为低频类别分配更大尺度噪声，在CIFAR-100-LT和ImageNet-LT上显著提升生成质量。
Comments technical report
ESDD2概述：环境感知语音与声音深度伪造检测挑战赛
机构 * Duke Kunshan University（昆山杜克大学） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； The University of Melbourne（墨尔本大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Fortemedia Singapore（Fortemedia新加坡） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 介绍ESDD2挑战赛，评估语音和环境声音独立或联合操纵的检测系统，最佳系统Macro-F1达0.8775，模块化分解、跨域自监督编码器、数据增强和选择性集成是关键。
Comments Accepted to 2026 ICME workshop. arXiv admin note: text overlap with arXiv:2601.07303
让语言约束几何：视觉-语言模型作为3D生成的语义和空间评判者
机构 * Peking University（北京大学） ； hi-lab, Xiaohongshu Inc.（小红书科技公司 hi-lab） ； MMLab, CUHK（香港中文大学 MMLab） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 提出VLM3D框架，利用视觉-语言模型作为可微分的语义和空间评判者，通过双查询评判信号改善文本到3D生成的语义对齐和几何一致性。
Comments arXiv admin note: substantial text overlap with arXiv:2509.15772
受微分方程启发的深度神经网络
机构 * School of Mathematical Sciences, Beijing Normal University（北京师范大学数学科学学院） ； Department of Mathematics, The Chinese University of Hong Kong（香港中文大学数学系）
AI总结 本文综述了基于微分方程的深度神经网络架构与动态建模方法，包括常微分方程和随机微分方程驱动的模型，旨在提升可解释性与泛化能力。
Comments 35 Pages, 3 figures
ReasonCLIP-58M: CLIP的视觉基础常识推理监督
机构 * Khalifa University（卡利法大学） ； University of Western Australia（西澳大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Melbourne（墨尔本大学） ； University of Central Florida（佛罗里达中央大学）
AI总结 提出ReasonCLIP-58M框架，通过两阶段策略将大规模推理监督集成到CLIP模型中，构建ReasonLite-42M和ReasonPro-16M数据集及RCLIP-Bench基准，提升视觉基础常识推理和零样本检索性能。
Comments Accepted to ECCV2026
OPID: 面向智能体强化学习的在策略技能蒸馏
机构 * Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学） ； Tongji University（同济大学）
AI总结 提出OPID框架，通过从在策略轨迹中提取层级技能（回合级和步骤级）提供密集标记级监督，结合结果优势进行策略优化，提升智能体性能、样本效率和鲁棒性。
PhysEditWorld: 一个面向物理可编辑世界模型的大规模数据集
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Beihang University（北京航空航天大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Independent Researcher（独立研究者） ； Shanghai Jiao Tong University（上海交通大学） ； Sun Yat-sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tencent（腾讯）
AI总结 提出PhysEditWorld数据集，通过UE5重放渲染管线生成多重力配置下的动作条件视频，支持可控物理编辑，用于改进世界模型的动力学建模和一致性。
Comments Project page: https://yizhiqianbi.github.io/physeditworld/
位置重绑定缓存复用：交错多模态推理中无重放的视觉重访
机构 * Sun Yat-sen University（中山大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Harbin Institute of Technology (HIT)（哈尔滨工业大学） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出位置重绑定缓存复用（PRCR）框架，通过重绑历史视觉KV缓存的位置坐标，实现无重放的高效视觉重访，在多个多模态推理基准上平均准确率提升5%，计算量减少数万倍。
面向心理健康药物信息检索的知识增强型智能体AI
机构 * Department of Medicine and Therapeutics, The Chinese University of Hong Kong（香港中文大学内科及药物治疗学系） ； Department of Psychiatry, The Chinese University of Hong Kong（香港中文大学精神科学系） ； School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） ； College of Information Science, University of Arizona（亚利桑那大学信息科学学院） ； Department of Medicine, Stanford University School of Medicine, Stanford University（斯坦福大学医学院医学系） ； Perelman School of Medicine, The University of Pennsylvania（宾夕法尼亚大学佩雷尔曼医学院） ； Department of Biostatistics, Vanderbilt University（范德堡大学生物统计学系） ； Li Ka Shing Institute of Health Sciences, Faculty of Medicine, The Chinese University of Hong Kong（香港中文大学医学院李嘉诚健康科学研究所）
AI总结 提出一种基于知识图谱的多智能体框架，整合Reddit、WebMD和FDA不良事件报告，通过来源感知集成实现可审计的精神科药物信息检索。
Running the Gauntlet: 重新评估智能体在陌生环境中的能力
机构 * University of Oxford（牛津大学） ； SoftServe ； Massachusetts Institute of Technology（麻省理工学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； UK AI Security Institute（英国人工智能安全研究所） ； Ukrainian Catholic University（乌克兰天主教大学）
AI总结 提出GauntletBench基准，通过20个视觉密集型任务评估智能体在时间感知、图形理解和3D推理等未被充分探索的能力，发现最先进智能体成功率仅19.1%，远低于人类80%以上。
MedPruner: 面向高效3D医学图像理解的免训练层次化令牌剪枝框架
机构 * Chinese University of Hong Kong（香港中文大学） ； Westlake University（西湖大学） ； Southern Medical University（南方医科大学） ； Jiangnan University（江南大学） ； Dalian University of Technology（大连理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Copenhagen（哥本哈根大学）
AI总结 提出MedPruner，一种免训练、模型无关的层次化令牌剪枝框架，通过帧间锚点过滤和动态信息核选择，在保留不到5%视觉令牌时保持甚至提升模型性能，显著降低计算开销。
Comments 11 pages
圆形拟共形去湍流：基于几何的多湍流帧图像恢复
机构 * Department of Mathematics, City University of Hong Kong（香港城市大学数学系） ； Hong Kong Centre for Cerebro-Cardiovascular Health Engineering（香港脑心血管健康工程中心） ； Department of Mathematics, Chinese University of Hong Kong（香港中文大学数学系）
AI总结 提出圆形拟共形去湍流（CQCD）框架，利用圆形架构联合估计前向与后向变换，结合拟共形几何保证双射变形，实现无监督多帧湍流图像恢复，在合成和真实数据集上优于现有方法。
Journal ref Neurocomputing (2026): 134277
频率感知的自监督音乐表示学习
机构 * Spellbrush ； Acoustic Lab, Department of Information and Communications Engineering (DICE), Aalto University（阿尔托大学信息与通信工程系声学实验室） ； 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）
AI总结 提出PupuJEPA，一种直接在2D频谱图上训练的视觉联合嵌入预测架构，通过预测掩码补丁的潜在嵌入学习鲁棒表示，在MARBLE基准上线性探测优于1D序列SSL模型。
Comments Submitted to TASLP
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