高校专区
Text2GQL-Bench: 一个文本到图查询语言基准 [实验、分析与基准]
机构 * Ant Group（蚂蚁集团） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Xi'an Polytechnic University（西安理工大学）
AI总结 Text2GQL-Bench是一个统一的文本到图查询语言基准，通过多领域数据集和评估方法，揭示了ISO-GQL生成中的方言差距，并展示了通过充足示例提升模型性能的潜力。
用一个替代模型欺骗所有：基于CLIP的通用、可迁移且有针对性的对抗攻击
机构 * The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Sun Yat-sen University（中山大学）
AI总结 本文提出基于CLIP的UnivIntruder攻击框架，仅用公开模型和数据集生成对抗扰动，在ImageNet、CIFAR-10及图像搜索引擎、视觉语言模型上实现高攻击成功率，凸显AI安全需重新评估。
Comments 22 pages, 15 figures, 18 tables. To appear in the Proceedings of The ACM Conference on Computer and Communications Security (CCS), 2025
推理分歧之处：本地化多智能体辩论
机构 * The Chinese University of Hong Kong（香港中文大学） ； Nagoya University（名古屋大学） ； Institute of Science Tokyo（东京科学大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对多智能体辩论冗余交换完整推理轨迹的问题，提出LMAD协议，通过定位冲突并限制辩论范围，在十个骨干模型上实现宏平均评判准确率提升7.20个百分点。
ACE-GraphRAG：面向分层GraphRAG的智能体上下文工程
机构 * The Chinese University of Hong Kong（香港中文大学） ； Wuhan University of Technology（武汉理工大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
AI总结 ACE-GraphRAG针对分层GraphRAG的表示-推理差距，提出两种自适应上下文策略，在多任务基准上优于现有RAG和GraphRAG基线，验证了动态上下文构建策略的有效性。
Comments Withdrawn because the manuscript was posted prematurely before completion of the required internal review and release authorization
从森林到未来首都：利用PlanetScope影像追踪2021至2026年努桑塔拉首都（IKN）的土地覆盖变化
机构 * National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本研究利用PlanetScope影像结合遥感技术与支持向量机算法，追踪印尼新首都IKN核心区2021-2026年的土地覆盖变化，发现植被与碳储量下降、建设用地扩张，证实遥感可有效监测大型城市发展的环境影响。
医疗保健中的医学世界模型：可信临床翻译的基础、应用与挑战
机构 * National and Local Joint Engineering Laboratory of Computer Aided Design, School of Software Engineering, Dalian University（大连大学软件工程学院计算机辅助设计国家地方联合工程实验室） ； Department of Radiology, Xinhua Hospital Affiliated to Dalian University（大连大学附属新华医院放射科） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of California, San Francisco（加州大学旧金山分校） ； Yale University（耶鲁大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 探讨医学世界模型在医疗保健中的应用，通过结构化综合定义其领域相关内容，围绕四种能力组织，涵盖多方面证据，虽有早期可行性证据，但受多种因素限制，临床翻译需多方面保障。
VLAFlow：通过协同训练和未来潜在对齐的视觉-语言-动作模型统一训练框架
机构 * Li Auto Inc.（理想汽车） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出VLAFlow统一框架，比较四种训练范式，发现语言监督保持视觉-语言泛化，未来潜在对齐改进状态转换建模，两者结合实现最佳迁移性能。
Talker-T2AV：基于自回归扩散模型的联合说话音频视频生成
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； Independent Researcher（独立研究者）
AI总结 本文提出Talker-T2AV，通过共享骨干和模态特定解码器实现音频视频联合生成，提升跨模态一致性与生成效率。
数据融合增强的决策变压器用于稳定跨领域泛化
机构 * National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 DFDT通过数据融合和正则化提升跨领域泛化稳定性，改进决策变压器的连续性和性能。
Comments 22 pages,4 figures
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。
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。
面向现实世界的编译器助手
机构 * Southern University of Science and Technology（南方科技大学） ； ETH Zurich（苏黎世联邦理工学院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出llvm-autofix，首个专为修复编译器bug设计的代理工具，通过专用工具和基准测试展示其在处理复杂编译器bug时的性能优势。
So-Fake：社交媒体图像伪造检测的基准构建与可解释性研究
机构 * University of Liverpool, UK（利物浦大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The University of Sheffield（谢菲尔德大学）
AI总结 该研究针对社交媒体图像伪造检测的数据集与基准缺口，构建了So-Fake-Set数据集与So-Fake-OOD分布外基准，提出采用强化学习的So-Fake-R1框架，其检测准确率与定位IoU均优于现有方法，为相关研究提供了新基础。
重尾噪声下随机优化的量子加速
机构 * The Chinese University of Hong Kong（香港中文大学） ； Westlake University（西湖大学） ； Tencent Quantum Laboratory（腾讯量子实验室）
AI总结 研究重尾噪声下随机优化，提出量子均值估计器，基于此构建量子归一化和投影随机梯度下降方法，在低维情况下，相比经典方法，能以更少查询次数找到近似平稳点或\(\epsilon\)-最优解。
Comments 56 pages
学会选择，而非重新学习：硬路由推理LoRA混合
机构 * Halmstad University（哈尔姆斯塔德大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出硬路由MoR-LoRA框架，通过硬top-1路由组合冻结的推理LoRA专家，保留专家行为且可训练参数少于软路由方法。
Comments Code available at: https://github.com/sar-molavi/hard-routed-mor-lora
基于CLIP的后门防御：通过基于熵的中毒数据集分离
机构 * The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Sun Yat-sen University（中山大学）
AI总结 该研究提出CLIP引导后门防御（CGD），用CLIP分离干净与中毒输入，重训练模型中和后门，在4个数据集11种攻击上ASR降至1%以下，CA降幅仅0.3%，适配性与鲁棒性优异。
Comments 15 pages, 9 figures, 15 tables. To appear in the Proceedings of the 32nd ACM International Conference on Multimedia (MM '25)
基于分层时序逻辑的LLM引导动态任务规划用于人感知多机器人协作
机构 * The Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人社会研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； The Chinese University of Hong Kong-Shenzhen（香港中文大学（深圳）） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际 Graduate School）
AI总结 本文提出基于分层时序逻辑的神经符号框架，实现动态任务规划以提升多机器人协作的效率和鲁棒性。
Comments Accepted by IROS 2026
无假设哈密顿量的最优原位学习
机构 * Department of Information Engineering, The Chinese University of Hong Kong（香港中文大学信息工程系） ； John A. Paulson School of Engineering and Applied Sciences, Harvard University（哈佛大学约翰·A·保罗森工程与应用科学学院） ； California Institute of Technology（加州理工学院）
AI总结 提出一种无需控制、无需辅助比特的算法，仅用泡利乘积态制备和测量，以最优总演化时间学习无假设哈密顿量，适用于近中期量子实验。
Comments 51 pages, 2 figures
polyDAG：用于视觉语义图中高效连续因果发现的多项式无环性约束
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出多项式无环性约束框架polyDAG，用有限多项式迹约束替代矩阵指数约束，实现视觉语义图中高效的连续有向无环图学习，在合成图和CelebA数据集上提升了效率与结构恢复性能。
Comments Published at the Visual Computer on July 24th, 2026
H$^2$SD：混合事后自蒸馏
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 研究针对强化学习中奖励监督问题，提出 H$^2$SD 混合事后自蒸馏框架。成功轨迹用教师概率调更新幅度，失败轨迹基于参考提示调整教师并最小化反向 KL 散度，实验表明该框架优于基线，能稳定优化且效率良好。
LiteTopK：利用维度诅咒设计长上下文稀疏注意力中的融合索引器 - TopK 内核
机构 * Nanyang Technological University（南洋理工大学） ； ETH Zurich（苏黎世联邦理工学院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 研究针对现有 GPU 索引器 - TopK 内核效率低的问题，利用维度诅咒设计 LITETOPK 内核，通过采样估计得分范围划分候选结果桶，降低内存开销，在实际部署中加速 GLM 5.2 预填充阶段，提升了效率。
从上下文到技能：语言模型能否从上下文中熟练学习？
机构 * THU（清华大学） ； DeepLang AI ； UIUC（伊利诺伊大学香槟分校） ； FDU（福建大学） ； CUHK（香港中文大学）
AI总结 提出Ctx2Skill框架，通过多智能体自博弈和跨时间回放机制，自动从上下文中发现、提炼和选择技能，提升语言模型在复杂上下文中的学习能力。
PrinciplismQA: 一种基于哲学的评估LLM与人类临床医学伦理对齐的方法
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； National Health Data Institute, Shenzhen（深圳国家健康数据研究院） ； Shenzhen Research Institute of Big Data（深圳大数据研究院）
AI总结 本文提出PrinciplismQA，一种基于哲学框架的评估方法，用于评估LLM在临床医学伦理上的对齐情况，通过专家验证的问题集揭示模型在伦理推理上的不足。
Comments ACL 2026 Findings
非对称层次锚定用于音频-视觉联合表示：解决信息分配模糊性以实现鲁棒跨模态泛化
机构 * Zhejiang University, China（浙江大学） ； University of California, Berkeley, USA（加州大学伯克利分校） ； MMLab, Chinese University of Hong Kong, China（香港中文大学MMLab）
AI总结 本文提出非对称层次锚定框架，通过结构化语义锚点解决跨模态泛化中的信息分配模糊性，提升语义一致性和表示纯度。
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