高校专区
HERMES: 迈向高效且可验证的LLM数学推理
机构 * Department of Computer Science \& Engineering, The Chinese University of Hong Kong ； Huawei Foundation Model Department
AI总结 提出Hermes框架，通过将非正式推理与Lean形式化验证交替结合，并引入中间形式化检查和记忆模块，在提升推理准确性的同时显著降低计算成本。
UniMedVL: 通过观察-知识-分析统一医学多模态理解与生成
机构 * Shanghai Artificial Intelligence Laboratory ； Shanghai Innovation Institute ； Shanghai Jiao Tong University ； Shanghai Institute of Optics ； Fudan University ； University of Cambridge ； Monash University ； DAMO Academy, Alibaba Group ； Imperial College London ； The University of Hong Kong ； The Hong Kong University of Science ； Hupan Lab ； The Chinese University of Hong Kong
AI总结 提出首个统一医学模型UniMedVL，通过渐进式训练流水线融合多模态理解与生成能力，并在8种影像模态的5.6M实例数据集上验证其性能。
Comments This submission has been converted to the ICML template
测试时的自反生成
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； University of Edinburgh（爱丁堡大学） ； City University of Hong Kong（香港城市大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出SRGen框架，通过动态熵阈值识别高不确定性token并训练校正向量，在测试时进行自反生成以纠正概率分布，提升大模型推理的可靠性。
超越令牌：通过结构图学习增强RTL质量估计
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong SAR（香港中文大学计算机科学与工程系） ； Noah's Ark Lab, Huawei, Hong Kong SAR（华为诺亚实验室）
AI总结 提出StructRTL框架，利用控制数据流图的结构语义和自监督学习，结合知识蒸馏，显著提升寄存器传输级设计质量估计的准确性。
Comments Forty-Third International Conference on Machine Learning (ICML 2026)
通过推理时提示-噪声优化保障文本到图像生成
机构 * University of Minnesota（明尼苏达大学） ； Cisco Research（思科研究） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出一种无需训练的推理时优化方法（PNO），通过联合优化连续提示嵌入和注入噪声轨迹，抑制不安全图像生成，达到最先进性能并抵抗对抗攻击。
PokerSkill: 无需训练或求解器，大语言模型可达到专家级扑克水平
机构 * IIIS, Tsinghua University（清华大学人工智能研究院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出PokerSkill框架，通过规则驱动的技能库约束大语言模型动作，无需训练或求解器即可在扑克中达到接近GTO水平的性能。
Comments 45 pages, 3 figures
CLUBench：一个聚类基准测试
机构 * The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））
AI总结 本文提出CLUBench，一个包含24种算法在131个数据集上的综合聚类基准，通过大规模实验分析超参数调优、数据类型、预训练嵌入、大语言模型聚类等，揭示传统算法仍具竞争力，并结合预训练嵌入可提升效率。
并非所有输入都有效：面向开放集视频时刻检索的语言方法
机构 * Huazhong University of Science and Technology（华中科技大学） ； Peking University（北京大学） ； Zhejiang Gongshang University（浙江工商大学） ； Dalian University of Technology（大连理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Xinjiang University（新疆大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 针对开放集场景下视频时刻检索任务中无关查询导致错误检索的问题，提出基于归一化流的开放集视频时刻检索模型OpenVMR，实现分布内查询的精确检索与分布外查询的拒绝。
Comments Published in ACM MM 2024
Hista 和 Numca：为 LLM 强化学习有效估计状态值
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Huawei Technologies Ltd（华为技术有限公司）
AI总结 针对 LLM 强化学习中状态值估计不准确的问题，提出 Numca（利用数值跨度作为可分级里程碑）和 Hista（利用隐藏状态加权平均不连续轨迹及其回报）两种方法，显著提升估计精度和训练性能。
Comments Accepted at ICML 2026
LabBuilder: 基于协议的可交互且安全的3D实验室布局生成
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Wuhan University（武汉大学） ； Beihang University（北航） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； Shanghai Jiaotong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出LabBuilder系统，通过协议引导和约束感知优化，从文本描述生成安全且可执行的3D实验室布局，显著优于现有方法。
Comments Accepted to ICML 2026
EvA: 一种面向LALM的以证据为先的音频理解范式
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Didi Chuxing（滴滴出行）
AI总结 提出EvA双路径架构，通过分层聚合和非压缩时间对齐融合增强声学证据保留，并在统一零样本协议下在MMAU、MMAR和MMSU上取得最佳开源感知结果，支持以证据为先的假设。
JAEGER：模拟物理环境中的联合3D音频-视觉定位与推理
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） ； Tencent AI Lab（腾讯AI实验室）
AI总结 提出JAEGER框架，通过集成RGB-D观测和多通道一阶环境声学，将音频-视觉大语言模型扩展到3D空间，实现联合空间定位与推理，并引入神经强度向量（Neural IV）提升声源方向估计的鲁棒性。
Comments Accepted to ICML 2026
实现复合联邦学习的线性加速
机构 * KTH Royal Institute of Technology（皇家理工学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出基于法向映射的FedNMap方法，通过法向映射更新处理非光滑项并采用局部校正策略减轻数据异质性，在非凸损失下首次实现关于客户端数和本地更新次数的线性加速。
Comments 38 pages, 19 figures
来自移动无人机的视频个体计数与跟踪：基准与方法
机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； school of Computer Science and Engineering, Hong Kong University of Science and Technology（香港科学与技术大学计算机科学与工程学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院） ； Chinese University of Hong Kong（香港中文大学）
AI总结 针对大规模密集人群场景，提出移动无人机视频数据集MovingDroneCrowd++，并设计基于最优传输和描述子投票的计数与跟踪方法GD3A和DVTrack，显著降低计数误差并提升跟踪精度。
基于扩散的约束非凸优化学习框架与加权自举细化
机构 * ShanghaiTech University（上海科技大学） ； MoE Key Laboratory of Intelligent Perception（智能感知MoE重点实验室） ； Human Machine Collaboration（人机协同） ； Shanghai Jiao Tong University（上海交通大学） ； China Mobile Communications Company Limited Research Institute（中国移动通信公司有限研究院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出DiOpt框架，通过监督预热和自举训练两阶段学习噪声到约束区域的映射，解决扩散模型在约束非凸优化中的分布错位问题，实现高约束满足和最优性。
Comments accepted by ICML2026
UI-KOBE：面向轻量级图引导GUI代理的知识导向行为探索
机构 * CUHK MMLab（香港大学多模态实验室） ； Huawei Research（华为研究） ； Shenzhen Loop Area Institute（深圳河套学院） ； CPII under InnoHK（创新香港下的CPII）
AI总结 提出UI-KOBE框架，通过自动构建应用知识图谱并引导轻量级GUI代理进行运行时决策，以提升其移动端GUI任务执行效果。
迈向具有智能体纠正和语义评估的类人交互式语音识别
机构 * College of Artificial Intelligence, Xi’an Jiaotong University（西安交通大学人工智能学院） ； X-LANCE Lab, School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院X-LANCE实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Fudan University（复旦大学） ； Tongyi Fun Team, Alibaba Group（阿里云通义团队）
AI总结 提出Agentic ASR闭环框架，通过多轮交互和语义纠正减少语义错误，并引入句子级语义错误率（S^2ER）作为评估指标。
ReasonLight: 一种多模态基础模型增强的强化学习框架用于零样本交通信号控制
机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）科学与工程学院） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong（香港中文大学机械与自动化工程系） ； Shanghai AI Laboratory, Shanghai, China（上海人工智能实验室） ； Nokia Bell Labs, Paris-Saclay, France（法国巴黎萨克雷诺基贝尔实验室）
AI总结 提出ReasonLight框架，通过多模态基础模型增强强化学习，利用路侧传感器和摄像头数据实现零样本适应罕见交通事件，显著降低紧急车辆等待时间。
上下文蒸馏作为潜在记忆管理
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
AI总结 将上下文蒸馏视为潜在记忆管理问题，通过独立LoRA适配器形成模块化记忆库，并利用自门控机制决定是否激活潜在记忆，以提升检索鲁棒性和效率。
无分辨率依赖的几何参数化与映射神经替代模型：面向空间变化场
机构 * Department of Mathematics, The Chinese University of Hong Kong（香港中文大学数学系）
AI总结 提出一种无分辨率依赖的神经替代模型，通过多分辨率几何编码和几何感知约束（变分能量、扩散密度均衡、拟共形理论）无监督学习，直接从空间变化参数场预测映射位置，适用于任意结构化或非结构化点集。
对偶四元数 SE(3) 同步及其恢复保证
机构 * Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong, Shatin, NT, Hong Kong（系统工程与工程管理系，香港中文大学（深圳）） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta, GA, USA（H. Milton Stewart工业与系统工程学院，佐治亚理工学院）
AI总结 采用对偶四元数表示，通过谱初始化和对偶四元数广义幂法实现 SE(3) 同步，并给出误差界和线性收敛保证。
Comments ICML 2026
SCOPE: 通过提示进化增强智能体效能
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 针对LLM智能体静态提示无法有效管理动态上下文导致失败的问题，提出SCOPE框架，将上下文管理建模为在线优化问题，通过双流记忆机制和视角驱动探索自动进化提示，在HLE基准上将任务成功率从14.23%提升至38.64%。
AlignVid: 文本引导图像到视频生成中语义保真度的免训练注意力缩放
机构 * Hong Kong University of Science（香港科学大学） ； University of Central Florida, Orlando, FL, USA（中央佛罗里达大学） ； Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院） ； The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学）
AI总结 针对文本引导图像到视频生成中视觉主导导致语义编辑失败的问题，提出免训练注意力缩放调制（ASM）和引导调度（GS）方法，并构建OmitI2V基准，有效提升语义保真度且计算开销可忽略。
歌唱声音转换挑战2025评估结果的深入分析
机构 * Graduate School of Informatics, Nagoya University, Japan（名古屋大学信息学研究科，日本） ； Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）） ； Carnegie Mellon University, USA（卡内基梅隆大学，美国） ； National Institute of Informatics, Japan（日本信息处理学会） ； Information Technology Center, Nagoya University, Japan（名古屋大学信息技术中心，日本）
AI总结 本文对2025年歌唱声音转换挑战赛的评估结果进行了深入分析，通过新数据库、两个任务、开源基线和大规模众包测试，比较了33个系统在歌手身份和歌唱风格转换上的表现，发现顶级系统在身份相似性上接近真实样本，但风格建模（如气息、滑音、颤音）仍具挑战，且现有客观指标无法完全替代主观评分。
Comments Submitted to IEEE TASLP
离线多智能体强化学习通过序列得分分解
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）数据科学学院） ； School of Computer Science, Tongji University, Shanghai, China（同济大学计算机科学学院） ； Vector Institute（向量研究所）
AI总结 针对离线合作多智能体强化学习中联合动作空间高维和异质行为数据导致的策略分布偏移问题，提出序列得分函数分解方法，利用扩散模型从多模态离线数据中学习每个智能体的正则化信号，指导策略更新至高分、分布内区域，在多个粒子环境和多智能体MuJoCo基准上实现最先进性能。
Comments ICML 2026 Accepted
Journal ref Forty-Third International Conference on Machine Learning, 2026
检测社交媒体上的说服：从模型开发到说服策略的洞察
机构 * University of Queensland（昆士兰大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文通过开发轻量级说服文本检测模型（在SemEval 2023任务3子任务3中达到最优性能）并应用于澳大利亚联邦选举2022 Facebook广告数据集，揭示了政治竞选在不同资金策略、词汇选择、人口统计定位和选举临近时说服强度时间变化中的模式。
Journal ref Proceedings of the International AAAI Conference on Web and Social Media 20(1) (2026) 1587-1608
PEFT-Arena：从稳定性-可塑性角度理解参数高效微调
机构 * The Chinese University of Hong Kong（香港中文大学） ； Westlake University（西湖大学） ； MPI for Intelligent Systems（智能系统研究所）
AI总结 提出PEFT-Arena基准，通过稳定性-可塑性困境评估参数高效微调方法，发现正交微调在帕累托前沿上最优，并从权重空间和激活空间分析其几何特性。
Comments Technical report v1 (28 pages, 9 figures, project page: https://spherelab.ai/PEFT-Arena/)
DriveWAM: 视频生成先验实现自动驾驶的可扩展世界-动作建模
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Voyager Research, Didi Chuxing（Voyager Research，滴滴出行）
AI总结 提出DriveWAM，通过将预训练视频扩散Transformer适配为自回归视频-动作策略，并引入场景演化驾驶引导和选择性KV记忆，实现可扩展的世界-动作建模，在NAVSIM和PhysicalAI基准上取得强规划性能。
GUI-CIDER：通过因果内化和密度感知示例重选进行GUI代理的中期训练
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Meituan（美团） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出GUI-CIDER中期训练方法，通过因果内化和密度感知示例重选显式内化GUI世界知识，提升代理对GUI操作的理解和任务成功率。
具有可证明保证的多面体不确定性量化用于SLAM
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（人工智能学院，香港中文大学（深圳）） ； Department of Electrical and Electronic Engineering, Imperial College London（电子与电气工程系，帝国理工学院伦敦分校） ； School of Aerospace, Mechanical and Mechatronic Engineering, The University of Sydney（航空航天、机械与机电工程学院，悉尼大学）
AI总结 本文提出基于多面体表示的不确定性量化算法，通过前向映射、后向位姿跟踪和位姿复合三个模块，为3D-3D路标SLAM提供可证明的确定性保证，并结合共形预测提高实用性。
Comments 16 pages, 10 figures; accepted by Robotics: Science and Systems 2026
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