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

Deep neural networks with ReLU, leaky ReLU, and softplus activation provably overcome the curse of dimensionality for Kolmogorov partial differential equations with Lipschitz nonlinearities in the $L^p$-sense

具有ReLU、漏ReLU和softplus激活函数的深度神经网络能够证明性地克服Kolmogorov偏微分方程中的维度诅咒

Julia Ackermann, Arnulf Jentzen, Thomas Kruse, Benno Kuckuck, Joshua Lee Padgett

机构 * Department of Mathematics & Informatics, University of Wuppertal（乌尔姆大学数学与信息学系） ； School of Data Science and Shenzhen Research Institute of Big Data, The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳）数据科学学院及深圳大数据研究院） ； Applied Mathematics: Institute for Analysis and Numerics, University of Münster（穆恩斯特大学应用数学系及分析与数值分析研究所） ； Department of Mathematical Sciences, University of Arkansas（阿肯色大学数学科学系） ； Center for Astrophysics, Space Physics, and Engineering Research, Baylor University（贝勒大学天体物理学、空间物理学与工程研究中心） 纠错

AI总结 本文证明了使用ReLU、leaky ReLU和softplus激活函数的深度神经网络在L^p意义下能克服高维Kolmogorov偏微分方程的维度诅咒，扩展了此前在L^2意义下的结果。

Comments 53 pages

From Soliloquy to Agora: Memory-Enhanced LLM Agents with Decentralized Debate for Optimization Modeling

从独白到广场：基于去中心化辩论的记忆增强型LLM代理用于优化建模

Jianghao Lin, Zi Ling, Chenyu Zhou, Tianyi Xu, Ruoqing Jiang, Zizhuo Wang, Dongdong Ge

机构 * Antai College of Economics and Management（上海交通大学安泰经济管理学院） ； University of Chicago Booth School of Business（芝加哥大学布斯商学院） ； The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳）） ； School of Economics and Management（清华大学经济管理学院） 纠错

AI总结 本文提出Agora-Opt框架，结合去中心化辩论与读写记忆库，实现优化建模的模块化代理系统，通过去中心化辩论协议实现多代理团队的协同优化，提升建模可靠性。

Comments Working Paper

Ti-Audio: The First Multi-Dialectal End-to-End Speech LLM for Tibetan

Ti-Audio：首个多方言端到端藏语语音大模型

Jialing Wang, Yue Zhao, Yuhao Zhang, Jing Yu, Shaosai Li, Zhanchen Dai, Benyou Wang, Haizhou Li

机构 * Minzu University of China（中国民族大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

AI总结 本文提出Ti-Audio，首个多方言端到端藏语语音大模型，通过动态Q-Former适配器和温度采样策略解决低资源多方言环境下的语音识别与翻译问题，实验显示其在藏语基准测试中达到最先进的性能。

AdaTooler-V: Adaptive Tool-Use for Images and Videos

AdaTooler-V：面向图像和视频的自适应工具使用

Chaoyang Wang, Kaituo Feng, Dongyang Chen, Zhongyu Wang, Zhixun Li, Sicheng Gao, Meng Meng, Xu Zhou, Manyuan Zhang, Yuzhang Shang, Xiangyu Yue

机构 * MMLab, CUHK（香港中文大学MML实验室） ； THU（清华大学） ； SJTU（上海交通大学） ； DB Group, CUHK（香港中文大学DB小组） ； UCF（佛罗里达大学） ； Sangfor（Sangfor公司） ； JMU（约翰·霍普金斯大学） 纠错

AI总结 本文提出AdaTooler-V，通过自适应工具使用提升多模态大语言模型的视觉推理能力，通过强化学习算法和定制数据集优化工具调用策略，实验证明其在多种视觉任务中表现优异。

Comments ACL 2026 Findings, Project page: https://github.com/CYWang735/AdaTooler-V

OneThinker: All-in-one Reasoning Model for Image and Video

OneThinker：面向图像和视频的统一推理模型

Kaituo Feng, Manyuan Zhang, Hongyu Li, Kaixuan Fan, Shuang Chen, Yilei Jiang, Dian Zheng, Peiwen Sun, Yiyuan Zhang, Haoze Sun, Yan Feng, Peng Pei, Xunliang Cai, Xiangyu Yue

机构 * MMLab, CUHK（CUHK多媒体实验室） ； Meituan Home（美团家） 纠错

AI总结 OneThinker提出一个统一的多模态推理模型，整合图像和视频理解，涵盖问答、描述生成、空间时间定位、跟踪和分割等任务，通过构建大规模训练语料和EMA-GRPO算法提升多任务强化学习效果。

Comments CVPR 2026, Project page: https://github.com/tulerfeng/OneThinker

One Refiner to Unlock Them All: Inference-Time Reasoning Elicitation via Reinforcement Query Refinement

一个refiner解锁所有：通过强化查询细化实现推理时间推理 elicitation

Yixiao Zhou, Dongzhou Cheng, zhiliang wu, Yi Yang, Yu Cheng, Hehe Fan

机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Southeast University（东南大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出ReQueR框架，通过强化学习训练专门的Refiner策略，将推理 elicitation作为推理时间对齐任务，实现对多种模型的推理能力解锁，提升性能2.1%。

Comments Accepted to ACL26

Beyond Overlap Metrics: Rewarding Reasoning and Preferences for Faithful Multi-Role Dialogue Summarization

超越重叠度量：为忠实多角色对话摘要的奖励推理与偏好

Xiaoyong Mei, Tingting Zuo, Da Chen, Guangyu Hu, Xiangyu Wen, Chao Duan, Mingyan Zhang, Fudan Zheng

机构 * Zhejiang Normal University（浙江师范大学） ； Huawei Technologies（华为技术有限公司） ； HKUST, Hong Kong（香港科技大学） ； CUHK, Hong Kong（香港大学） ； Sun Yat-sen University（中山大学） 纠错

AI总结 本文提出结合显式推理与奖励优化的多角色对话摘要框架，通过结构化推理轨迹训练和双原则奖励机制提升摘要的忠实度与人类偏好对齐。

RISE: Self-Improving Robot Policy with Compositional World Model

RISE：具有组合世界模型的自改进机器人策略

Jiazhi Yang, Kunyang Lin, Jinwei Li, Wencong Zhang, Tianwei Lin, Longyan Wu, Zhizhong Su, Hao Zhao, Ya-Qin Zhang, Li Chen, Ping Luo, Xiangyu Yue, Hongyang Li

机构 * The Chinese University of Hong Kong（香港中文大学） ； Kinetix AI ； The University of Hong Kong（香港大学） ； Shanghai Innovation Institute（上海创新研究院） ； Horizon Robotics ； Tsinghua University（清华大学） 纠错

AI总结 本文提出RISE框架，通过组合世界模型提升机器人策略鲁棒性，在动态砖块排序、背包打包和箱盖闭合任务中分别取得+35%、+45%和+35%的性能提升。

Comments RSS 2026. Project page: https://opendrivelab.com/RISE/

Exploring Reasoning Reward Model for Agents

探索用于智能体的推理奖励模型

Kaixuan Fan, Kaituo Feng, Manyuan Zhang, Tianshuo Peng, Zhixun Li, Yilei Jiang, Shuang Chen, Peng Pei, Xunliang Cai, Xiangyu Yue

机构 * MMLab, CUHK（CUHK 机器学习实验室） ； Meituan（美团） ； SEEM, CUHK（CUHK 系统工程与工程管理系） 纠错

AI总结 本文提出Agent-RRM模型，通过结构化反馈提升智能体推理能力，采用三种集成策略在12个基准测试中取得显著性能提升。

Comments ACL 2026 Findings, Project page: https://github.com/kxfan2002/Reagent

ReSim: Reliable World Simulation for Autonomous Driving

ReSim：面向自动驾驶的可靠世界模拟

Jiazhi Yang, Kashyap Chitta, Shenyuan Gao, Long Chen, Yuqian Shao, Xiaosong Jia, Hongyang Li, Andreas Geiger, Xiangyu Yue, Li Chen

机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； OpenDriveLab at Shanghai AI Lab（上海人工智能实验室OpenDrive实验室） ； NVIDIA Research（NVIDIA研究） ； Xiaomi EV（小米电动车） ； Shanghai Jiao Tong University（上海交通大学） ； University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心） ； HKUST（香港科技大学） 纠错

AI总结 本文提出ReSim模型，通过整合真实数据与模拟数据提升自动驾驶场景模拟的可靠性与可控性，提升规划和策略选择性能。

Comments NeurIPS 2025 Spotlight. Project page: https://opendrivelab.com/ReSim

DEGround: An Effective Baseline for Ego-centric 3D Visual Grounding with a Homogeneous Framework

DEGround：一种有效的基于自身视角的3D视觉定位基线框架

Yani Zhang, Dongming Wu, Hao Shi, Yingfei Liu, Tiancai Wang, Xingping Dong

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出DEGround框架，通过统一的框架实现检测与定位的物体级共享，引入两个任务特定模块提升细粒度指令定位性能，实验表明在多个基准上表现最佳，尤其在EmbodiedScan数据集上精度提升显著。

Comments 1st place on EmbodiedScan visual grounding

PhysNote: Self-Knowledge Notes for Evolvable Physical Reasoning in Vision-Language Model

PhysNote: 为视觉-语言模型中的可进化物理推理提供自我知识笔记

Sinin Zhang, Yunfei Xie, Yuxuan Cheng, Haoyu Zhang, Tong Zhang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Rice University（里奇大学） ； City University of Hong Kong（香港城市大学） ； Fudan University（复旦大学） 纠错

AI总结 本文提出PhysNote框架，通过自我生成的知识笔记提升视觉-语言模型在动态物理推理中的表现，实验显示其在PhysBench上达到56.68%的准确率，优于多智能体基线。

Comments 11 pages. Accepted by ICLR 2026 Workshop ES-Reasoning

Large Language Models as Virtual Survey Respondents: Evaluating Sociodemographic Response Generation

大型语言模型作为虚拟调查受访者：评估社会人口响应生成

Jianpeng Zhao, Chenyu Yuan, Weiming Luo, Haoling Xie, Guangwei Zhang, Steven Jige Quan, Zixuan Yuan, Pengyang Wang, Denghui Zhang

机构 * University of Macau（澳门大学） ； The Chinese University of Hong Kong（香港中文大学） ； City University of Hong Kong（香港城市大学） ； Seoul National University（首尔国立大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Stevens Institute of Technology（史蒂文斯理工学院） 纠错

AI总结 本文提出两种任务抽象方法，评估大型语言模型在生成社会人口数据中的表现，通过跨不同数据集和模型的系统比较，揭示模型在结构化输出生成中的失败模式。

Comments Revised version, major corrections

PRISM: Probing Reasoning, Instruction, and Source Memory in LLM Hallucinations

PRISM：探究语言模型幻觉中的推理、指令和来源记忆

Yuhe Wu, Guangyu Wang, Yuran Chen, Jiatong Zhang, Yutong Zhang, Yujie Chen, Jiaming Shang, Guang Zhang, Zhuang Liu

机构 * HKUST(GZ)（香港科技大学（广州）） ； NYUSH（纽约大学上海分校） ； DUFE（东华大学） ； CUHK(SZ)（香港城市大学（深圳）） ； CUFE（中国金融学院） 纠错

AI总结 PRISM通过四个维度分析语言模型幻觉，提供细粒度诊断评估，揭示不同模型在指令遵循、记忆检索和逻辑推理上的权衡。

Comments Accepted by ACL main conference 2026

In-depth Analysis of Graph-based RAG in a Unified Framework

基于统一框架的图基RAG深入分析

Yingli Zhou, Yaodong Su, Youran Sun, Shu Wang, Taotao Wang, Runyuan He, Yongwei Zhang, Sicong Liang, Xilin Liu, Yuchi Ma, Yixiang Fang

机构 * The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）） ； Huawei Cloud Computing Technologies Co., Ltd.（华为云计算技术有限公司） 纠错

AI总结 本文基于统一框架对图基RAG方法进行深入分析，比较了多种QA数据集上的代表性方法，揭示了其有效性，并提出了新的变体，为未来研究提供新思路。

Learning Gradient-based Mixup with Extrapolation toward Flatter Minima for Domain Generalization

基于梯度的混合学习与外推以获得更平坦的极小值用于领域泛化

Danni Peng, Sinno Jialin Pan

机构 * Nanyang Technological University（南洋理工大学） ； 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） 纠错

AI总结 本文提出FGMix方法，通过数据插值与外推覆盖潜在未见区域，利用梯度兼容性分配权重以学习更平坦的极小值，提升领域泛化能力。

Comments 45 pages, 9 figures

Journal ref Artificial Intelligence (2026)

Layer Embedding Deep Fusion Graph Neural Network

层嵌入深度融合图神经网络

Taihua Xu, Genhao Tian, Jicong Fan, Xibei Yang, Qinghua Zhang, Yun Cui

机构 * Jiangsu University of Science and Technology（江苏科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Chongqing University of Post and Telecommunications（重庆邮电大学） 纠错

AI总结 本文提出LEDF-GNN，通过层嵌入深度融合操作和双拓扑并行策略，解决图神经网络在低同质性场景下的过平滑问题，实验表明其在多种图类型中表现优异。

StoryTR: Narrative-Centric Video Temporal Retrieval with Theory of Mind Reasoning

StoryTR: 基于心智理论的叙事视频时序检索

Xuanyue Zhong, Yuqiang Xie, Guanqun Bi, Jiangping Yang, Guibin Chen

机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong（香港中文大学计算机科学与工程系） ； SkyReels, Skywork AI（SkyReels与Skywork AI） ； Independent Researcher（独立研究者） 纠错

AI总结 StoryTR首次引入需要心智理论推理的视频时刻检索基准，通过生成包含8100个样本的叙事短视频数据集，验证了心智理论推理在视频理解中的重要性。

Can Multimodal Large Language Models Truly Understand Small Objects?

多模态大语言模型真的能理解小物体吗？

Fujun Han, Junan Chen, Xintong Zhu, Jingqi Ye, Xuanjie Mao, Tao Chen, Peng Ye

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） 纠错

AI总结 本文提出SOUBench基准，评估现有多模态大语言模型对小物体的理解能力，发现其能力有限，并通过SOU-Train数据集提升模型表现。

Comments Under Peer Review (26 pages, 9 figures, 6 tables)

LearnAlign: Data Selection for LLM Reinforcement Learning with Improved Gradient Alignment

LearnAlign: 用于改进梯度对齐的LLM强化学习数据选择

Shipeng Li, Zhiqin Yang, Shikun Li, Xiaobo Xia, Hengyu Liu, Xinghua Zhang, Gaode Chen, Dong Fang, Ying Tai, Zhe Peng

机构 * Nanjing University（南京大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） 纠错

AI总结 LearnAlign通过改进梯度对齐方法，智能选择训练数据以提升LLM推理能力，减少训练数据需求且性能表现优异。

Comments ACL 2026 Findings

SOLAR-RL: Semi-Online Long-horizon Assignment Reinforcement Learning

SOLAR-RL：半在线长 horizon 分配强化学习

Jichao Wang, Liuyang Bian, Yufeng Zhou, Han Xiao, Yue Pan, Guozhi Wang, Hao Wang, Zhaoxiong Wang, Yafei Wen, Xiaoxin Chen, Shuai Ren, Lingfang Zeng

机构 * vivo AI Lab（vivo人工智能实验室） ； Zhejiang Lab（浙江实验室） ； CUHK MMLab（香港大学多模态实验室） ； Hubei University（湖北省大学） ； Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（中国科学院大学杭州高等研究院） 纠错

AI总结 SOLAR-RL通过整合全局轨迹信息到离线学习中，提升GUI任务的长horizon完成率和鲁棒性，提供高效样本利用的自主导航方案。

Comments 14 pages, 11 figures. Accepted to Findings of the Association for Computational Linguistics: ACL 2026

Information-Theoretic Geometry Optimization and Physics-Aware Learning for Calibration-Free Magnetic Localization

信息论几何优化与物理感知学习用于无校准磁定位

Wenxuan Xie, Yuelin Zhang, Qingpeng Ding, Jianghua Chen, Jiewen Tan, Jiwei Shan, Shing Shin Cheng

机构 * Department of Mechanical and Automation Engineering and T Stone Robotics Institute, The Chinese University of Hong Kong（机械与自动化工程系和T Stone机器人研究院，香港中文大学） 纠错

AI总结 本文提出结合信息论传感器几何优化与物理感知深度学习的统一框架，解决传统平面传感器阵列观测性差和仿真到现实差距大的问题，实现高精度无校准磁定位。

Comments 10pages 8 figures

FingerViP: Learning Real-World Dexterous Manipulation with Fingertip Visual Perception

FingerViP：利用指尖视觉感知学习真实世界灵巧操作

Zhen Zhang, Weinan Wang, Hejia Sun, Qingpeng Ding, Xiangyu Chu, Guoxin Fang, K. W. Samuel Au

机构 * The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 FingerViP通过在多指手部每个指尖安装微型摄像头，提升多视角视觉反馈，开发基于扩散模型的全身视觉-运动策略，实现复杂操作技能的学习与高成功率的现实任务执行。

Comments 12 pages, 6 figures

Anatomy-Aware Text-Visual Fusion with Dual-Perspective Prompts for Fine-Grained Lumbar Spine Segmentation

具有双视角提示的解剖感知文本-视觉融合用于细粒度腰椎分割

Sheng Lian, Jianlong Cai, Dengfeng Pan, Guang-Yong Chen, Hao Xu, Fan Zhang, Guodong Fan, Shuo Li

机构 * College of Computer and Data Science（计算机与数据科学学院） ； Shandong Technology and Business University（山东科技商务大学） ； Engineering Research Center of Big Data Intelligence (Fuzhou University)（大数据智能工程研究中心（福州大学）） ； The Chinese University of Hong Kong（香港中文大学） ； Case Western Reserve University（凯斯西储大学） 纠错

AI总结 本文提出ATM-Net框架，通过解剖感知文本引导的多模态融合机制，提升腰椎细粒度分割精度，实验表明其在MRSpineSeg和SPIDER数据集上优于现有方法。

Analytical FFN-to-MoE Restructuring via Activation Pattern Analysis

通过激活模式分析实现分析性FFN到MoE的重构

Zehua Pei, Hui-Ling Zhen, Lancheng Zou, Xianzhi Yu, Wulong Liu, Sinno Jialin Pan, Mingxuan Yuan, Bei Yu

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） 纠错

AI总结 本文提出一种分析性后训练框架，通过小数据集将FFN重构为稀疏MoE，利用激活模式分析划分共享专家和路由专家，实现快速部署或轻量微调，实验显示在计算受限场景下速度提升达1.17倍。

Comments Accepted by ACL 2026 Main

A Vision-Language-Action Model for Adaptive Ultrasound-Guided Needle Insertion and Needle Tracking

面向自适应超声引导针插入与针跟踪的视觉-语言-动作模型

Yuelin Zhang, Qingpeng Ding, Longxiang Tang, Chengyu Fang, Shing Shin Cheng

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） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学计算机科学与工程系） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Department of Mechanical and Automation Engineering, T Stone Robotics Institute, Shun Hing Institute of Advanced Engineering, Multi-Scale Medical Robotics Center, and Institute of Medical Intelligence and XR, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系、T Stone机器人研究所、Shun Hing先进工程研究所、多尺度医疗机器人中心以及医学智能与XR研究所） 纠错

AI总结 本文提出视觉-语言-动作模型，用于实现自适应超声引导针插入与跟踪，通过跨深度融合和跟踪条件化注册提升跟踪精度与插入成功率。

Comments Accepted by ICRA 2026

Adaptive Multi-task Learning for Multi-sector Portfolio Optimization

自适应多任务学习用于多行业投资组合优化

Qingliang Fan, Ruike Wu, Yanrong Yang

机构 * Department of Economics, The Chinese University of Hong Kong（香港中文大学经济系） ； School of Economics, Shanghai University of Finance and Economics（上海财经大学经济学院） ； School of Economics, Shanghai University of Finance and Economics Key Laboratory of Mathematical Economics (SUFE), Ministry of Education（上海财经大学数学经济学重点实验室（SUFE）） ； College of Business and Economics, The Australian National University（澳大利亚国立大学商学院） 纠错

AI总结 本文提出自适应多任务学习方法，用于提升多行业投资组合优化中多个因素模型的联合估计，通过量化不同行业主时间子空间的相关性，提高模型精度和优化效果。

ReImagine: Rethinking Controllable High-Quality Human Video Generation via Image-First Synthesis

ReImagine：重新思考通过图像优先合成实现可控高质量人类视频生成

Zhengwentai Sun, Keru Zheng, Chenghong Li, Hongjie Liao, Xihe Yang, Heyuan Li, Yihao Zhi, Shuliang Ning, Shuguang Cui, Xiaoguang Han

机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； Future Network of Intelligence Institute, CUHK-Shenzhen, China（CUHK-深圳智能网络研究院） 纠错

AI总结 本文提出通过图像优先合成方法，结合预训练图像模型与SMPL-X运动引导，生成高质量且时间一致的视频，同时释放人类数据集与辅助模型。

LSTM-MAS: A Long Short-Term Memory Inspired Multi-Agent System for Long-Context Understanding

LSTM-MAS：一种受长短期记忆启发的多智能体系统用于长上下文理解

Yichen Jiang, Jiakang Yuan, Chongjun Tu, Peng Ye, Tao Chen

机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出LSTM-MAS多智能体系统，通过模仿LSTM的层次信息流和门控机制，解决长上下文处理中的误差累积和幻觉传播问题，实验表明在多个问答数据集上取得显著提升。

Comments 12 pages, 5 figures

LPO: Towards Accurate GUI Agent Interaction via Location Preference Optimization

LPO：通过位置偏好优化实现更准确的GUI代理交互

Jiaqi Tang, Yu Xia, Yi-Feng Wu, Yuwei Hu, Yuhui Chen, Qing-Guo Chen, Xiaogang Xu, Xiangyu Wu, Hao Lu, Yanqing Ma, Shiyin Lu, Qifeng Chen

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Alibaba Group（阿里巴巴集团） ； The Chinese University of Hong Kong（香港中文大学） ； Nanjing University of Science and Technology（南京理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（广州香港科学与技术大学） 纠错

AI总结 本文提出LPO方法，通过位置偏好优化提升GUI交互精度，利用信息熵预测交互位置并引入动态位置奖励函数，实验表明其在离线和在线评估中均取得最佳性能。

Comments Accepted by ACL 2026 Findings