高校专区
AstroVLM：专家多智能体协作推理用于天体成像质量诊断
机构 * The Chinese University of Hong Kong（香港中文大学） ； Central South University（中南大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学深圳校区）
AI总结 本文提出AstroVLM，通过多智能体协作推理解决复杂天体成像质量诊断问题，实验表明其在实际任务中优于所有基线模型。
CiPO：通过迭代偏好优化实现大型推理模型的反事实去学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 针对大型推理模型去学习难题，CiPO通过迭代偏好优化重新定义去学习为对推理过程的针对性干预，有效去除中间推理步骤和最终答案的知识，同时保持推理能力。
Comments Accepted by ACL 2026 Main Conference
NeuroLip：一种基于跨场景唇部运动的时空学习框架用于视觉语音识别
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） ； Faculty of Electrical Engineering and Computing University of Zagreb（Zagreb大学电气工程与计算学院） ； Faculty of Science, Radboud University（Radboud大学科学学院）
AI总结 NeuroLip通过事件驱动框架捕捉细粒度唇部动态，解决传统摄像机在运动模糊和动态范围低下的问题，实现跨场景的鲁棒识别，准确率超过71%。
通过蒙特卡洛树搜索优化代理技能
机构 * Department of Mathematics（数学系） ； National University of Singapore（国立新加坡大学） ； Department of Industrial Engineering and Operations Research（工业工程与运营管理系） ； University of California at Berkeley（加州大学伯克利分校） ； Department of Decision, Operation and Technology（决策、运营与技术系） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出通过蒙特卡洛树搜索优化代理技能的双层优化框架，提升任务性能。
轻量级几何适应用于训练物理信息神经网络
机构 * Department of Computational Applied Mathematics and Operations Research（计算应用数学与运筹学部门） ； School of Data Science（数据科学学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文提出一种轻量级曲率感知优化框架，通过自适应预测校正提升PINN在复杂偏微分方程中的收敛速度、训练稳定性及解精度。
Comments 22 pages, Chenhao Si and Kang An contributed equally to this work. Their authorship order was determined randomly
OmniShow：统一多模态条件以生成人-物体交互视频
机构 * The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出OmniShow框架，统一文本、图像、音频和姿态多模态条件，解决人-物体交互视频生成中的可控性与质量平衡问题，通过统一通道条件和门控局部上下文注意力实现高效生成，建立HOIVG-Bench基准测试平台，取得多模态条件下的最佳性能。
Comments Project page: https://correr-zhou.github.io/OmniShow/
HiFi-Inpaint：迈向高保真参考基于修复生成细节保留的人-产品图像
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学）
AI总结 本文提出HiFi-Inpaint框架，通过Shared Enhancement Attention和Detail-Aware Loss解决人-产品图像生成中的细节保留问题，并构建了HP-Image-40K数据集，实验表明其在生成高保真图像方面表现优异。
Comments Accepted by CVPR 2026 (Project page: https://correr-zhou.github.io/HiFi-Inpaint/)
SurgMotion: 一种用于外科视频通用理解的视频原生基础模型
机构 * Center for Artificial Intelligence and Robotics, Hong Kong Institute of Science and Innovation, Chinese Academy of Sciences, Hong Kong, China（人工智能与机器人中心，香港科学与创新研究院，中国科学院，香港，中国） ； State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院，北京，中国） ； Computer Aided Medical Procedures, Technical University of Munich, Munich, Germany（医学辅助程序，慕尼黑技术大学，德国慕尼黑） ； Electronic Engineering Department, The Chinese University of Hong Kong, Hong Kong, China（电子工程系，香港中文大学，香港，中国） ； Neuromedical Centre, Hong Kong University Shenzhen Hospital, Shenzhen, China（神经医学中心，香港大学深圳医院，深圳，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） ； Department of Respiratory Medicine, The First Affiliated Hospital of Sun Yat-sen University, Guangzhou, China（呼吸科，中山大学附属第一医院，广州，中国）
AI总结 SurgMotion通过引入视频原生基础模型，将学习范式从像素级重建转向潜在运动预测，通过三种关键技术改进提升外科视频理解能力，实验表明其在手术流程识别、动作三元组识别和技能评估等任务中均取得显著优势。
MTR-DuplexBench：面向全双工语音语言模型多轮对话全面评估的综合评测
机构 * Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Huawei Technologies（华为技术）
AI总结 本文提出MTR-DuplexBench，用于评估全双工语音语言模型在多轮对话中的表现，涵盖对话质量、指令遵循和安全性等关键方面，揭示现有模型在多轮对话中的一致性问题。
Comments Accepted to Findings of ACL 2026
用评分奖励模型治愈大语言模型数学推理中的奇迹步骤
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, China（数据科学学院，香港中文大学（深圳）） ； UC Berkeley（加州大学伯克利分校） ； Zhejiang University（浙江大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司）
AI总结 本文通过评分奖励模型解决大语言模型数学推理中的奇迹步骤问题，通过系统分析和人类验证建立失败模式分类，提升推理准确性和可靠性。
Comments Accepted by ACL 2026 Main, 22 pages, 10 figures, 7 Tables
通过Rényi散度推导量子学习的泛化界限
机构 * Indian Statistical Institute, Kolkata（印度统计研究所，加尔各答） ； 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） ； International Quantum Academy, Futian District, Shenzhen（深圳国际量子 academy，福田区） ； Graduate School of Mathematics, Nagoya University（名古屋大学数学研究生院）
AI总结 本文通过Rényi散度推导了量子学习算法的泛化误差上界，利用Caro等人（2024）的框架和新的期望真实损失定义，提出基于量子和经典Rényi散度的上界，并通过变分方法评估量子Rényi散度，展示了改进的sandwich量子Rényi散度在性能上的优势。
Comments 36 pages, 2 figures
OccuBench：通过语言环境模拟评估AI代理在真实世界专业任务中的表现
机构 * Qwen Team, Alibaba Group（通义实验室，阿里巴巴集团） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 OccuBench通过语言环境模拟评估AI代理在100个真实世界专业任务场景中的表现，涵盖10个行业类别和65个专业领域，发现大模型、新版本和高推理能力提升性能，但强代理不等于强环境模拟器。
Comments 23 pages, 8 figures, 2 tables. Project page: https://gregxmhu.github.io/OccuBench-website/
随机重洗的高概率保证
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文研究了随机重洗方法在非凸优化中的高概率复杂度保证，提出了一种简单停止准则并验证了其有效性。
Comments In this new version, we have removed the saddle-point avoidance part and improved the stopping criterion part by using a horizon-free step size rule
强化学习是否扩展大语言模型代理的能力边界？一种PASS@(k,T)分析
机构 * Fudan University（复旦大学） ； Chinese University of Hong Kong（香港中文大学） ； University of Waterloo（滑铁卢大学）
AI总结 本文通过PASS@(k,T)指标分析强化学习在代理工具使用中的能力扩展，发现其在复杂任务中确实扩大了能力边界，而静态推理中则趋于收敛。
倾听、暂停与推理：迈向基于感知的混合推理以实现音频理解
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； CUHK MMLab（香港中文大学多媒体实验室） ； Fudan University（复旦大学）
AI总结 本文提出HyPeR框架，通过感知-推理混合方法提升音频理解能力，通过PAQA数据集训练模型并引入PAUSE标记和一致性奖励，实验表明其在复杂音频场景中表现优异。
CoTEvol：用于数学推理数据合成的自演化思维链
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学） ； Monash University（墨尔本大学） ； Independent Researcher（独立研究者） ； Shanghai Academy of AI for Science（上海人工智能科学研究院）
AI总结 本文提出CoTEvol，一种基于遗传算法的思维链生成框架，通过全局交叉和局部突变提升生成准确性和多样性，实验表明其在数学推理任务中效果优于传统方法。
Comments acl2026 findings
迈向无需微调的VLA部署：通过具身进化扩散实现即插即用的推理时VLA策略引导
机构 * Collaborative and Versatile Robots (CLOVER) Laboratory, T-Stone Robotics Institute, The Chinese University of Hong Kong, Hong Kong（协作与多功能机器人实验室，T-Stone机器人研究所，香港中文大学，香港） ； Φ \Phi -Institute for Physical Human Intelligence（物理人机智能研究所） ； Center for Embodied Artificial Intelligence and Computer Vision, Shenzhen Loop Area Institute, Shenzhen, China（具身人工智能与计算机视觉中心，深圳环园研究院，深圳，中国） ； Department of Advanced Robotics, Istituto Italiano di Tecnologia, Genoa, Italy（先进机器人系，意大利理工学院，热那亚，意大利）
AI总结 本文提出VLA-Pilot方法，通过即插即用的策略引导实现无需微调的零样本部署，提升预训练VLA在不同任务和机器人平台上的表现。
Comments 9 pages, 8 figures, submitted to IEEE RA-L
通过联合解码实现知识整合的检索增强生成
机构 * The Chinese University of Hong Kong（香港中文大学） ； University of International Relations（国际关系大学） ； Tencent Jarvis Lab（腾讯Jarvis实验室） ； Westlake University（西湖大学） ； Ministry of Education Key Laboratory of High Confidence Software Technologies, CUHK（教育部高可信软件技术重点实验室，香港中文大学）
AI总结 本文提出GuarantRAG框架，通过分离推理与证据整合，提升检索增强生成的准确性和事实性，实验显示在五个问答基准上准确率提升12.1%，幻觉减少16.3%。
原生混合注意力机制用于高效序列建模
机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出原生混合注意力机制，结合线性与全注意力，通过滑动窗口和线性RNN实现长上下文保留与短上下文增强，提升效率与召回率。
Comments Accepted by ACL 2026, 17 pages
ESCAPE：基于长周期移动操作的片段空间记忆与自适应执行策略
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； LiAuto Inc.（LiAuto公司）
AI总结 本文提出ESCAPE框架，通过融合感知-地面-执行流程，解决长周期移动操作中的鲁棒性、空间一致性及执行灵活性问题，在ALFRED基准测试中取得优异成绩。
SocialMirror: 从单目视频中利用语义和几何引导重建3D人体交互行为
机构 * ShanghaiTech University（上海科技大学） ； Nanyang Technological University（南洋理工大学） ； Guangzhou Institute of Energy Conversion, CAS（广州能源研究所，中国科学院） ； University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； Inceptio Technology（Inceptio科技） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出SocialMirror框架，通过语义和几何引导解决单目视频中人体重建的挑战，实现高精度交互行为重建，展现强大的泛化能力。
LEGO-MOF：基于连续结构操控的可编辑、生成和可优化的MOF设计
机构 * School of Data Science (SDS), The Chinese University of Hong Kong, Shenzhen (CUHKSZ), Shenzhen, China（香港中文大学深圳校区数据科学学院）
AI总结 本文提出LEGO-MOF框架，通过LinkerVAE将离散3D化学图映射到连续SE(3)等价潜空间，实现连续结构操控，结合测试时优化策略提升MOF性能，实现碳捕获性能提升147.5%。
Comments 36 pages including Supplementary Information, 10 figures in the main text and 12 figures/tables in the Supplementary Information
RAG还是学习？在现实世界中连续知识漂移下理解LLM适应的极限
机构 * Tsinghua University（清华大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； School of Artificial Intelligence, Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）人工智能学院） ； Shenzhen Key Laboratory of Ubiquitous Data Enabling, Tsinghua Shenzhen International Graduate School, Tsinghua University（深圳 ubiquitous 数据赋能重点实验室，清华大学深圳国际研究生院，清华大学）
AI总结 本文提出一个现实世界动态事件基准，评估模型在连续知识漂移下的适应能力，揭示现有方法如RAG和学习方法的局限性，并提出时间感知检索基线Chronos以提升时序一致性。
离散指导匹配：用于离散流匹配的精确指导
机构 * School of Statistics, East China Normal University（华东师范大学统计学院） ； Department of Statistics, University of California, Los Angeles（加州大学洛杉矶分校统计系） ； Department of Industrial and Systems Engineering, University of Minnesota（明尼苏达大学工业与系统工程系） ； 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 本文提出了一种新的离散数据指导框架，通过推导所需分布的精确转移率，提高采样效率，并展示了其在能量引导模拟和文本到图像生成中的有效性。
Comments Published as a conference paper at ICLR 2026
MISID：一种多模态多轮对话数据集，用于战略欺骗游戏中复杂意图识别
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Capital Normal University（首都师范大学）
AI总结 本文提出MISID数据集，用于复杂战略欺骗游戏中多模态多轮对话的意图识别，通过系统评估发现现有多模态大语言模型在复杂场景中存在缺陷，并提出FRACTAM框架提升性能。
Comments 8 pages, 4 figures
启发式样本竞争的深度神经网络优化
机构 * JC STEM Lab of Machine Learning and Computer Vision（机器学习与计算机视觉的JC STEM实验室） ； Department of Electrical and Electronic Engineering（电气与电子工程系） ； The Hong Kong Polytechnic University（香港理工大学） ； Department of Computer Science and Engineering（计算机科学与工程系） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出自然选择算法，通过显式建模样本间竞争，改进深度网络训练，提升模型优化的适应性和平衡性。
AniGen：统一的S³场用于可动画化的3D资产生成
机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学）
AI总结 AniGen通过统一的S³场生成可动画化的3D资产，解决传统方法在生成后制作rig时的不稳定性问题，提升动画质量和泛化能力。
Comments 16 pages, 12 figures
SeedPrints: 指纹甚至能告诉你是哪种种子训练了你的大型语言模型
机构 * National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文提出SeedPrints方法，通过随机初始化偏倚实现LLM的内在指纹识别，解决了传统指纹方法在大规模预训练阶段可靠性不足的问题，实现了从初始化到全生命周期的身份验证。
Comments Accepted to ICLR 2026. The code repository linked on OpenReview is outdated; the latest code is available via the final arXiv version
变分自编码离散扩散与增强的维度相关性建模
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Center for Statistical Science, Peking University（北京大学统计科学中心） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； Huawei Foundation Model Dept（华为基金会模型部门） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文提出VADD框架，通过潜在变量建模增强离散扩散，提升样本质量，尤其在少量去噪步骤时表现优异。
Comments ICLR 2026 Poster; 24 pages, 13 figures
大规模安全：大型模型和智能体安全的全面综述
机构 * Fudan University（复旦大学） ； The University of Melbourne（墨尔本大学） ； Singapore Management University（新加坡国立大学） ； Deakin University（德肯大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； City University of Hong Kong（香港城市大学） ； University of Oxford（牛津大学） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； The University of Sydney（悉尼大学） ； Griffith University（格里菲斯大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Sea AI Lab（Sea AI实验室） ； Tsinghua University（清华大学） ； Virginia Tech（弗吉尼亚理工大学） ； CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全部） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Purdue University（普渡大学） ； Duke University（杜克大学） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校） ； RIKEN（理化学研究所） ； The University of Tokyo（东京大学）
AI总结 本文综述了大型模型和智能体的安全性，分析了各类攻击威胁及防御策略，指出安全评估、防御机制和数据实践的重要性，强调研究社区和国际合作的必要性。
Comments 706 papers, 60 pages, 3 figures, 14 tables; GitHub: https://github.com/xingjunm/Awesome-Large-Model-Safety
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