高校专区
大语言模型在生物信息学中的应用：综述
机构 * The Chinese University of Hong Kong（香港中文大学） ； Peking University Third Hospital（北京大学第三医院） ； The Hong Kong Polytechnic University（香港理工大学） ； The University of Hong Kong（香港大学）
AI总结 本文综述了大语言模型在生物信息学中的应用，涵盖基因组序列建模、RNA结构预测等核心方法，并探讨了数据稀缺和跨组学整合等挑战及未来发展方向。
Comments Accepted by ACL 2025
公平在心，公平在行？一个用于理解与生成的同步基准：UMLLMs的公平性评估
机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； The Chinese University of Hong Kong（香港中文大学） ； School of Software Technology, Zhejiang University（浙江大学软件学院） ； Ningbo Global Innovation Center, Zhejiang University（浙江大学宁波全球创新中心） ； Collaborative Innovation Center of Novel Software Technology and Industrialization（新型软件技术与产业化协同创新中心）
AI总结 IRIS基准通过同步评估UMLLMs的理解与生成任务公平性，揭示系统性偏见现象并提供公平性优化指导。
Comments Accepted to ICLR 2026
MicroVerse: 微观世界模拟的初步探索
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Peking Union Medical College Hospital（北京协和医学院附属医院） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 MicroVerse通过构建MicroWorldBench和MicroSim-10K数据集，首次提出微观世界模拟概念，展示其在生物机制教育中的潜力。
TopoEdge：基于拓扑的代理框架用于边缘网络代码生成与修复
机构 * University of California San Diego（加州大学圣地亚哥分校） ； The Chinese University of Hong Kong（香港中文大学） ； University of Copenhagen（哥本哈根大学） ； Duke University（杜克大学）
AI总结 TopoEdge通过拓扑引导的检索增强生成框架，实现边缘网络配置的生成与修复，利用图神经网络和三个专门化代理协调生成-验证-修复循环。
Comments 6 pages, 4 figures, 3 tables
Journal ref IEEE Wireless Communications and Networking Conference (WCNC) 2026
TP-Spikformer: 令牌修剪的脉冲变换器
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Northumbria University（北umbria大学） ； The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳））
AI总结 TP-Spikformer通过令牌修剪减少计算开销，保持性能，适用于资源受限的SNN部署。
Comments 24 pages, 7 figures
MLLM-4D: 向基于视觉的空间-时间智能迈进
机构 * University of Macau（澳门大学） ； Xi'an Jiaotong University（西安交通大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； GVC Lab, Great Bay University（大湾大学GVC实验室）
AI总结 MLLM-4D通过改进的数据筛选和训练策略，实现了从2D输入中强大的空间-时间理解和推理能力。
通过参数空间噪声学习探索：深入研究可验证奖励的强化学习
机构 * Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； College of Future Information Technology, Fudan University, Shanghai, China（未来信息科技学院，复旦大学） ； Shanghai AI Laboratory, Shanghai, China（上海人工智能实验室） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学）
AI总结 通过参数空间噪声提升探索能力，PSN-GRPO在多个基准中提升推理能力并超越传统探索方法。
Comments 17 pages, 10 Figures
ThinkMorph：多模态交错链式推理中的涌现特性
机构 * National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； absolute AI ； The Chinese University of Hong Kong（香港中文大学）
AI总结 ThinkMorph通过统一模型提升多模态推理性能，展现视觉操控与模式切换等新兴能力。
Comments project page: https://thinkmorph.github.io/
Concerto：联合2D-3D自监督学习产生空间表示
机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 Concerto通过联合2D-3D自监督学习，产生更连贯的信息空间表示，优于现有SOTA模型并在多个基准上取得新成就。
Comments NeurIPS 2025, produced by Pointcept, project page: https://pointcept.github.io/Concerto
Journal ref Neural Information Processing Systems 2025
Scaf-GRPO：基于 scaffolding 的组相对策略优化以增强大语言模型推理能力
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学）
AI总结 Scaf-GRPO通过渐进式训练框架，在模型学习停滞时提供分层提示，有效提升大语言模型的数学推理能力。
Comments Code: https://github.com/JIA-Lab-research/Scaf-GRPO Accepted by ICLR 2026
ExGRPO：从经验中学习推理
机构 * University of Macau（澳门大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 ExGRPO通过组织和优先处理有价值的经验，提升大语言模型的推理性能并稳定训练过程。
Comments ICLR 2026 Camera Ready version
通过渐进式概念构建推进复杂视频对象分割
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； 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） ； Harbin Institute of Technology（哈尔滨工业大学） ； CPII under InnoHK（InnoHK下的CPII）
AI总结 SeC通过渐进式概念构建方法，在复杂视频对象分割任务中实现了显著性能提升，特别是在语义复杂场景下的表现优于现有方法。
Comments project page: https://rookiexiong7.github.io/projects/SeC/ ; code: https://github.com/OpenIXCLab/SeC ; dataset: https://huggingface.co/datasets/OpenIXCLab/SeCVOS
Vision-R1: 促进多模态大语言模型推理能力的激励方法
机构 * East China Normal University（华东师范大学） ； The Chinese University of Hong Kong（香港中文大学） ； Xiaohongshu Inc.（小红书公司）
AI总结 Vision-R1通过构建高质量多模态CoT数据集和渐进性思维抑制训练策略，提升多模态推理能力，在数学推理基准中取得显著成绩。
Comments Accepted to ICLR 2026. Code is available at https://github.com/Osilly/Vision-R1
Interaction2Code: 基于MLLM的交互式网页代码生成基准测试
机构 * The Chinese University of Hong Kong, China（香港中文大学） ； Singapore Management University, Singapore（新加坡管理学院） ； Renmin University of China, China（中国人民大学） ； Tsinghua University, China（清华大学） ； Southwest University, China（西南大学）
AI总结 Interaction2Code提出首个基于MLLM的交互式网页代码生成基准测试，识别MLLM在交互生成中的四个限制并提出四种增强策略。
Comments Published in the Proceedings of the 40th IEEE/ACM International Conference on Automated Software Engineering (ASE 2025)
通过无训练KV缓存压缩实现高效的长周期GUI代理
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）
AI总结 ST-Lite通过无训练的KV缓存压缩方法，提升GUI代理的解码效率，实现2.45倍加速并保持性能优势。
EfficientPosterGen: 通过令牌压缩和准确违规检测的语义感知高效海报生成
机构 * Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Wuhan University（武汉大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Dalian Maritime University（大连海事大学） ； Renmin University of China（中国人民大学）
AI总结 EfficientPosterGen通过语义感知检索、视觉上下文压缩和无代理布局检测技术，实现高效且可靠的学术海报自动生成。
利用几何先验不确定性与互补约束实现高保真的神经室内表面重建
机构 * Department of Automation, Shanghai Jiao Tong University（自动化系，上海交通大学） ； 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及T Stone机器人研究所，香港中文大学）
AI总结 GPU-SDF通过利用几何先验不确定性与互补约束，提升神经室内表面重建的细部特征恢复能力。
Comments Accepted by ICRA 2026
基于3D几何先验的双臂操作动作预测
机构 * College of Computer Science, Sichuan University, China（四川大学计算机学院） ； University of Electronic Science and Technology of China, China（电子科技大学） ； Dexmal ； The Chinese University of Hong Kong, HK SAR, China（香港中文大学（HK SAR））
AI总结 本文提出基于3D几何先验的双臂操作预测框架，通过融合几何特征与2D语义信息，实现高效动作预测与空间理解。
Comments Accepted by CVPR 2026
GFRRN: 探索单图像反光去除中的空白
机构 * Zhejiang University（浙江大学） ； Huanjiang Laboratory（焕江实验室） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 GFRRN通过引入PEFT策略、标签生成器和自适应频率学习块，解决单图像反光去除中的语义差距和标签不一致问题，实现更高效的反光去除性能。
Comments CVPR26
从静态到动态：基于物理的图像编辑与潜在过渡先验
机构 * CUHK MMLab（香港中文大学多模态实验室）
AI总结 本文提出PhysicEdit，通过引入物理状态过渡和大规模数据集，提升图像编辑的物理真实性和知识引导能力，达到开源方法的新水平。
Comments All code, checkpoints, and datasets are available at https://liangbingzhao.github.io/statics2dynamics/
想象一座城市：CityGenAgent用于程序化3D城市生成
机构 * Lingnan University, Hong Kong SAR, China（岭南大学） ； Zhejiang University, Hangzhou, China（浙江大学） ； The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学） ； Autodesk AI Lab, Canada（Autodesk AI实验室） ； The University of Hong Kong, Hong Kong SAR, China（香港大学）
AI总结 CityGenAgent通过自然语言驱动的分层程序化生成方法，实现了高质量3D城市生成，提升了语义对齐、视觉质量和可控性。
自监督AI生成图像检测：从相机元数据视角
机构 * Department of Computer Science, City University of Hong Kong（城市大学计算机科学系） ； Department of Computer Science, Fudan University（复旦大学计算机科学系） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）人工智能学院） ； Department of Computer Science and the Shenzhen Research Institute, City University of Hong Kong（城市大学计算机科学系和深圳研究院）
AI总结 通过相机元数据学习特征，提出自监督方法检测AI生成图像，提升检测性能和鲁棒性。
分布式网络与能源社区协调运行中的量子学习与估计
机构 * Department of Electrical Engineering, Tsinghua University（清华大学电子工程系） ； 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） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学深圳校区数据科学学院） ； Department of Earth and Environmental Engineering, Columbia University（哥伦比亚大学地球与环境工程系） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院）
AI总结 本文提出量子学习与估计方法，用于提升分布式网络与能源社区间的协调运行，通过量子特性提升映射精度并减少计算资源消耗。
Comments This is a manuscript published by CSEE Journal of Power and Energy Systems
JiSAM: 通过最小真实世界数据缓解自动驾驶中的标注负担和边缘案例问题
机构 * The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Voyager Research, Didi Chuxing（滴滴出行 Voyager 研究） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； HKU Shanghai Intelligent Computing Research Center（香港大学上海智能计算研究中心）
AI总结 JiSAM通过最小真实世界数据缓解自动驾驶中的标注负担和边缘案例问题，利用模拟数据提升真实感知性能。
DSV：利用动态稀疏性加速大规模视频DiT训练
机构 * The Chinese University of Hong Kong（香港中文大学） ； StepFun ； Unaffiliated（无隶属）
AI总结 DSV通过动态稀疏性技术提升视频DiT训练效率，实现3.02倍吞吐量提升，适用于大规模高分辨率视频训练。
Journal ref ASPLOS'26: Proceedings of the 31st ACM International Conference on Architectural Support for Programming Languages and Operating Systems, Vol. 1 (2026) 101-116
Uni-ISP：迈向从多种移动摄像头统一学习ISP
机构 * Chinese University of Hong Kong（香港中文大学）
AI总结 Uni-ISP通过统一学习多种移动摄像头的ISP，提高了图像处理的准确性和适应性，同时解锁了传统方法无法实现的新应用。
Journal ref IEEE Transactions on Image Processing, vol. 34, pp. 6126-6137, 2025
CO³：协作无监督3D表示学习用于自动驾驶
机构 * The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 CO³通过协作对比学习和上下文形状预测，实现无监督学习户外场景点云的3D表示，提升自动驾驶中的检测性能。
ColaVLA: 借助认知潜在推理实现自动驾驶中的分层并行轨迹规划
机构 * Tsinghua University（清华大学） ； CUHK MMLab（香港中文大学MMLab） ； Voyager Research, Didi Chuxing（Voyager Research，滴滴出行）
AI总结 ColaVLA通过统一视觉-语言-动作框架，解决自动驾驶中轨迹规划的效率与准确性问题，实现高效、安全的多尺度轨迹生成。
Comments CVPR2026(Main Conference). Project page: https://pqh22.github.io/projects/ColaVLA/index.html
基于概念的对抗攻击：概率视角
机构 * University of Warwick（沃里克大学） ； University of Manchester（曼彻斯特大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Edinburgh（爱丁堡大学） ； University of Aalto（阿alto大学）
AI总结 本文提出一种基于概念的对抗攻击方法，通过概率视角生成多样化的对抗示例，保持原始概念以误导分类器，提升攻击效率。
PGVMS: 一种基于提示的统一框架用于虚拟多色IHC染色与病理语义学习
机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences and University of Chinese Academy of Sciences, Beijing, China（深圳先进技术研究院，中国科学院和中国科学院大学，北京，中国） ； Department of Pathology, Sun Yat-sen University Cancer Center, State Key Laboratory of Oncology in South China, Guangzhou, China（中山大学肿瘤中心病理科，南方肿瘤临床研究中心，广州，中国） ； Hong Kong Polytechnic University, Hong Kong SAR, China（香港理工大学，香港特别行政区，中国） ； Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong SAR 999077, China（电子工程系，香港中文大学，香港特别行政区，中国） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China（深圳先进技术研究院，中国科学院，深圳，中国）
AI总结 PGVMS提出了一种基于提示的统一框架，利用单染训练数据解决虚拟多色IHC染色中的语义指导、染色分布不一致和空间错位问题。
Comments Accepted by TMI
Journal ref IEEE Transactions on Medical Imaging, 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