高校专区
双图Beltrami优化用于受控的球面双射映射及其在脑表面配准中的应用
机构 * Department of Mathematics, The Chinese University of Hong Kong（数学系，香港中文大学）
AI总结 本文提出双图Beltrami优化方法，用于受控的球面双射映射，应用于脑表面配准，实现精确配准与可控失真。
全栈代理：通过面向开发的测试和仓库反翻译增强全栈网页编码
机构 * Multimedia Laboratory (MMLab), The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 FullStack-Agent通过面向开发的测试和仓库反翻译提升全栈网页编码能力，其多代理框架和自我改进方法在多个测试用例中表现出色。
LIVE: 长时距交互视频世界建模
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； Microsoft Research（微软研究院） ； The University of Hong Kong（香港大学） ； Voyager Research, Didi Chuxing Project（Voyager研究，滴滴出行项目）
AI总结 LIVE通过循环一致性目标限制误差累积，无需教师蒸馏，实现长时距交互视频世界建模，取得最优性能。
Comments 18 pages, 22 figures
Search-R2: 通过演员-细化协作提升搜索集成推理
机构 * The Chinese University of Hong Kong（香港中文大学） ； LLM Department, Tencent（腾讯语言模型部门） ； Mohamed bin Zayed University of Artificial Intelligence（马尔代夫人工智能大学） ； McGill University（麦吉尔大学） ； City University of Hong Kong（香港城市大学） ； The University of Edinburgh（爱丁堡大学）
AI总结 Search-R2通过演员-细化协作框架提升搜索集成推理，通过针对性干预和混合奖励设计，在多种QA数据集上超越强基线，实现更优的推理准确性。
Morphe: 基于视觉基础模型的高保真生成视频流媒体
机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（科学与工程学院，香港中文大学（深圳）） ； Shenzhen Future Network of Intelligence Institute（深圳未来网络智能研究院） ； Wangxuan Institute of Computer Technology, Peking University（王轩计算机技术研究所，北京大学）
AI总结 Morphe基于视觉基础模型，通过联合训练和智能分组丢弃技术，实现高保真度、低带宽的实时视频流媒体传输。
Comments Accepted by NSDI 2026 Fall
MedSAM-Agent: 通过多轮代理强化学习赋能交互式医学图像分割
机构 * Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学） ； Hunyuan Group, Tencent（腾讯洪音集团） ； Institute of Automation, the Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； Dalian University of Technology, Dalian, China（大连理工大学） ； Stanford University, Stanford, USA（斯坦福大学）
AI总结 MedSAM-Agent通过多轮代理强化学习提升医学图像分割的交互效率与准确性
Comments 23 Pages, 4 Figures
通过毒性关联图揭示多模态数据中的隐性毒性：一种基于图的度量方法和可解释检测框架
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； State University of New York at Buffalo（纽约州立大学布法罗分校）
AI总结 本文提出基于图的毒性关联图方法，通过多模态毒性隐性度度量标准实现对隐性毒性的可解释检测，提升多模态毒性检测的透明度和准确性。
无需训练的多模态掩码扩散模型自校正
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Mohamed bin Zayed University of Artificial Intelligence（莫莫德·本·扎耶德人工智能大学） ； East China Normal University（华东师范大学） ； University of Virginia（弗吉尼亚大学） ； University of Minnesota（明尼苏达大学） ； Drexel university（德雷塞尔大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Toronto（多伦多大学）
AI总结 本文提出无需训练的多模态掩码扩散模型自校正方法，通过减少采样步骤提升生成质量，适用于文本到图像和多模态理解任务。
IceBench-S2S：一种深度学习用于挑战性亚季节至季节每日北极海冰预测的基准
机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Chinese University of Hong Kong（香港中文大学）
AI总结 IceBench-S2S通过深度学习框架提升北极海冰预测的季节尺度能力，为极地环境监测提供统一的训练和评估流程。
Comments 9 pages, 6 figures
HyPAC: 低成本的LLM-人类混合标注与PAC误差保证
机构 * Department of Statistics and Data Science, Southern University of Science and Technology, China（统计与数据科学系，南方科技大学） ； Department of Statistics, University of California at Riverside, USA（统计系，加州大学河滨分校） ； College of Computing and Data Science, Nanyang Technological University, Singapore（计算与数据科学学院，南洋理工大学） ； School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen, China（人工智能学院，香港中文大学（深圳））
AI总结 HyPAC通过自适应路由和PAC误差保证，实现低成本高效标注，降低78.51%成本并严格控制误差。
量子信息排序与差分隐私
机构 * Indian Statistical Institute（印度统计研究所） ； 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） ； International Quantum Academy（国际量子学院） ； Graduate School of Mathematics, Nagoya University（名古屋大学数学研究生院）
AI总结 本文提出通过量子态信息性顺序定义量子差分隐私，研究隐私化假设检验和参数估计的限制，并建立量子通道的收缩界。
Comments 36 pages, 2 figures; Significant revision: This manuscript has been restructured to focus exclusively on Quantum Information Ordering and Privacy definitions. The results regarding Stability, which appeared in earlier versions of this preprint, have been moved to a separate companion paper: arXiv:2602.01177
无需对应的功能基仿真到现实学习用于变形表面控制
机构 * Department of Mechanical and Aerospace Engineering, The University of Manchester, United Kingdom（机械与航空航天工程系，曼彻斯特大学，英国） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Shatin, Hong Kong（机械与自动化工程系，香港中文大学（深圳），香港） ； Department of Materials, The University of Manchester, United Kingdom（材料系，曼彻斯特大学，英国）
AI总结 本文提出一种无需对应的功能基仿真到现实学习方法，用于控制可变形自由形式表面，通过神经网络参数化变形函数空间和置信度图，实现无需对应关系的仿真到现实转移。
Comments arXiv admin note: text overlap with arXiv:2405.08935
Proteus-ID：身份一致且运动协调的视频定制
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanjing University（南京大学） ； Voyager Research, Didi Chuxing（Voyager Research与滴滴出行）
AI总结 Proteus-ID通过多模态身份融合、时间感知身份注入和自适应运动学习，实现了身份一致且运动协调的视频定制，提升了视频生成的真实性和流畅度。
Comments SIGGRAPH Asia 2025
SurgVidLM：迈向多粒度外科视频理解的大型语言模型
机构 * The Chinese University of Hong Kong（香港中文大学） ； Sun Yat-sen University（中山大学） ； University of Strasbourg（斯特拉斯堡大学） ； Technical University of Munich（慕尼黑技术大学） ； Monash University（墨尔本大学） ； Centre for Artificial Intelligence and Robotics, HKISI-CAS（人工智能与机器人中心，HKISI-CAS） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 SurgVidLM通过多粒度分析提升外科视频理解能力，结合全局与局部机制实现更精确的手术流程解析。
超压缩：通过超函数进行模型压缩
机构 * Department of Data Science, City University of Hong Kong, China SAR（数据科学系，香港城市大学，中国香港特别行政区） ； Department of Applied Mathematics, The Hong Kong Polytechnic University, China SAR（应用数学系，香港理工大学，中国香港特别行政区） ； Department of Biomedical Engineering, Rensselaer Polytechnic Institute, NY, US（生物医学工程系，罗切斯特理工学院，纽约，美国） ； Department of Mathematics, The Chinese University of Hong Kong, China SAR（数学系，香港中文大学，中国香港特别行政区）
AI总结 通过超函数实现模型压缩，无需重新训练，具有高压缩比和低推理时间的特性。
线性注意力大语言模型中的状态排名动态
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Chinese Academy of Sciences（中国科学院大学） ； CAS Key Laboratory of AI Safety, Institute of Computing Technology, CAS（中国科学院人工智能安全重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Oxford（牛津大学） ； Tsinghua University（清华大学）
AI总结 本研究揭示了线性注意力模型中状态排名分层现象，提出联合秩-范数剪枝策略，有效降低KV缓存开销并维持模型准确性。
最大冯·诺依曼熵原理：在机器学习中的理论与应用
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（计算机科学与工程系，香港中文大学）
AI总结 本文提出最大冯·诺依曼熵原理，通过博弈论框架为核学习中的熵最大化提供理论基础，并展示其在核表示选择和矩阵补全中的应用。
打破静态图：面向鲁棒检索增强生成的上下文感知遍历
机构 * Huawei Hong Kong Research Center（华为香港研究中心） ； 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））
AI总结 CatRAG通过上下文感知遍历框架，改进检索增强生成模型，提升多跳查询的推理完整性和证据链恢复能力。
Mind-Brush: 将代理认知搜索与推理整合到图像生成中
机构 * Sun Yat-sen University（中山大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab）
AI总结 Mind-Brush通过整合代理认知搜索与推理，提升图像生成模型对复杂知识推理和动态适应能力，实现性能显著跃升。
Comments 36 pages, 24 figures
面向尾部的训练后量化用于3D几何模型
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院，清华大学，深圳，中国） ； MMLab, The Chinese University of Hong Kong, Hong Kong, China（MMLab，香港中文大学，香港，中国） ； Harbin Institute of Technology Shenzhen, China（哈尔滨工业大学深圳，中国） ； Huawei Technology, Shenzhen, China（华为技术，深圳，中国）
AI总结 TAPTQ通过面向尾部的训练后量化方法，提升3D几何模型的部署效率和准确性。
FreshMem: 基于大脑的频率-空间混合内存用于流视频理解
机构 * College of Future Information Technology, Fudan University, Shanghai, China（复旦大学未来信息科技学院） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Shanghai Artificial Intelligence 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 FreshMem通过频率-空间混合内存网络，提升流视频理解的连续感知能力，实现短期保真与长期一致性的平衡。
基于自回归扩散协同思想的推理
机构 * 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） ； Tsinghua University（清华大学）
AI总结 本文提出协同思想框架，通过自回归和扩散模型的闭环协作提升空间推理可靠性与生成可控性。
基于小信道扰动的AI信道解码器脆弱性研究
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（计算机科学与工程系，香港中文大学） ； Huawei Technologies Co., Ltd., Theory Lab（华为技术有限公司，理论实验室）
AI总结 本文研究了基于AI的信道解码器在小信道扰动下的脆弱性，发现其在对抗扰动下性能显著下降，揭示了AI解码增益背后的鲁棒性成本。
零阶优化中的多查询悖论
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） ； The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； Xiamen University, China（厦门大学）
AI总结 本文研究零阶优化中的多查询问题，发现单次查询方法在ZO-Avg中最优，而ZO-Align在多查询情况下表现更佳，揭示了聚合方法对优化效率的关键影响。
这个预测器比另一个更有信息量吗？一种决策理论的比较
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出信息量差距的概念，用于比较预测器的决策相关性，提供了一种评估预测模型在不同决策任务中表现的理论框架和实验验证。
PromptRL: 流基于图像生成中强化学习中提示的重要性
机构 * The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； Meta Superintelligence Labs, USA（Meta超智能实验室）
AI总结 PromptRL通过整合语言模型作为可训练的提示精修代理，提升流基于图像生成中强化学习的性能和效率。
ASTER: 基于工具集成扩展推理的代理扩展
机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家实验室） ； School of Artificial Intelligence, Nanjing University, China（人工智能学院） ； Department of Foundation Model, 2012 Labs, Huawei（基础模型部门） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 ASTER通过冷启动策略提升工具集成推理性能，实现长周期推理的高效扩展。
Workflow-R1: 多轮工作流构建的分组子序列策略优化
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shanghai Jiao Tong University（上海交通大学） ； Tianjin University（天津大学） ； Tongji University（同济大学） ； University of Edinburgh（爱丁堡大学）
AI总结 Workflow-R1通过分组子序列策略优化提升多轮工作流构建的灵活性和性能。
分析和改进用于时间序列数据插补的扩散模型：从近端递归的角度
机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（人工智能国家重点实验室、智能科学与技术学院、北京大学） ； Zhejiang University（浙江大学） ； Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Center for Data Science, Peking University（北京大学数据科学中心） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Pazhou Laboratory (Huangpu), Guangzhou, China（黄埔实验室（华南））
AI总结 本文从近端递归角度提出SPIRIT框架，通过引入熵诱导的Bregman分歧和半近端传输正则化，改进扩散模型在时间序列数据插补中的性能。
MedAD-R1: 通过一致性强化策略优化实现可解释医学异常检测中的一致推理
机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能研究院） ； Zhejiang Expressway Co., Ltd.（浙江高速公路有限公司） ； School of Science and Engineering, Chinese University of Hong Kong（香港中文大学科学与工程学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 MedAD-R1通过一致性强化策略优化实现医学异常检测中的可解释推理，提升模型的可信度和可解释性。
Comments 9 pages, 4 figures
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