高校专区
Memory-T1: 基于强化学习的多会话代理时间推理
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） ； HKUST（香港科技大学） ； The University of Edinburgh（爱丁堡大学）
AI总结 Memory-T1通过强化学习提升多会话代理的时间推理能力，实现7B模型在Time-Dialog基准上的67.0%高分，优于基线模型。
为大模型设计强化学习：综述
机构 * National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文综述了视觉强化学习领域，探讨了多模态大语言模型、视觉生成等四个主题，分析了算法设计、奖励工程及评估协议，并指出了样本效率、泛化能力等开放挑战。
Comments 22 pages
学习可提升梯度下降的收敛性
机构 * Xiamen University（厦门大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本研究提出了一种学习优化框架，通过理论证明和实验验证，展示了其在提升梯度下降收敛性和优化性能方面的显著优势。
Comments 48 pages, 11 figures, NeurIPS 2025
从易到难：基于单点监督的红外小目标检测渐进主动学习框架
机构 * Key Laboratory of Opto-Electronic Information Processing, Chinese Academy of Sciences（光电信息处理重点实验室，中国科学院） ； Shenyang Institute of Automation, Chinese Academy of Sciences（沈阳自动化研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Nankai University（南开大学） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； CPII under InnoHK（创新香港下的CPII）
AI总结 本文提出渐进主动学习框架，通过模型预启动和双更新策略提升单点监督下红外小目标检测的性能和稳定性。
Comments Accepted by ICCV 2025
EGM: 为高动态人形全身体控高效学习通用运动跟踪策略
机构 * Shanghai Innovation Institute（上海创新研究院） ； College of Future Information Technology, Fudan University（复旦大学未来信息科技学院） ； College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； The Chinese University of Hong Kong（香港中文大学） ； ByteDance（字节跳动）
AI总结 EGM通过高效学习通用运动跟踪策略，提升高动态人形全身体控的鲁棒性和泛化能力。
上下文音频控制视频扩散变换器
机构 * MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； Kling Team, Kuaishou Technology（快手科技Kling团队）
AI总结 本文提出ICAC框架，通过三维注意力机制实现音频驱动的视频生成，解决时间同步信号在视频扩散模型中的整合问题。
VDOT: 通过最优传输蒸馏实现高效的统一视频生成
机构 * USYD（美国新南威尔士大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； BUAA（北京航空航天大学） ； CUHK（香港大学）
AI总结 VDOT通过最优传输蒸馏实现高效统一视频生成，提升生成效率与稳定性，优化视频质量。
AdaCtrl: 通过难度感知预算分配实现适应性与可控性推理
机构 * 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） ； Peking University（北京大学）
AI总结 AdaCtrl通过难度感知预算分配实现自适应推理控制，提升模型在不同任务中的效率与效果。
CrossLMM: 通过双交叉注意力机制解耦长视频序列与LMMs
机构 * Accio Team, Alibaba Group（阿里集团阿奇奥团队） ； CUHK MMLab（CUHK多模态实验室） ； Tsinghua University（清华大学）
AI总结 CrossLMM通过双交叉注意力机制解耦长视频序列，有效减少视觉token数量并保持性能，适用于多种视频多模态模型基准测试。
Comments Project page: https://github.com/shilinyan99/CrossLMM
通信高效且隐私适应的联邦学习机制
机构 * 1 Department of Computer Science, City University of Hong Kong 2 City University of Hong Kong Shenzhen Research Institute 3 Department of Electrical ； Computer Engineering, University of British Columbia Department of \ 4 Computer Science, 5 Information Engineering\ , The Chinese University of Hong Kong 1 Department of Computer Science, City University of Hong Kong, 2 City University of Hong Kong Shenzhen Research Institute 3 Department of Electrical ； Computer Engineering, University of British Columbia Department of \ 4 Computer Science, 5 Information Engineering\ , The Chinese University of Hong Kong 6 School of Information Science ； Engineering, Shandong Normal University
AI总结 本文提出CEPAM机制，通过拒绝采样的通用量化器实现通信高效和隐私保护，同时在MNIST数据集上验证其在学习准确性上的优势。
Comments 16 pages, 3 figures
二进制事件驱动脉冲变压器
机构 * University of Electronic Science and Technology of China（电子科学与技术大学） ； Northumbria University（北umbria大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出二进制事件驱动脉冲变压器（BESTformer），通过二值化技术减少计算和存储需求，结合耦合信息增强方法缓解性能下降，实现高效且高性能的脉冲神经网络模型。
Comments 9 pages, 5 figures
OpenView: 通过视图外视觉问答增强大规模语言模型
机构 * Monash University（墨尔本大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 OpenView通过全景图像生成多选VQA，提升大规模语言模型在视图外视觉问答任务中的性能。
Comments Code: https://github.com/q1xiangchen/OpenView
FedSUM Family: 面向任意客户端参与的高效联邦学习方法
机构 * School of Data Science（数据科学学院） ； The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳））
AI总结 FedSUM家族提出了一种支持任意客户端参与的联邦学习方法，通过两个延迟指标建模参与变异性，提升实际应用中的适用性。
GRADEO: 通过多步骤推理实现文本到视频生成的人类级评估
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） ； CSE department, The Chinese University of Hong Kong, Hong Kong,China（中国香港大学计算机科学与工程系，中国香港，中国） ； Department of Computer Science（计算机科学系） ； Engineering, The Hong Kong University of Science（工程，香港科学大学）
AI总结 GRADEO通过多步骤推理实现文本到视频生成的人类级评估，提出多维评估数据集和专门设计的视频评估模型，提升评估的可解释性和与人类判断的一致性。
UmniBench: 通用理解与生成模型面向全维度的基准
机构 * Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Huawei Technologies Ltd（华为技术有限公司）
AI总结 UmniBench 是一个面向统一多模态模型的全维度评估基准，能够综合评估理解、生成和编辑能力，覆盖13个主要领域和200多个概念，用于全面评估和改进统一模型性能。
Comments Project Page: https://umnibench.github.io/
世界是你的画布：通过参考图像、轨迹和文本绘画可提示事件
机构 * HKUST（香港科技大学） ； Ant Group（蚂蚁集团） ； ZJU（浙江大学） ； NEU（南京大学） ； CUHK（香港中文大学） ； NTU（南洋理工大学）
AI总结 WorldCanvas通过结合文本、轨迹和参考图像，实现可提示的多代理交互事件生成，提升世界模型的交互性和可控性。
Comments Project page and code: https://worldcanvas.github.io/
StereoPilot: 通过生成先验学习统一且高效的立体转换
机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； CUHK（香港中文大学）
AI总结 StereoPilot通过生成先验学习实现高效立体转换，提升视觉保真度和计算效率。
N3D-VLM：原生3D接地使视觉-语言模型在3D场景中实现精确的空间推理
机构 * HKUST（香港科技大学） ； Tencent AI Lab（腾讯AI实验室） ； CUHK（香港中文大学） ； ZJU（浙江大学） ； NJU（南京大学）
AI总结 N3D-VLM通过原生3D感知能力提升视觉-语言模型在3D场景中的空间推理精度与解释性。
Comments Project Page: https://n3d-vlm.github.io
OS-Oracle: 一个跨平台GUI批评模型的综合框架
机构 * Shanghai Jiaotong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； CUHK MMLab（香港大学MMLab） ； The University of Hong Kong（香港大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 OS-Oracle提出了一种跨平台GUI批评模型框架，通过合成数据和两阶段训练方法，实现了在移动、网页和桌面平台上的高效批评评估。
QuadSentinel: 多智能体系统中机器可验证的顺序安全控制
机构 * The Chinese University of Hong Kong（香港中文大学） ； Alibaba Group（阿里巴巴集团）
AI总结 QuadSentinel通过四智能体守卫系统，将安全政策转化为机器可验证规则，提升多智能体系统的安全控制效果。
Comments Preprint
N2N：一种用于分布式内存下大规模混合整数线性规划的并行框架
机构 * Shenzhen Research Institute of Big Data（深圳大数据研究 institute） ； Theory Lab, Central Research Institute, 2012 Labs, Huawei Technologies Co. Ltd.（华为技术有限公司理论实验室，中央研究所，2012实验室） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 N2N提出了一种可扩展的并行框架，用于在分布式内存环境中高效求解大规模MILP问题，通过确定性和非确定性模式实现显著性能提升。
Comments 18 pages, 2 figures; the affiliation of some authors is updated in this version
基于特征模型的增强型Actor-Critic：用于动态环境多任务控制
机构 * The University of Tokyo（东京大学） ； National Institute of Informatics（日本信息处理学会） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 FM-EAC通过整合规划、行动和学习，提升动态环境多任务控制的泛化能力与任务迁移性能。
双密度推理用于高效语言模型推理
机构 * The Chinese University of Hong Kong（香港中文大学） ； University of International Relations（国际关系大学） ； Shenzhen University（深圳大学）
AI总结 Denser通过双密度推理框架，优化语言模型在推理和回答阶段的信息密度，减少token消耗达62%，提升复杂推理任务的效率。
TalkVerse：民主化分钟级音频驱动视频生成
机构 * The Chinese University of Hong Kong（香港中文大学） ； Snap Inc.（Snap公司）
AI总结 TalkVerse通过大规模开放数据和高效模型，实现了分钟级音频驱动视频生成，降低研究门槛，提升生成质量与效率。
Comments open-sourced single-person full-body talking video generation dataset, training code and checkpoints
混合归因先验用于可解释和鲁棒模型训练
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Key Lab of High Confidence Software Technologies, Peking University（北京大学高可信软件技术重点实验室） ； Kling Team（Kling团队） ； Department of Systems Engineering and Engineering Management, CUHK（CUHK系统工程与工程管理系）
AI总结 本文提出CAP Hybrid方法，通过结合CAP与现有归因技术，提升模型的可解释性和鲁棒性。
Comments 15 pages
CaFe-TeleVision：一种用于增强人体工学的粗细层次远程操控系统
机构 * Department of Mechanical and Automation Engineering, T-Stone Robotics Institute, The Chinese University of Hong Kong, Hong Kong SAR（机械与自动化工程系、T-Stone机器人研究所、香港中文大学（深圳））
AI总结 CaFe-TeleVision通过粗细层次控制机制和沉浸式可视化技术，提升远程操控的人体工学效率和用户接受度。
Comments Project webpage: https://clover-cuhk.github.io/cafe_television/ Code: https://github.com/Zixin-Tang/CaFe-TeleVision
由约束表达式中间表示引导的3D软件合成
机构 * The Chinese University of Hong Kong（香港中文大学） ； Renmin University of China（中国人民大学）
AI总结 Scenethesis通过约束表达式中间表示实现3D软件合成，有效捕捉用户需求并满足复杂约束。
Comments Accepted by the IEEE/ACM International Conference on Software Engineering (ICSE) 2026, Rio de Janeiro, Brazil
KNN-MMD：通过局部分布对齐实现跨域无线传感
机构 * Shenzhen Research Institute of Big Data（深圳大数据研究院） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Shenzhen Research Institute of Big Data, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）深圳大数据研究院） ； Department of Electrical and Electronic Engineering, Southern University of Science and Technology（南方科技大学电子与电气工程系） ； School of Electronic Information, Wuhan University（武汉大学电子信息学院）
AI总结 KNN-MMD通过局部分布对齐解决跨域无线传感中的领域对齐问题，提升模型在不同环境下的鲁棒性和稳定性。
从预训练到隐私：具有自监督学习的联邦超声基础模型
机构 * FNii-Shenzhen, The Chinese University of Hong Kong, Shenzhen（深圳FNii，香港中文大学（深圳）） ； 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）） ； West China Hospital of Sichuan University, Chengdu（四川大学华西医院） ； School of Computer Science, University College Dublin, Ireland（计算机科学学院，都柏林大学（爱尔兰）） ； College of Computer Science and Software Engineering, Shenzhen University, Shenzhen（计算机科学与软件工程学院，深圳大学） ； South China Hospital, Health Science Center, Shenzhen University, Shenzhen（南方医院，深圳大学健康科学中心） ； School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing（计算机科学学院，南京邮电大学） ； Affiliated Hospital of North Sichuan Medical College, Sichuan（北川医学院附属医院） ； North Sichuan Medical College, Sichuan（北川医学院） ； Shenzhen Research Institute of Big Data, Shenzhen（深圳大数据研究院） ； Bio-Computing Research Center, Harbin Institute of Technology, Shenzhen（生物计算研究中心，哈尔滨工业大学（深圳）） ； School of Computer Science, Wuhan University, Wuhan（计算机科学学院，武汉大学） ； Computer Science Program, Computer, E（计算机科学项目，计算机）
AI总结 UltraFedFM通过联邦学习和自监督学习，构建了一个隐私保护的超声基础模型，实现了在多种疾病诊断和病变分割上的高准确率，超越了中级医师水平，达到了专家级表现。
Comments npj digital medicine(2025)
TrafficGamer: 用于安全关键场景的可靠且灵活的交通仿真方法，基于博弈论 oracle
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）） ； University of Manchester（曼彻斯特大学） ； Shenyang MXNavi Co.,Ltd.（沈阳MXNavi有限公司）
AI总结 TrafficGamer通过将道路驾驶视为多智能体游戏，实现安全关键场景的可靠且灵活的交通仿真，利用博弈论方法提高仿真保真度和均衡捕捉能力。
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