高校专区
定义和评估大语言模型的物理安全性
机构 * The Chinese University of Hong Kong（香港中文大学） ； IBM Research（IBM研究院）
AI总结 本文提出了一种无人机控制的全面基准，评估大语言模型在物理安全方面的风险与权衡，揭示了模型在安全性和实用性之间的不理想平衡。
Journal ref Communications of the ACM, 2026
NeMo：视频语言理解中的蒙太奇之针
机构 * The Chinese University of Hong Kong（香港中文大学） ； Phoenix TV（凤凰电视台） ； Stanford University（斯坦福大学） ； University of Liverpool（利物浦大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 为评估视频大语言模型时间理解能力，提出蒙太奇之针（NeMo）任务，开发自动数据生成管道并构建NeMoBench基准，能生成高质量数据，评估了20个模型，展现其能力与局限。
UniMedSeg：用于多范式2D/3D医学图像分割的统一上下文学习
机构 * Harbin Institute of Technology at Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； University Hospital Tübingen（图宾根大学医院） ； German Center for Mental Health（德国心理健康中心） ； Chinese University of Hong Kong（香港中文大学）
AI总结 研究针对医学图像分割基础模型存在的问题，提出以Transformer为中心的UniMedSeg框架，通过映射多种信息到共享序列空间联合学习异构医学监督，引入解耦分割注意力克服内存瓶颈，在多类分割任务中实现最优性能且无需特定任务微调。
EvoGraph-R1：用于智能检索的自进化多模态知识超图
机构 * Northwestern Polytechnical University（西北工业大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学） ； Monash University（莫纳什大学） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））
AI总结 研究针对现有GraphRAG方法将知识图视为静态数据结构的局限，提出EvoGraph-R1自进化框架，把检索建模为MDP，智能体通过多种操作使超图结构进化以支持多跳推理，实验证明该方法在多模态问答基准测试中大幅优于现有基线。
Comments 10 pages main paper, 6 figures. CVPR 2026 accepted paper
通过相机-显示器耦合实现颜色直通
机构 * CUHK MMLab（香港中文大学多媒体实验室） ； Zhejiang University（浙江大学） ； Central Media Technology Institute, Huawei（华为中央媒体技术研究所）
AI总结 研究智能手机相机捕捉场景与屏幕显示颜色差异问题，提出颜色直通的端到端学习框架，将相机和显示器视为耦合系统，经实验验证该方法能提升原始场景感知颜色的再现效果。
Comments 35 pages, 20 figures, including supplementary material. Project page: https://lyricccco.github.io/color-pass-through/
TerraLogic：地球观测中分层地理空间推理的基准
机构 * The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Technical University of Munich（慕尼黑工业大学）
AI总结 针对遥感中认知地理空间推理研究不足的问题，引入TerraLogic基准及HieraPlan工具增强智能体，通过545个任务推动评估向认知级发展，实验显示HieraPlan在分层地理空间推理上表现出色，为相关研究提供强大基线。
Comments 8 pages, 3 figures, and 7 tables. Dataset and agent code are available at https://github.com/Ireliya/TerraLogic
全局观察，局部细化：用于稳健徒手三维超声重建的全局视觉引导和局部超声线索
机构 * Department of Mechanical Engineering, The University of Hong Kong（香港大学机械工程系） ； Multi-Scale Medical Robotics Center（多尺度医疗机器人中心） ； 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）
AI总结 研究针对徒手三维超声重建中探头姿态估计易累积误差问题，提出全局到局部姿态估计框架，利用双相机分支和B模式分支及跨模态融合模块，经多尺度姿态损失约束，在数据集和体内实验中有效降低轨迹漂移，提升重建效果。
SymbOmni：通过符号概念学习进化智能全能模型
机构 * South China University of Technology（华南理工大学） ； Westlake University（西湖大学） ； Johns Hopkins University（约翰·霍普金斯大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 针对视觉生成模型无法累积学习与自主进化的问题，提出SymbOmni智能全能模型，通过符号概念学习和归纳-转导循环运行，经言语反向传播训练。实验验证其在多方面性能优越，能有效降低令牌消耗并实现持续学习。
Comments ECCV 2026 (49 pages, 10 figures, project page: https://spherelab.ai/symbomni)
遵循潜在路径：利用锚定令牌导航扩散LLM的可撤销解码
机构 * King's College London（伦敦国王学院） ； The Chinese University of Hong Kong（香港中文大学） ； The Alan Turing Institute, UK（英国艾伦·图灵研究所）
AI总结 针对扩散大语言模型解码速度与质量的权衡，提出无训练框架ASRD，通过锚定令牌解耦上下文，结合锚定引导生成与锚定扰动验证，在数学和编码基准上提升准确率6.4%，加速推理7.2倍。
在学习中保持好奇心：通过自适应自蒸馏实现熵保持的监督微调以提升大推理模型
机构 * City University of Hong Kong（香港城市大学） ； The 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 CurioSFT通过自适应自蒸馏和熵引导温度选择，提升大推理模型的探索能力，在监督微调和强化学习阶段均取得显著改进。
Tilt-Ropter: 一种带有倾转旋翼和被动轮的全驱动混合空中-地面车辆
机构 * Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（机械与自动化工程系，香港中文大学） ； Faculty of Engineering, The University of Hong Kong（工程学院，香港大学） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 提出全驱动混合空中-地面车辆Tilt-Ropter，通过倾转旋翼和被动轮实现高效多模态运动，并设计统一非线性模型预测控制器实现低跟踪误差和地面运动功耗降低92.8%。
Comments 8 pages, 10 figures. Accepted by the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
多智能体辩论何时以及为何失败，它真的表现不佳吗？
机构 * The Chinese University of Hong Kong（香港中文大学） ； RIKEN Center for Advanced Intelligence Project（日本理化学研究院高级智能项目中心） ； Hong Kong Baptist University（香港 Baptist大学） ； The University of Tokyo（东京大学）
AI总结 研究多智能体辩论（MAD）失败原因及表现，分析竞争型和寻求共识型MAD范式问题，提出协作协议ColMAD，经实验验证其在错误检测等任务上比之前协议高出10个百分点，且优于单智能体方法，凸显协议设计对MAD潜力实现的关键作用。
Comments Preprint, ongoing work
CSI的通用语言：统一跨设备和环境的无线传感
机构 * Shenzhen Research Institute of Big Data（深圳大数据研究院） ； 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）
AI总结 研究旨在解决基于CSI的WiFi传感异构问题，提出基础模型框架，通过整理标准化数据集、引入模块化架构，将CSI视为有通用语法的语言，实现跨设备和环境统一无线传感，提升泛化能力，优于特定任务基线。
高级数学基准测试：用于高级数学证明生成与验证的基准测试套件
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； MMLab, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Great Bay University（大湾区大学）
AI总结 介绍用于评估高级数学推理能力的AdvancedMathBench基准测试套件，含ProverBench证明生成基准及自动验证管道，还有VerifierBench。实验显示前沿模型在证明生成与验证上表现不佳，该套件对模型提升高级数学证明能力有挑战。
视差人像抠图
机构 * Multimedia Laboratory, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Adobe NextCam ； Shanghai AI Laboratory（上海人工智能实验室） ； CPII under InnoHK（创新香港研发平台下的CPII）
AI总结 针对图像抠图难题，提出视差人像抠图方法，利用连拍摄影中相机小幅度运动产生的前景-背景视差，通过估计trimap和前景/背景运动构建对齐视图预测，能恢复更精细细节和准确前景颜色。
Comments ECCV 2026
迈向自主且可审计的医学成像模型开发
机构 * The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Microsoft Research（微软研究院） ； Lehigh University（里海大学）
AI总结 研究针对医学成像模型开发困难的问题，提出AMID自主多代理框架。该框架含数据条件方法规划和验证引导两阶段优化，经20个医学成像任务验证，其性能优于通用MLE系统，能将特定任务模型开发转变为高效可审计的代理工作流程。
Comments 18 Pages
通过深度特征锚定偏好优化打破流式目标说话人提取中的质量-可懂度权衡
机构 * Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； SenseTime（商汤科技）
AI总结 研究流式目标说话人提取中的质量-可懂度权衡问题，提出扩大Conformer卷积核及基于WavLM的DPO微调策略，实现了相对可懂度10.9%的提升，同时音频质量和说话人相似度也有改善。
微分神经切线核及其正性
机构 * The Chinese University of Hong Kong（香港中文大学）
AI总结 研究针对物理信息神经网络（PINN），提出微分神经切线核（DNTK）理论框架，通过NTK分析PINN，建立了无限宽度DNTK的正性，为训练PINN的梯度型算法分析奠定基础。
Comments 31 pages, 1 figure
Q分数：一种用于分子对接的量子原生评分函数
机构 * Department of Computer Science（计算机科学系） ； The Chinese University of Hong Kong（香港中文大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Rutgers University（罗格斯大学） ； The University of Chicago（芝加哥大学）
AI总结 研究针对分子对接这一药物发现瓶颈，引入Q分数，通过图神经网络编码能量，利用数字化反绝热量子近似优化算法解决最大权重顶点团问题评分，在多个蛋白质靶点及大量分子上取得良好效果，验证了在噪声中等规模量子硬件上的可解性。
RynnWorld-Teleop：用于数字遥操作的动作条件世界模型
机构 * DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团） ； Hong Kong Embodied AI Lab（香港具身人工智能实验室） ； CUHK（香港中文大学） ； Hupan Lab（湖畔实验室） ； Alibaba Group（阿里巴巴集团） ； Ant Group（蚂蚁集团）
AI总结 研究针对机器人学习数据收集瓶颈，提出数字遥操作范式，用生成世界模型解耦数据收集与物理约束。以RynnWorld-Teleop系统实现，含多种技术，能实时生成，训练策略可零样本转移，还能增强数据集，是高保真可扩展数据引擎。
Comments Project Page: https://alibaba-damo-academy.github.io/RynnWorld-Teleop.github.io, Github: https://github.com/alibaba-damo-academy/RynnWorld-Teleop
DemoPSD: 分歧调节的策略自蒸馏
机构 * City University of Hong Kong（香港城市大学） ； Tsinghua University（清华大学） ； Shenzhen University of Advanced Technology（深圳理工大学） ； Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出DemoPSD框架，通过选择性采纳教师指导，平衡学生从教师学习和保持自身推理能力，解决特权信息泄露和探索抑制问题，在科学推理任务上优于现有方法。
PerspectiveGap: 多智能体编排提示的基准测试
机构 * University of Maryland（马里兰大学） ； The Chinese University of Hong Kong（香港中文大学） ； Stanford University（斯坦福大学）
AI总结 提出PerspectiveGap基准，评估LLM为多智能体系统编写编排提示的能力，实验显示模型平均通过率仅14.9%，表明该能力独特且未被充分评估。
NITP：面向LLM预训练的下一隐式令牌预测
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Xiaohongshu Inc.（小红书公司） ； 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）
AI总结 提出NITP方法，通过在表示空间中添加密集连续监督来增强离散令牌预测，以解决标准下一令牌预测中潜在表示空间约束不足的问题，并在0.5B至9B参数模型上取得一致性能提升。
Comments Accepted at ICML 2026
驾驶千面：一个闭环个性化端到端自动驾驶的基准
机构 * The University of Hong Kong（香港大学） ； ShanghaiTech University（上海科技大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出Person2Drive平台，通过个性化数据集、评价指标和框架，解决自动驾驶个性化难题，实现细粒度分析与有效个性化。
Comments Accepted to ECCV 2026. Camera-ready version
将复利文动力学与基于得分和基于能量的扩散模型相结合
机构 * Centre for Quantum Fields and Gravity（量子场与引力中心） ； Department of Physics, Swansea University（斯旺西大学物理系） ； RIKEN Center for Interdisciplinary Theoretical and Mathematical Sciences (iTHEMS)（理化学研究所交叉学科理论与数学科学中心） ； School of Science and Engineering, The Chinese University of Hong Kong Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳）科学与工程学院） ； Frankfurt Institute for Advanced Studies（法兰克福高级研究 institute）
AI总结 本文探讨了复利文动力学与基于得分和能量的扩散模型结合的可能性，旨在利用扩散模型学习复利文过程采样的分布，并探索其潜在应用。
Comments 22 pages, many figures
Journal ref J. High Energ. Phys. 2025, 160 (2025)
LoFi：用于Wi-Fi定位与跟踪的视觉辅助标签生成器
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） ； 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）
AI总结 LoFi通过视觉辅助生成高精度的Wi-Fi定位与跟踪标签，降低数据收集成本，提升数据驱动方法的实用性。
利用真实数据建模5G能耗：能量指纹是你所需的一切
机构 * Shenzhen Research Institute of Big Data（深圳大数据研究院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； 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） ； Huawei Technologies（华为技术有限公司） ； School of Software Engineering, Tongji University（同济大学软件工程学院）
AI总结 本文提出基于真实数据集的深度学习模型，通过整合基站标识符和引入掩码训练与注意力机制，有效提升了5G基站能耗估计的准确性。
用于空间可控多视图室内场景重光照的解耦光照先验
机构 * Multimedia Laboratory, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Shanghai AI Laboratory（上海人工智能实验室） ； CPII under InnoHK（创新香港研发平台下的CPII）
AI总结 研究室内场景重光照问题，提出Lume-Palette框架，通过将重光照解耦为光照蒸馏和投射两阶段，并引入不对称多视图条件策略，实现了逼真、空间可控且多视图一致的重光照效果。
3D软件中用于批量编辑碰撞网格的示例编程
机构 * The 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 针对3D软件中碰撞网格编辑难题，提出神经符号程序合成方法，将任务转化为例程编程问题，通过MeshForge工具实现，在6 hundred个碰撞网格的24个任务中评估，成功合成多数任务，平均所需演示次数和合成时间较少。
AV-Master：双路径综合感知实现更优的音频视觉问答
机构 * Great Bay University（大湾区大学） ； Dongguan Key Laboratory for Intelligence and Information Technology（东莞智能与信息科技重点实验室） ； Nankai University（南开大学） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 AV-Master通过动态建模时序和模态维度，提升模型在复杂视听场景中提取关键信息的能力，有效解决现有方法在时间采样和模态偏好意识上的不足，从而在复杂场景中增强推理能力。
Comments Accepted by IEEE Transactions on Circuits and Systems for Video Technology (TCSVT'26)
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