高校专区
XYZFlow：用于高效生成建模的多维捷径流缩放方法
机构 * CUHK（香港中文大学） ； Westlake University（西湖大学） ； Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 XYZFlow框架通过流匹配的多维缩放实现高效图像生成，兼具7.2-8.5倍的教师模型速度提升与竞争力FID，其下一捷径预测可实现更优的质量-延迟权衡。
Comments ICML 2026 (16 pages, 5 figures)
UniSwap：用于说话视频的流音频-视觉身份交换
机构 * The Chinese University of Hong Kong（香港中文大学） ； Qwen Applications Business Group of Alibaba（阿里巴巴通义千问应用业务集团）
AI总结 UniSwap是首个流音频-视觉身份替换框架，通过多阶段适配技术解决现有方法音视频一致性差等问题，实现高效稳定的说话视频身份替换。
LiveAnimate：稳定的长时长流驱动人体动画实时生成系统
机构 * The Chinese University of Hong Kong（香港中文大学） ； Qwen Applications Business Group of Alibaba（阿里巴巴通义千问应用业务组） ； Liblib AI
AI总结 LiveAnimate基于14B参数视频DiT，经两阶段训练结合PR-Sink等设计，实现19.63 FPS长时长流人体动画生成，兼顾实时性、质量与稳定性，优于现有系统。
HandsOnWorld: 无约束的自我中心视频生成，具有相机解耦的手部控制
机构 * Tsinghua University（清华大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Chinese University of Hong Kong（香港中文大学）
AI总结 提出HandsOnWorld框架，通过单目重建从无约束视频中学习手部控制，利用Plücker手部映射解耦相机与手部运动，生成高保真自我中心视频。
Comments Project Page: https://shad0wta9.github.io/handsonworld-page/
通用视觉语言模型（VLMs）能否在医疗领域超越专门化模型？基准测试与战略洞察
机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所）
AI总结 研究比较了通用与专门化医疗VLMs的性能，发现高效微调的通用模型在多数任务中表现可比或更优，尤其在处理未见医疗模态时。
Comments version 5
VANE：通过未来视觉表示预测实现视觉-语言-动作模型的可靠测试时训练
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Li Auto Inc.（理想汽车）
AI总结 本文提出VANE框架，通过条件提示自适应、未来视觉后果学习及候选更新隔离评估的方法，提升VLA策略在闭环操纵中的可靠性，在SimplerEnv WidowX上将平均成功率提高3.2个百分点。
大语言模型作为网络优化的通用策略
机构 * Bytedance（字节跳动） ； Shenzhen International Graduate School（深圳国际研究生院） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Department of Computer Science and Technology（计算机科学与技术系）
AI总结 本文提出Trailblazer框架，利用大语言模型实现跨任务和环境的通用网络策略，通过网络对齐和策略协作机制提升效率与泛化能力。
Comments Arxiv version. Official version has been submitted to IEEE Transactions on Mobile Computing
后归一化解码器Transformer中秩崩溃的机制诊断
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Research Institute of Big Data（深圳大数据研究院）
AI总结 该研究以token相似度为变量，分析后归一化解码器Transformer的秩崩溃机制，发现其前向相似度放大与反向修复无能的特性，实验验证了相关预测。
想象式生成人工智能：跨越熵墙进入超越模仿的世界
机构 * The Chinese University of Hong Kong（香港中文大学）
AI总结 该研究提出IGA框架，通过熵约束投影实现从模仿到想象的生成，可修复数据多样性并实现可控频谱外推，相关方法适用于DDPM等扩散模型。
当智能体自动化变得有利可图：通过痕迹经济核保量化和保险自主AI风险
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）
AI总结 提出痕迹经济核保方法，通过量化客户-任务-痕迹片段级别的风险并转移至保险，使自主AI部署在经济上可接受，实验显示定价误差从$17.7K降至$569，风险降低72%。
Comments 26 pages, 14 figures, 29 tables
retrosynthesis 中的顺序至关重要：通过反应中心引导的离散流匹配实现结构感知生成
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）） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 本研究提出了一种结构感知的模板自由框架，通过反应中心引导的离散流匹配实现高效的 retrosynthesis 生成。
DreamOmni3：基于涂鸦的编辑与生成
机构 * CUHK（香港中文大学） ； ByteDance Inc（字节跳动公司） ； HKUST（香港科技大学）
AI总结 DreamOmni3通过结合文本、图像和自由手绘涂鸦，实现更灵活的图形用户界面编辑与生成，解决了复杂编辑任务中的数据创建和框架设计问题。
Argus：面向长程推理的通用智能体运行时
机构 * Microsoft（微软公司） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Donghua University（东华大学）
AI总结 Argus是面向长程推理的通用智能体运行时，通过多角色协作与自进化，在多个基准测试中表现优于同类方法，还完成了实际应用任务并产出结构化轨迹。
微型机器人导航的分钟级训练
机构 * The Hong Kong Polytechnic University（香港理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本文针对微型机器人DRL导航训练耗时久的问题，提出含全向量化模拟器与TSR奖励框架的学习框架，将训练缩至10分钟内，支持零样本部署，可缩短设计周期、加速部署。
VideoCoCo：基于智能体双引擎系统的、以代码为思维链（CoT）的物理一致性视频生成方法
机构 * CUHK（香港中文大学） ； USTC（中国科学技术大学） ； SCUT（华南理工大学） ； HKU（香港大学） ； NTU（南洋理工大学） ； PKU（北京大学） ； SJTU（上海交通大学） ； CMU（卡内基梅隆大学） ； THU（清华大学） ； HUST（华中科技大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
AI总结 VideoCoCo作为智能体双引擎框架，以可执行Blender代码为过程级思维链，构建专属数据集提升视频编辑器适配性，在两个基准上显著优于基线，实现了高质量物理一致性视频生成。
Comments 15 pages, 3 figures, and 3 tables
用于具身操纵的数据金字塔
机构 * PKU（北京大学） ； NTU（南洋理工大学） ； HKUST（香港科技大学） ； NUS（新加坡国立大学） ； CUHK（香港中文大学） ； HKU（香港大学） ； Duke（杜克大学） ； UCB（加州大学伯克利分校） ； GBU（未提及具体中文名的机构） ； NJU（南京大学） ； SJTU（上海交通大学）
AI总结 研究围绕具身操纵数据生态系统展开，构建跨越五个互补数据源的“数据金字塔”，通过数据配方分析具身基础模型，将数据组成与多种能力联系起来，并讨论了六个开放挑战，为下一代具身系统设计奠定基础。
Comments Awesome Embodied Data Pyramid; Project Page at https://jasper-aaa.github.io/embodied-data-pyramid/ GitHub Repo at https://github.com/worldbench/awesome-embodied-data-pyramid
分层声学-语义建模：全双工口语语言模型的模态分离与语义连贯
机构 * School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与技术学院） ； Center for Language, Intelligence and Machines, Shenzhen Loop Area Institute, Shenzhen（深圳环智中语言、智能与机器中心） ； 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）
AI总结 研究全双工口语语言模型受模态干扰问题，提出Lychee-FD框架及分层参数分离策略，通过实验验证该方法能有效提升模型性能，在语音智能和交互流畅性上取得显著进步，且不影响推理效率。
Comments 22 pages, 9 figures
GeoLink：一种面向跨视角地理定位更好泛化的3D-aware框架
机构 * CUHK(SZ)（香港中文大学（深圳）） ； XMU（厦门大学） ； UESTC（电子科技大学） ； Foshan University（佛山大学） ； Tongji University（同济大学）
AI总结 本文提出GeoLink框架，通过3D感知的语义一致方法提升跨视角地理定位的泛化能力，实验表明其在多个基准测试中优于现有方法，能适应未见领域和多变天气。
协作多智能体脚本生成以增强谋杀谜游戏中的不完全信息推理
机构 * Sun Yat-sen University（中山大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文提出协作多智能体框架，通过生成丰富多模态上下文提升VLMs在叙事推理和欺骗鲁棒性中的表现，解决多玩家游戏中不完全信息下的复杂推理问题。
Comments 9 pages, 5 figures, Findings of ACL 2026
高维经验风险最小化中高斯普适性破坏的表征
机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen, China ； Huawei Noah's Ark Lab, Huawei Technologies, Paris, France ； School of Electronic Information ； Communications, Huazhong University of Science \& Technology, China
AI总结 通过将凸高斯极小极大定理推广到非高斯数据，刻画了高维经验风险最小化估计量的渐近分布，揭示了高斯普适性的适用范围与局限。
Comments 28 pages, 3 figures, 1 table
Journal ref ICML 2026
SimulCost: 一个用于自动化物理模拟的代价感知基准与工具包
机构 * University of California San Diego（加州大学圣地亚哥分校） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Peking University（北京大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； California Institute of Technology（加州理工学院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 针对现有LLM评估忽略工具使用代价的问题，提出SimulCost基准，通过单轮和多轮参数调优任务比较LLM与传统扫描方法在准确性和计算代价上的表现，发现LLM在高精度任务中初始猜测不可靠且多轮模式效率更低。
Comments post conference revision version at ICML; update: removed CGYRO due to bug in cases search. Will add back soon
在LLM推理扩展中采样多样性的影响
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Rensselaer Polytechnic Institute（罗切斯特理工学院） ； The Chinese University of Hong Kong（香港中文大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； NEC Laboratories America（NEC美国实验室）
AI总结 本文研究了在LLM推理扩展中采样多样性对性能的影响，通过理论和实验证明多样化的采样能提升模型表现，并在不同任务中实现了显著的增益。
Comments 31 pages
VCU-Bridge: 通过语义桥梁实现层次化视觉隐喻理解
机构 * Zhejiang University（浙江大学） ； Peking University（北京大学） ； Sun Yat-sen University（中山大学） ； CUHK（香港中文大学）
AI总结 VCU-Bridge通过语义桥梁实现层次化视觉隐喻理解，构建了HVCU-Bench基准，并展示了提升MLLM能力的显著效果。
基于大语言模型的符号图形编程
机构 * The Chinese University of Hong Kong（香港中文大学） ； Westlake University（西湖大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
AI总结 本文针对大语言模型生成符号图形程序（SGP）能力不足的问题，提出带可验证奖励的强化学习方法，在Qwen-2.5-7B上实现与前沿系统相当的SVG生成性能，揭示SGP是跨模态 grounding 的有效视角。
Comments Accepted by Transactions on Machine Learning Research. (32 pages, 12 figures.) This version refines the paper structure, adds experimental results. Project page: https://spherelab.ai/SGP-Gen/
CREBench：评估大语言模型在密码二进制逆向工程中的能力
机构 * Shanghai Qi Zhi Institute（上海期智研究院） ； Institute of Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院） ； Xiongan AI Institute（雄安人工智能研究院） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； East China Normal University（华东师范大学）
AI总结 本文提出CREBench基准，通过432个基于密码算法的挑战评估大语言模型在密码二进制逆向工程中的性能，发现GPT-5.4在该任务中表现优异，人类专家仍具优势。
Comments COLM 2026
CoCo：用于文本到图像预览和稀有概念生成的代码作为CoT
机构 * South China University of Technology（南方科技大学） ； StepFun ； Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 CoCo通过代码驱动的推理框架，提升文本到图像生成的精度和可控性，实现结构化图像生成和稀有概念生成。
Comments 21 pages, 7 figures, and 3 tables. Accepted to ECCV 2026
带分层记忆的Mamba：解决长序列建模中的表示瓶颈
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； University of Oxford（牛津大学） ； The Chinese University of Hong Kong（香港中文大学） ； City University of Hong Kong（香港城市大学） ； Hainan Bielefeld University of Applied Sciences（海南比勒费尔德应用科学大学） ； BrainGalaxy
AI总结 该研究提出分层记忆Mamba（HMM），通过分层记忆机制解决Mamba类循环线性注意力模型的长序列表示瓶颈，在两项任务上提升性能且参数和训练开销增加极少。
Comments 19 pages, preprint
GRIMIP：一种使用LLM进行MIP求解器实例特定配置的通用框架
机构 * 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） ； School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院）
AI总结 提出GRIMIP框架，结合大语言模型的语义推理与贝叶斯优化的高效搜索，为混合整数规划求解器配置超参数，在MIPLIB等基准上实现超过40%的原始对偶积分减少。
情境代理记忆是一种备忘录，而非真正的记忆
机构 * The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学）
AI总结 本文指出当前代理记忆系统仅实现查找而非记忆，导致代理能力、长期学习和安全性的局限，提出生物智能通过结合快速海马体示例存储与慢速新皮层权重巩固解决此问题。
RiboSphere：学习RNA结构的统一且高效的表示
机构 * Nanjing University（南京大学） ； The Chinese University of Hong Kong（香港中文大学） ； Stanford University（斯坦福大学）
AI总结 RiboSphere通过结合向量量化与流匹配，学习RNA结构的离散几何表示，实现高保真结构生成，其在结构重建和逆折叠中表现优异。
Comments Accepted by ICML 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