The University of Hong Kong（香港大学）

SMASH: Mastering Scalable Whole-Body Skills for Humanoid Ping-Pong with Egocentric Vision

SMASH：掌握可扩展的全身技能以实现人形乒乓球的敏捷性

Junli Ren, Yinghui Li, Kai Zhang, Penglin Fu, Haoran Jiang, Yixuan Pan, Guangjun Zeng, Tao Huang, Weizhong Guo, Peng Lu, Tianyu Li, Jingbo Wang, Li Chen, Hongyang Li, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Kinetix AI 纠错

AI总结 本文提出SMASH系统，通过整合可扩展的全身技能学习与 onboard 装置视觉感知，实现无需外部摄像头的敏捷人形乒乓球任务，提升了全身协调与击球动作的多样性和鲁棒性。

STAR: Mitigating Cascading Errors in Spatial Reasoning via Turn-point Alignment and Segment-level DPO

STAR：通过转弯点对齐和段级DPO缓解空间推理中的级联错误

Pukun Zhao, Longxiang Wang, Chen Chen, Peicheng Wang, Fanqing Zhou, Runze Li, Haojian Huang

机构 * Guangdong University of Finance and Economics（广东财经大学） ； Chongqing University（重庆大学） ； Westlake University（西湖大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出STAR框架，通过拓扑锚点解决复杂拓扑中的级联错误问题，引入RedMaze-23K数据集并采用段级DPO提升长距离导航的自我修正能力，实验表明其32B版本在开源模型中表现最优。

Comments 9 pages, 6 figures, 4 tables, Accepted by ICME 2026

Toward Optimal Sampling Rate Selection and Unbiased Classification for Precise Animal Activity Recognition

迈向最优采样率选择和无偏分类的精确动物活动识别

Axiu Mao, Meilu Zhu, Lei Shen, Xiaoshuai Wang, Tomas Norton, Kai Liu

机构 * School of Communication Engineering, Hangzhou Dianzi University（杭州电子科技大学通信工程学院） ； Department of Mechanical Engineering, City University of Hong Kong（香港城市大学机械工程系） ； Department of Electrical and Computer Engineering, The University of Hong Kong（香港大学电机电子工程系） ； College of Biosystems Engineering and Food Science, Zhejiang University（浙江大学生物系统工程与食品科学学院） ； Department of Biosystems, Division Animal and Human Health Engineering, M3-BIORES, Katholieke University of Leuven（鲁汶大学生物系统系动物与人类健康工程部M3-BIORES） ； Department of Infectious Diseases and Public Health, Jockey Club College of Veterinary Medicine and Life Sciences, City University of Hong Kong（香港城市大学赛马会兽医与生命科学学院传染病与公共卫生系） 纠错

AI总结 本文提出IBA-Net网络，通过自定义特征和校准分类器提升动物行为识别精度，解决采样率不足和类别不平衡问题，实验表明在三个公开数据集上均优于现有方法。

Comments 26 pages, 14 figures

ARGS: Auto-Regressive Gaussian Splatting via Parallel Progressive Next-Scale Prediction

ARGS：通过并行渐进下一尺度预测实现自动回归高斯点撒

Quanyuan Ruan, Kewei Shi, Jiabao Lei, Xifeng Gao, Xiaoguang Han

机构 * South China University of Technology（华南理工大学） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Lightspeed 纠错

AI总结 本文提出ARGS框架，通过并行生成多尺度高斯表示，实现3D物体生成的高效下一尺度预测，提升结构一致性与视觉保真度。

HUMOF: Human Motion Forecasting in Interactive Social Scenes

HUMOF：交互社交场景中的人体运动预测

Caiyi Sun, Yujing Sun, Xiao Han, Zemin Yang, Jiawei Liu, Xinge Zhu, Siu Ming Yiu, Yuexin Ma

机构 * ShanghaiTech University（上海科技大学） ； The University of Hong Kong（香港大学） ； Digital Trust Centre, Nanyang Technological University（南洋理工大学数字信任中心） ； Sun Yat-sen University（中山大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出HUMOF方法，通过层次化交互特征表示和粗到细交互推理模块，提升复杂场景中人体运动预测的准确性，实现在四个公开数据集上的最佳性能。

Comments Accepted by ICLR 2026

Chat-Based Support Alone May Not Be Enough: Comparing Conversational and Embedded LLM Feedback for Mathematical Proof Learning

基于对话的支持可能并不足够：比较对话式和嵌入式LLM反馈在数学证明学习中的比较

Eason Chen, Sophia Judicke, Kayla Beigh, Xinyi Tang, Isabel Wang, Nina Yuan, Zimo Xiao, Chuangji Li, Shizhuo Li, Reed Luttmer, Shreya Singh, Maria Yampolsky, Naman Parikh, Yvonne Zhao, Meiyi Chen, Scarlett Huang, Anishka Mohanty, Gregory Johnson, John Mackey, Jionghao Lin, Ken Koedinger

机构 * Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 研究评估了GPTutor系统对大学离散数学课程的影响，发现对话式反馈单独使用可能无法有效提升考试成绩，而嵌入式反馈与学习表现相关性较低。

Comments 9 pages, 4 figures. Accepted at AIED 2026. Camera-ready version with updated references