The University of Hong Kong（香港大学）

SafeMind: A Risk-Aware Differentiable Control Framework for Adaptive and Safe Quadruped Locomotion

SafeMind: 一种考虑风险的可微控制框架用于自适应和安全的四足运动

Zukun Zhang, Kai Shu, Mingqiao Mo

机构 * The University of Hong Kong（香港大学） ； Alibaba（阿里巴巴） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 SafeMind通过整合概率控制障碍函数与语义上下文理解及元适应性风险校准，实现了在不确定环境下自适应且安全的四足运动控制，实验显示其在安全性与能耗上均优于现有方法。

Task-Aware LLM Routing with Multi-Level Task-Profile-Guided Data Synthesis for Cold-Start Scenarios

具有多级任务-特征引导的数据合成的任务感知LLM路由用于冷启动场景

Hui Liu, Bin Zou, Kecheng Chen, Jie Liu, Wenya Wang, Haoliang Li

机构 * City University of Hong Kong（香港城市大学） ； University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出TRouter，通过多级任务-特征引导的数据合成框架解决冷启动问题，提升LLM路由在冷启动和领域内设置下的性能。

Comments 30 pages, Accepted by ACL 2026 Main

CoMoVi: Co-Generation of 3D Human Motions and Realistic Videos

CoMoVi：3D人类动作与真实视频的联合生成

Chengfeng Zhao, Jiazhi Shu, Yubo Zhao, Tianyu Huang, Jiahao Lu, Zekai Gu, Chengwei Ren, Zhiyang Dou, Qing Shuai, Yuan Liu

机构 * HKUST（香港科技大学） ； SCUT（华南理工大学） ； HKU（香港大学） ； MIT（麻省理工学院） ； ZJU（浙江大学） 纠错

AI总结 本文提出CoMoVi框架，通过单个扩散去噪循环同步生成3D人类动作和视频，采用双分支扩散模型实现动作与视频生成的互惠特征交互和3D-2D交叉注意力。

Comments Project Page: https://igl-hkust.github.io/CoMoVi/

CORA: Conformal Risk-Controlled Agents for Safeguarded Mobile GUI Automation

CORA: 为保障移动GUI自动化设计的符合性风险控制代理

Yushi Feng, Junye Du, Qifan Wang, Zizhan Ma, Qian Niu, Yutaka Matsuo, Long Feng, Lequan Yu

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Tokyo（东京大学） 纠错

AI总结 CORA通过统计保障减少有害操作，利用Guardian模型评估行动风险并校准执行/中止边界，结合Goal-Lock机制和Phone-Harm基准验证其在自主GUI执行中的安全性与实用性。

"Take Me Home, Wi-Fi Drone": A Drone-based Wireless System for Wilderness Search and Rescue

带我回家，Wi-Fi无人机：一种基于无人机的无线系统用于荒野搜救

Weiying Hou, Luca Jiang-Tao Yu, Chenshu Wu

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

AI总结 本文提出Wi2SAR，一种基于无人机的无线系统，用于远距离穿透遮挡的荒野搜救。通过模仿Wi-Fi设备自动重新连接行为，利用无人机Wi-Fi发现并定位受害者，采用三种创新技术提升性能。

Comments 16 pages, 12 figures, 1 table. Project page: https://aiot-lab.github.io/Wi2SAR

Journal ref In The 32nd Annual International Conference on Mobile Computing and Networking (MobiCom '26), October 26-30, 2026, Austin, TX, USA. ACM, New York, NY, USA

Mapping generative AI use in the human brain: divergent neural, academic, and mental health profiles of functional versus socio emotional AI use

映射人类大脑中的生成AI使用：功能性与社会情绪AI使用在神经、学术和心理健康方面的异质性 profile

Junjie Wang, Xianyang Gan, Dan Liu, Jingxian He, Stefania Ferraro, Keith M. Kendrick, Weihua Zhao, Shuxia Yao, Christian Montag, Benjamin Becker

机构 * University of Electronic Science and Technology of China（电子科技大学） ； University of Macau（澳门大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 研究探讨了功能性与社会情绪型AI使用对大脑结构、学术表现和心理健康的影响，发现不同使用模式导致认知与情感系统差异，为AI教育应用提供设计依据。

Comments 45 pages, 20 figures, 5 tables

Fast-dVLM: Efficient Block-Diffusion VLM via Direct Conversion from Autoregressive VLM

Fast-dVLM: 通过直接转换自回归VLM实现高效的块扩散VLM

Chengyue Wu, Shiyi Lan, Yonggan Fu, Sensen Gao, Jin Wang, Jincheng Yu, Jose M. Alvarez, Pavlo Molchanov, Ping Luo, Song Han, Ligeng Zhu, Enze Xie

机构 * The University of Hong Kong（香港大学） ； NVIDIA（英伟达） ； MIT（麻省理工学院） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） 纠错

AI总结 本文提出Fast-dVLM，通过直接转换自回归VLM实现高效的块扩散VLM，采用KV-cache兼容并行解码和推测块解码，提升推理效率。实验表明其生成质量与自回归模型相当，且通过SGLang和FP8量化实现6倍以上的推理加速。