高校专区
ArtiCAD: 通过多智能体代码生成实现可动CAD装配设计
机构 * School of Software, Beihang University（北京航空航天大学软件学院） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学）
AI总结 ArtiCAD通过多智能体系统从文本或图像生成可编辑的可动CAD装配，利用连接器定义连接点和关节参数，提升空间推理能力，通过验证步骤和回滚机制确保输出质量，验证了其在概念设计、物理原型和AI训练资产生成中的应用。
AniGen：统一的S³场用于可动画化的3D资产生成
机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学）
AI总结 AniGen通过统一的S³场生成可动画化的3D资产，解决传统方法在生成后制作rig时的不稳定性问题，提升动画质量和泛化能力。
Comments 16 pages, 12 figures
视觉变换器需要更多的寄存器
机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； Sun Yat-sen University（中山大学）
AI总结 本文通过系统分析发现视觉变换器的 artifacts 来源于懒惰聚合行为，通过选择性整合 patch 特征提升性能。
Comments Accepted by CVPR 2026
D-BDM：一种面向激光雷达的直接高效边界基于体素网格映射框架
机构 * Mechatronics and Robotic Systems (MaRS) Laboratory, Department of Mechanical Engineering, The University of Hong Kong（机电系统（MaRS）实验室，机械工程系，香港大学） ； Department of Robotics, Perception, and Learning, KTH Royal Institute of Technology（机器人、感知与学习系，皇家理工学院）
AI总结 本文提出D-BDM框架，通过高效更新方案和直接边界更新机制，降低激光雷达地图更新时间与内存消耗，提升未知环境下的自主机器人应用性能。
城市混合的潜在模式：在五个全球城市中的移动分析
机构 * Department of Geography, The University of Hong Kong（香港大学地理系） ； Institute of Marine Sustainable Development, Liaoning Normal University（辽宁师范大学海洋可持续发展研究院） ； Senseable City Lab, Massachusetts Institute of Technology（麻省理工学院感知城市实验室） ； ABC Department, Politecnico di Milano（米兰理工大学ABC部门） ； Network Science Institute and Department of Physics, Northeastern University（东北大学网络科学研究院和物理系） ； Media Lab, Massachusetts Institute of Technology（麻省理工学院媒体实验室）
AI总结 研究通过大规模出行调查揭示五个全球城市中社会混合模式，发现 socioeconomic 状态和年龄对混合影响不同，构建了空间时间场所网络。
Comments Fan, Z., Loo, B.P.Y., Duarte, F., Ratti, C., & Moro, E. (2026). Latent patterns of urban mixing in mobility analysis across five global cities. Nature Cities, accepted
DBGL：衰减感知的双图学习用于不规则医疗时间序列分类
机构 * Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong, China（香港大学电子与电气工程系） ； Shenzhen MSU-BIT University, China（深圳MSU-BIT大学） ； Department of Data Science, City University of Hong Kong, China（香港城市大学数据科学系） ； Engineering Research Centre of Applied Technology on Machine Translation and Artificial Intelligence, Macao Polytechnic University（澳门理工大学机器翻译与人工智能应用技术研究中心）
AI总结 DBGL通过引入患者变量双图和衰减编码机制，解决不规则医疗时间序列中的采样不规则性和衰减问题，提升表示学习效果。
Relax：一种用于大规模多模态后训练的异步强化学习引擎
机构 * AI Platform, Xiaohongshu Inc（小红书AI平台） ； The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 Relax通过三个协同设计的架构层解决多模态数据流、大规模鲁棒性和延迟-吞吐量平衡问题，实现比veRL快1.20倍的端到端加速，并在多模态强化学习中表现出稳定收敛性。
Comments 17 pages, 22 figures
LOLGORITHM：短视频 funny 评论生成代理
机构 * University of New South Wales（新南威尔士大学） ； University of Sydney（悉尼大学） ； The University of Hong Kong（香港大学） ； University of Southern California（南加州大学）
AI总结 本文提出LOLGORITHM框架，通过视频摘要、分类和语义检索生成符合平台文化的短视频评论，实验显示其在YouTube和抖音上的人类偏好选择率高达80.46%和84.29%。
定位、引导与改进：大型语言模型中可操作机制可解释性的一项实用调查
机构 * The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； LMU Munich（慕尼黑大学） ； Tsinghua University（清华大学） ； Technische Universität Darmstadt（达姆施塔特技术大学） ； Technische Universität Berlin（柏林技术大学） ； Technische Universität Dresden（德累斯顿技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Nanjing University（南京大学） ； University of Manchester（曼彻斯特大学） ； Dartmouth College（达特茅斯学院） ； University of California Los Angeles（加州大学洛杉矶分校） ； University of Michigan（密歇根大学） ； Microsoft（微软） ； Tencent（腾讯）
AI总结 本文提出一个实用调查，围绕'定位、引导与改进'流程，系统分类定位和引导方法，展示如何通过该框架提升模型对齐、能力和效率。
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