The University of Hong Kong（香港大学）

DFIR-DETR: Frequency-Domain Iterative Refinement and Dynamic Feature Aggregation for Small Object Detection

DFIR-DETR：面向小目标检测的频域迭代细化与动态特征聚合

Bo Gao, Jingcheng Tong, Xingsheng Chen, Han Yu, Zichen Li

机构 * School of Information Engineering, Beijing Institute of Graphic Communication（信息工程学院，北京印刷学院） ； School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

AI总结 针对小目标检测中注意力均匀、上采样特征漂移及高频边缘平滑问题，提出频域迭代细化与动态特征聚合的DFIR-DETR方法，在NEU-DET和VisDrone上以11.7M参数和47.2 GFLOPs实现92.9%和51.6% mAP50。

Semantically Structured Mixture-of-Experts for Compositional Robotic Manipulation

语义结构化混合专家用于组合机器人操作

Chengyu Deng, Guanqi Chen, Yizhou Chen, Zejia Liu, Zhiwen Ruan, Guanhua Chen, Jia Pan

机构 * The University of Hong Kong（香港大学） ； Southern University of Science and Technology（南方科技大学） 纠错

AI总结 提出语义结构化混合专家扩散策略（SMoDP），通过视觉语言模型标注的技能语义指导专家专业化，实现参数高效的多任务组合操作。

Comments Accepted to Robotics: Science and Systems (RSS) 2026

Socially fluent AI decouples conversational signals from source identity in online interaction

社交流畅的AI在在线互动中解耦对话信号与来源身份

Lixiang Yan, Yueqiao Jin, Xibin Han, Dragan Gašević

机构 * School of Education, Tsinghua University（清华大学教育学院） ； Faculty of Information Technology, Monash University（墨尔本大学信息技术学院） ； Faculty of Education, The University of Hong Kong（香港大学教育学院） 纠错

AI总结 本研究通过同步文本群组交互实验，发现社交流畅的AI代理使人类无法高于随机水平区分AI与人类队友，且这种失败源于参与者依赖与真实身份弱相关的怀疑启发式，而非缺乏身份相关信息。

Model Collapse as Cultural Evolution

模型崩溃作为文化演化

Dongxin Guo, Jikun Wu, Siu Ming Yiu

机构 * The University of Hong Kong（香港大学） ； Stellaris AI Limited（Stellaris AI有限公司） 纠错

AI总结 本文利用文化演化中的迭代学习理论解释模型崩溃现象，通过自训练LLaMA-2-7B和Mistral-7B模型验证了组合性先升后降的非单调轨迹等预测，并提供了压缩-通信权衡的首个LLM尺度证据。

Comments Accepted at CoNLL 2026. 18 pages, 3 figures, 2 tables

Do Language Models Know What Not to Say? Causal Evidence for Statistical Preemption in LLMs

语言模型知道不该说什么吗？大语言模型中统计预占的因果证据

Dongxin Guo, Jikun Wu, Siu Ming Yiu

机构 * The University of Hong Kong（香港大学） ； Stellaris AI Limited（Stellaris AI有限公司） 纠错

AI总结 本研究通过因果干预和竞争性设计，证明大语言模型通过分布竞争（统计预占）习得负面语言知识，与人类可接受性判断高度相关。

Comments Accepted at CoNLL 2026. 21 pages (9 main body + appendices and references); 4 figures, 14 tables

Sparse Autoencoders Map Brain-LLM Alignment onto Cortical Semantic Topography

稀疏自编码器将大脑-LLM对齐映射到皮层语义拓扑

Dongxin Guo, Jikun Wu, Siu Ming Yiu

机构 * The University of Hong Kong（香港大学） ； Stellaris AI Limited（Stellaris AI有限公司） 纠错

AI总结 通过稀疏自编码器分解LLM中间层特征，发现语义特征主导大脑预测表现，并验证了皮层语义拓扑的细粒度对齐。

Comments Accepted at CoNLL 2026. 20 pages (9 main + 1 limitations/acknowledgments + 3 references + 7 appendix), 5 figures, 20 tables

Brain-LLM Alignment Tracks Training Data, Not Typology

大脑-大语言模型对齐追踪训练数据，而非语言类型学

Dongxin Guo, Jikun Wu, Siu Ming Yiu

机构 * The University of Hong Kong（香港大学） ； Stellaris AI Limited（Stellaris AI有限公司） 纠错

AI总结 通过分析英语、中文和法语的fMRI数据及多种大语言模型，发现训练语言主导性而非英语本身驱动大脑-模型对齐模式，且类型学距离独立影响对齐退化。

Comments Accepted to CoNLL 2026. 9 pages main content + 4 pages references + 6 pages appendix; 4 figures, 13 tables

UniReg: A Universal Model for Controllable CT Image Registration

UniReg: 一种用于可控CT图像配准的通用模型

Zi Li, Jianpeng Zhang, Tai Ma, Tony C. W. Mok, Yan-Jie Zhou, Zeli Chen, Xianghua Ye, Le Lu, Cheng Chen, Dakai Jin

机构 * The University of Hong Kong（香港大学） ； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院） ； The First Affiliated Hospital of Zhejiang University（浙江大学第一附属医院） 纠错

AI总结 提出UniReg，首个条件统一模型，通过整合解剖结构先验、配准类型约束和实例特征，实现多场景CT图像配准的精确性和泛化性。

Agentivism: a learning theory for the age of artificial intelligence

Agentivism：人工智能时代的学习理论

Lixiang Yan, Dragan Gašević

机构 * School of Education, Tsinghua University（清华大学教育学院） ； Faculty of Education and School of Computing & Data Science, The University of Hong Kong（香港大学教育学院及计算与数据科学学院） ； Faculty of Information Technology, Monash University（墨尔本大学信息技术学院） 纠错

AI总结 针对AI辅助下成功表现不等于学习的问题，提出Agentivism学习理论，通过选择性委托、认知监控、重构内化和迁移学习来解释人机交互中的学习机制。