高校专区
Veda: 通过蒸馏稀疏注意力实现可扩展的视频扩散
机构 * ByteDance Inc.（字节跳动公司） ； 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 提出Veda蒸馏稀疏注意力框架，通过统计感知的tile评分和头感知tile选择，在保持生成质量的同时实现视频扩散模型的高效加速。
Comments Accepted to ICML 2026
通过矩阵补全改进异质性处理效应估计的保证
机构 * Stanford University（斯坦福大学） ； Vin University（文大学） ； The University of Hong Kong（香港大学） ； Yale University（耶鲁大学）
AI总结 针对面板数据中的异质性处理效应估计问题，提出一种基于矩阵补全的简单高效估计器，在低秩假设下实现行向$\ell_2$误差$ ilde{O}(\sqrt{1/n + n/m^2})$，并首次建立了低秩逼近的行向$\ell_2$扰动界。
统一基于LLM的多智能体提示优化中的时间与结构信用分配
机构 * Tongji University（同济大学） ； The University of Hong Kong（香港大学）
AI总结 提出通过时间信用（状态空间瓶颈识别关键轮次）和结构信用（固定角色策略隔离智能体贡献）分解误差信号，并利用离散言语化块坐标下降算法迭代优化角色提示和聚合协议，降低查询复杂度并提升性能。
Comments 15 pages, 4 figures, 6 tables
TraceCodec：一种基于编译器的有状态多流网络流量轨迹神经编解码器
机构 * Tsinghua University（清华大学） ； University of Hong Kong（香港大学）
AI总结 针对有状态多流网络流量轨迹的高保真生成问题，提出TraceCodec，通过将数据包解码为带时间戳的动作并学习连续潜在表示，再经确定性编译器还原为PCAP，实现精确的流量统计和TCP状态保持。
GaussianDream：用于机器人操作的前馈3D高斯世界模型
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学）
AI总结 提出GaussianDream，一种前馈3D高斯世界模型插件，通过可学习查询编码当前帧3D空间结构和短期未来演化，在训练时用静态重建和未来预测头监督，推理时仅保留查询条件化动作生成，在多个机器人操作基准上达到最先进性能。
Comments 19 pages, 9 figures
Aes3D: 3D高斯泼溅中的美学评估
机构 * The University of Sydney（悉尼大学） ； The University of Hong Kong（香港大学）
AI总结 针对3D高斯泼溅场景缺乏美学评估的问题，提出首个系统框架Aes3D，包含专用数据集Aesthetic3D和轻量级模型Aes3DGSNet，直接预测场景级美学分数，无需渲染多视图图像。
相位条件化模仿学习与自主故障恢复用于鲁棒可变形物体操作
机构 * Department of Robotics, Tohoku University（东大理学院机器人系） ； JC STEM Lab of Robotics for Soft Materials, the Department of Electrical and Computer Engineering, Faculty of Engineering, The University of Hong Kong（香港大学工程学院电气与计算机工程系软材料机器人实验室）
AI总结 提出一种相位条件化、力感知的闭环分层框架，通过FiLM调节的ACT编码器和多模态相位预测器实现自主故障恢复，显著提升可变形物体操作的成功率。
Comments Accepted to IEEE/ASME Transactions on Mechatronics
LoCoT2V-Bench: 长文本与复杂文本到视频生成的基准测试
机构 * Institute of Computing and Intelligence, Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学深圳研究院） ； The University of Hong Kong（香港大学）
AI总结 针对长视频生成在复杂文本输入下的评估挑战，提出包含多场景提示与层次元数据的基准LoCoT2V-Bench，并设计多维度评估框架LoCoT2V-Eval，实验发现模型在细粒度文本-视频对齐和角色一致性方面存在显著不足。
Comments Accepted by ICML 2026 (Regular)
动态渐进式参数高效专家库混合用于终身机器人学习
机构 * The University of Hong Kong（香港大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； Huawei Cloud Computing Technologies（华为云计算技术） ； Ola Dimensions ； HKU Shanghai Intelligent Computing Research Center（香港大学上海智能计算研究中心）
AI总结 针对终身学习中任务标识不可用和知识隔离问题，提出动态渐进式参数高效专家库混合（DMPEL），通过构建低秩专家库和轻量路由器实现灵活的前向迁移，并引入专家系数回放缓解遗忘，在LIBERO基准上以最少可训练参数和存储超越现有方法。
Comments Accepted to Transactions on Machine Learning Research (TMLR) at https://openreview.net/forum?id=MHVBrjS8cG . Code is available at https://github.com/HarryLui98/DMPEL
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