高校专区
超越重要性：互换-Sobol灵敏度揭示Transformer组件中的任务特定内容通道
机构 * St. Jude Children’s Research Hospital（圣犹大儿童研究医院） ； The University of Hong Kong（香港大学）
AI总结 提出互换组Sobol分解（IGSD），通过配对干预区分组件的内容传输与计算退化角色，在事实回忆任务中发现标准方法低估的早期层内容通道。
AOHP：一个用于个性化、高效和安全交互的开源操作系统级Agent框架
机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； The University of Hong Kong（香港大学）
AI总结 提出AOHP，一个基于AOSP的操作系统级Agent框架，通过将Agent视为一等OS参与者，实现个性化服务组合、高效Agent接口和安全信息流，在任务完成率、令牌成本和策略合规性上优于现有系统。
Comments 17 pages, 3 figures
StatABench：评估大语言模型统计分析能力的数据集与框架
机构 * Southern University of Science and Technology（南方科技大学） ； Alibaba Group（阿里巴巴集团） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The University of Hong Kong（香港大学）
AI总结 提出StatABench基准，包含404道封闭题和30道开放建模任务，评估LLM在统计分析上的能力，实验显示最佳模型仅达68.6%准确率，揭示工具推理和建模决策等挑战。
兴趣纠缠：盲超分辨率优化的隐藏障碍
机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； The University of Hong Kong（香港大学） ； Shanghai Institute of Virology, Shanghai Jiao Tong University School of Medicine（上海病毒研究所，同济大学医学院）
AI总结 针对图像超分辨率中保真度与感知质量冲突的问题，提出基于共享特征表示的超分辨率框架（SFR），通过解耦不同优化目标的学习过程并引入InfoSqueeze模块，实现两者有效平衡。
通过身份-动作解耦定制视频肖像
机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学智能机器人与先进制造学院） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； The University of Hong Kong（香港大学）
AI总结 提出身份-动作解耦框架，通过身份解耦损失和文本对齐损失，无需微调即可生成保持身份一致且表情丰富的视频。
RoboLineage：跨机器人策略迭代的智能体原生数据生命周期治理
机构 * Transcengram ； The University of Hong Kong（香港大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 提出RoboLineage系统，通过将数据收集、审查、训练、评估等步骤表示为类型化谱系工件，实现机器人策略迭代的显式生命周期管理，提升迭代速度与可审计性。
LLM上的模块化强化学习：从MDP创建到探索与学习
机构 * VU Amsterdam（阿姆斯特丹自由大学） ； University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） ； Leiden University（莱顿大学） ； University of Warsaw（华沙大学） ； Simon Fraser University（西蒙菲莎大学） ； The University of Hong Kong（香港大学）
AI总结 本文系统梳理LLM后训练中的强化学习方法，从MDP构建、探索策略到学习范式，揭示当前方法分布不均，指出价值函数、离策略AC及自举法等领域存在研究空白。
基于3D高斯散点的场景级异构物理仿真
机构 * The University of Hong Kong（香港大学） ； University of Cambridge（剑桥大学）
AI总结 提出一种表示抽象框架，将3D高斯散点、虚拟网格和流体等异构资产统一为物理粒子集，实现场景级、多求解器的物理仿真，支持3DGS资产的非刚性变形与复杂双向交互。
Comments Accepted to CVPR 2026 Findings
Journal ref Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Findings, 2026, pp. 6456-6465
SCOPE：尺度一致的3D几何单遍估计
机构 * The University of Hong Kong（香港大学） ； Alibaba Group（阿里巴巴集团）
AI总结 提出SCOPE方法，通过仿射不变3D点图和三个关键创新（视角不变几何、外观不变学习、频率调制定位），实现从长单目视频序列中高效、一致地估计3D几何，在ScanNet上相对点图误差降低24.2%，时间对齐误差降低34.9%。
Comments SIGGRAPH Conference Papers 2026. 11 pages
DIPBox：用于追踪数据集再生的多尺度测试框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； Southeast University（东南大学） ； Guizhou University（贵州大学） ； The University of Hong Kong（香港大学）
AI总结 针对数据集再生威胁，提出多尺度特征相似度指标和DIPBox框架，通过样本级、集合级和分布级特征测试追踪再生数据集，实验验证其有效性。
Comments Accepted by ACM CCS 2026. Please cite this paper as "Tian Dong, Yan Meng, Shaofeng Li, Guoxing Chen, Yuling Chen, Zhen Liu, Haojin Zhu, Hao Chen. DIPBox: A Multi-scale Testing Framework for Tracking Dataset Regeneration. In the Proceedings of ACM Conference on Computer and Communications Security (CCS 2026)."
通过价值拼接的自适应地平线离线策略学习
机构 * The University of Hong Kong（香港大学） ； Tsinghua University（清华大学）
AI总结 提出VAST方法，通过递归、自适应地平线价值组合替代固定地平线备份，利用未来状态和地平线长度条件辅助价值函数与拼接策略，实现离线策略优化，在长时域任务中优于固定步长和生成价值基线。
几何熵：轨迹多样性在模仿学习中的利弊
机构 * InfoBodied AI Lab, The University of Hong Kong（香港大学信息体人工智能实验室） ； Transcengram
AI总结 提出几何熵（H_G）量化演示轨迹的几何多样性，发现成功率与H_G呈倒U型关系，且最优熵随任务掌握度增加而降低，可用于数据集审计与校准。
Comments Accepted to IROS 2026. Project page: https://geometric-entropy.github.io/
JPPD：具有可微安全引导的联合预测-规划扩散框架用于智能交通系统中的动态障碍物规避
机构 * The University of Hong Kong（香港大学） ； Guangzhou College of Commerce（广州商学院）
AI总结 提出联合预测-规划扩散框架，将参与者预测与机器人规划视为条件轨迹生成问题，通过可微安全势引导和条件流匹配提升共享空间中的安全性与效率。
Comments 12 pages, 4 figures
Physical-AI: 从信道感知到6G无线网络中的环境智能
机构 * Augmented Cognition Meta-communications ERC Research Center, Korea University, Korea（增强认知元通信ERC研究中心，韩国大学，韩国） ； Department of Computer Science, Munster Technological University (MTU)（计算机科学系，穆斯特技术大学（MTU）） ； School of Computing, Faculty of Engineering and Computing, Dublin City University, Ireland（计算学院，工程与计算学院，都柏林城市大学，爱尔兰） ； Department of Electrical and Computer Engineering of the Democritus University, Greece（德米特里大学电气与计算机工程系，希腊） ； Department of Electrical and Computer Engineering, The University of Hong Kong, Hong Kong（电气与计算机工程系，香港大学，香港） ； Department of Electronic Engineering, Kyung Hee University, Yongin-si, Gyeonggi-do 17104, South Korea（电子工程系， Kyung Hee大学， Yongin-si, Gyeonggi-do 17104, 韩国）
AI总结 提出Physical-AI架构，利用自监督时空无线电基础模型将分布式观测转化为共享环境表征，通过多推理头估计阻塞、用户分布等环境属性，并基于神经决策层实现主动控制，降低中断概率和阻塞响应延迟。
用于服装配置对齐的缝到图重建
机构 * JC STEM Lab of Robotics for Soft Materials, Department of Electrical and Electronic Engineering, Faculty of Engineering, The University of Hong Kong（香港大学工程学院电气与电子工程系JC STEM软材料机器人实验室） ； Unprecedented-scale Data Analytics Center, Tohoku University（东北大学前所未有规模数据分析中心） ； Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究科） ； Department of Electrical and Electronic Engineering, Faculty of Engineering, The University of Hong Kong（香港大学工程学院电气与电子工程系）
AI总结 提出基于图神经网络和注意力机制的Seam-to-Graph网络，将部分可观测的缝信息映射为拓扑结构骨架图，用于实时服装状态估计，并设计变形感知分层视觉伺服控制器实现服装配置对齐，在双臂机器人系统上验证了人类级精度和鲁棒性。
Comments 11 pages, 9 figures
参数高效神经进化用于多样化大语言模型生成：通过提示嵌入进化实现质量-多样性优化
机构 * The University of Hong Kong（香港大学） ； Stellaris AI Limited（Stellaris AI有限公司）
AI总结 本文提出QD-LLM框架，通过进化提示嵌入实现参数高效神经进化，提升大语言模型生成质量与多样性，实验显示其在多个基准测试中表现优异。
Comments 11 pages, 3 figures, 7 tables, 1 algorithm, 1 theorem. Accepted to GECCO 2026
EvoPref：多目标进化优化发现超越梯度下降的多样化大语言模型对齐
机构 * The University of Hong Kong（香港大学） ； Stellaris AI Limited（Stellaris AI有限公司）
AI总结 EvoPref通过多目标进化算法在帮助性、无害性和诚实性目标上优化LoRA适配器，发现比梯度下降更丰富的对齐方式，实验显示其在偏好覆盖和崩溃率上均有显著提升。
Comments 10 pages, 2 figures, 6 tables, 1 algorithm. Accepted to GECCO 2026
SAGA：面向GPU集群的AI代理推理工作流原子调度
机构 * The University of Hong Kong（香港大学） ； Brain Investing Limited（脑投有限公司） ； Stellaris AI Limited（Stellaris AI有限公司）
AI总结 SAGA通过工作流级调度减少任务完成时间1.64倍，提升GPU内存利用率1.22倍，同时在多租户环境下达成99.2%的服务水平目标，但牺牲了30%的峰值吞吐量。
Comments 15 pages, 3 figures, 11 tables. Accepted to HPDC '26 (35th International Symposium on High-Performance Parallel and Distributed Computing), July 13-16, 2026, Cleveland, OH, USA
即时适应量化：面向量化大语言模型高效微调的配置感知LoRA
机构 * Southern University of Science and Technology（南方科技大学） ； The University of Hong Kong（香港大学）
AI总结 提出CoA-LoRA方法，通过配置感知模型动态调整LoRA适配器以适应任意量化配置，无需重复微调，并设计基于Pareto的配置搜索优化训练集，实现与逐配置微调相当或更优的性能且无额外时间成本。
HEAS：面向多目标策略搜索的层次化进化智能体仿真框架
机构 * Department of Politics and Public Administration（政治与公共行政系） ； The University of Hong Kong（香港大学） ； Department of Applied Social Sciences（应用社会科学系） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 提出HEAS框架，结合智能体仿真、进化搜索与场景评估，通过“度量契约”统一优化、评估和验证，支持多目标策略搜索。
Comments 6 pages, 2 figures. Python package: https://pypi.org/project/heas/ | Web playground: https://ryzhanghason.github.io/heas/
GAC: 通过梯度对齐控制稳定大语言模型的异步RL训练
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） ； Alibaba Group（阿里巴巴集团） ； Southeast University（东南大学）
AI总结 针对异步策略梯度训练中梯度高余弦相似性导致的训练不稳定问题，提出梯度对齐控制（GAC）方法，通过梯度投影调节陈旧对齐方向，恢复稳定训练并匹配同步基线。
EasyUUV：一种用于UUV姿态控制的LLM增强通用轻量级仿真到现实强化学习框架
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Department of Mechanical Engineering, The University of Hong Kong（香港大学机械工程系） ； Department of Data and Systems Engineering, The University of Hong Kong（香港大学数据与系统工程系） ； School of Civil Engineering, Southwest Jiaotong University（西南交通大学土木工程学院） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Department of Data Science, New Jersey Institute of Technology（新泽西理工学院数据科学系） ； Ocean College, Zhejiang University（浙江大学海洋学院）
AI总结 提出EasyUUV框架，结合并行强化学习与混合控制架构，并集成多模态大语言模型自适应调整参数，实现UUV姿态控制的鲁棒性和泛化性，经仿真与实船验证。
Comments 12 pages, 14 figures
空中联邦学习：通过信号处理重新思考边缘AI
机构 * School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（皇家理工学院电气工程与计算机科学学院） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系）
AI总结 本文从信号处理角度综述空中联邦学习（AirFL），将其分为三类（CSIT感知、盲、加权），并分析其假设、性能折衷、复杂度和部署限制，为无线边缘AI系统提供设计指导。
TIF：学习安卓恶意软件检测器的时间不变性
机构 * University College London（伦敦大学学院） ； The University of Hong Kong（香港大学） ； Columbia University（哥伦比亚大学）
AI总结 针对恶意软件变种和新家族导致的分布漂移，提出时间不变训练框架TIF，通过多代理对比学习和不变梯度对齐学习稳定表征，提升检测器时间鲁棒性。
Comments Manuscript has been accepted by IEEE Transactions on Software Engineering (TSE)
ProMed：基于Shapley信息增益引导的强化学习用于主动式医疗大语言模型
机构 * National Engineering Research Center of Software Engineering, Peking University, China（软件工程国家工程研究中心，北京大学，中国） ； School of Computer Science, Peking University, Beijing, China（北京大学计算机学院，北京，中国） ； Key Laboratory of High Confidence Software Technologies, Ministry of Education（教育部高可信软件技术重点实验室） ； Peking University Information Technology Institute, Tianjin Binhai, China（北京大学信息技术研究所，天津滨海，中国） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院）
AI总结 提出ProMed框架，通过Shapley信息增益奖励引导强化学习，使医疗大语言模型从被动回答转向主动提问，在部分信息医疗基准上平均提升6.29%。
Comments Accepted to ACL 2026 (Main Conference)
S^2VG：基于去噪帧矩阵的3D立体与空间视频生成
机构 * Department of Electrical and Electronic Engineering at The University of Hong Kong（香港大学电子与电气工程系） ； Google（谷歌）
AI总结 提出一种无需姿态和训练的方法，利用现成单目视频生成模型，通过深度图扭曲和帧矩阵修复框架，生成时空一致的3D立体与空间视频。
Comments immersive video generation, 4D scene, spatial video, stereo video
衡量AI辅助内容生成中的人类贡献
机构 * Princeton University（普林斯顿大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The University of Hong Kong（香港大学） ； Microsoft Research Asia（微软亚洲研究院） ； Peking University（北京大学）
AI总结 针对AI辅助内容生成中人类贡献度难以量化的问题，提出基于信息论的框架，通过互信息与自信息之比计算人类信息贡献比例，实验证明能有效区分不同创意领域的人类贡献程度。
长时间尺度连续测试时自适应中的可塑性保持
机构 * Australian National University（澳大利亚国立大学） ； Tiansuan Lab, Ant Group（蚂蚁集团天算实验室） ； Data61-CSIRO ； The University of Hong Kong（香港大学）
AI总结 针对连续测试时域自适应中模型可塑性随时间下降的问题，提出基于标签翻转变化的自适应收缩-恢复策略，通过自适应间隔权重重初始化保持可塑性，在多个基准上取得优异性能。
Comments Newest version at arXiv:2602.06328
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