The University of Hong Kong（香港大学）

Spider 2.0-AIFunc: Extending Real-World Text-to-SQL to AI-Native SQL Workflows

Spider 2.0-AIFunc：将现实世界的文本到SQL扩展到人工智能原生SQL工作流程

Tianyang Liu, Canwen Xu, Fangyu Lei, Nikki Lijing Kuang, Jixuan Chen, Tao Yu, Julian McAuley, Zhewei Yao, Yuxiong He

机构 * UC San Diego（加州大学圣地亚哥分校） ； Snowflake AI Research（Snowflake人工智能研究院） ； University of Hong Kong（香港大学） 纠错

AI总结 研究针对现有文本到SQL基准无法评估模型生成人工智能原生SQL能力的问题，构建Spider 2.0-AIFunc基准，经特定管道和多轮验证，评估十个先进语言模型，发现准确率差距及传统代理框架转移无效等情况。

Comments 24 pages, 3 figures, 7 tables

SearchEyes: Towards Frontier Multimodal Deep Search Intelligence via Search World Simulation

SearchEyes：通过搜索世界模拟迈向前沿多模态深度搜索智能

Zhengbo Jiao, Yiming Cheng, Yilei Jiang, Kaituo Feng, Rui Huang, Tianyi Jiang, Juanxi Tian, Jiapeng li, Qunzhong Wang, Tailai Chen, Qianshan Wei, Chuan Xiao, Shanyu Rong, Yangfu Li, Yanhan Zhou, Yunpu Ma, Yifan Zhang, Xiangyu Yue

机构 * MMLab, CUHK（香港中文大学多媒体实验室） ； THU（清华大学） ； HKU（香港大学） ； PKU（北京大学） ； NTU（南洋理工大学） ； CASIA（中国科学院自动化研究所） ； ECNU（华东师范大学） ； HIT（哈尔滨工业大学） ； LMU（慕尼黑大学） 纠错

AI总结 针对多模态搜索智能体多跳推理的挑战，提出SearchEyes，用类型化知识图谱构建模拟搜索世界，通过感知-知识链采样路径并保留元数据，采用跳锚策略优化，在六个基准测试中取得最优性能。

Comments Project page: https://github.com/Frostlinx/SearchEyes

Prior-First, Condition-Second: Scalable and Controllable Hand Motion Completion

先验优先，条件其次：可扩展且可控的手部运动补全

Mingyi Shi, Xuelin Chen, Taku Komura

机构 * The University of Hong Kong（香港大学） ； Adobe Research（Adobe研究院） 纠错

AI总结 针对手部运动补全难题，提出先验优先、条件其次框架，先从无结构数据学习通用先验，再引入语义控制，通过分层适配器实现可控性，经评估其在多方面优于基线，还展示了实时推理等特性，适用于动画制作。

StateFuse: Deterministic Conflict-Preserving Memory for Multi-Agent Systems

StateFuse：用于多智能体系统的确定性冲突保留内存

Sergey Volkov, Yang Li, Ye Luo

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

AI总结 研究多智能体系统内存冲突问题，提出基于标准操作集/CRDT合并的StateFuse冲突感知复制内存契约，通过实验对比，表明其在矛盾呈现、弃权和校正方面更安全，可作为公共内存契约，而非单纯提升准确性。

Comments Code and supplementary materials available at: https://github.com/nZiben/statefuse

Beyond Accuracy: How Humans Evaluate Legally Correct but Socially Controversial Legal Advice from Machines

超越准确性：人类如何评估来自机器的法律正确但社会有争议的法律建议

Benjamin Minhao Chen, Zhiyu Li

机构 * University of Hong Kong（香港大学） ； Durham University（达灵顿大学） 纠错

AI总结 研究探讨人类如何评估机器给出的法律正确但有社会争议的建议。通过对3348名中国大陆成年人的调查实验发现，归因于人工智能系统对感知合理性无净影响，提供法律推理可提高合理性，公众反应受规范期望平衡影响，对相关理论和系统设计有启示。

GEM-Occ: From Visual Geometry Evidence to Embodied Semantic Occupancy Memory

GEM-Occ：从视觉几何证据到具身语义占用记忆

Hu Zhu, Bohan Li, Xianda Guo, Hongsi Liu, Baorui Peng, Mingqi Yuan, Xin Jin, Wenjun Zeng, Chang Wen Chen

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Eastern Institute of Technology（东部理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Wuhan University（武汉大学） ； The University of Hong Kong（香港大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 研究针对现有室内占用基准和方法对长距离语义映射探索不足的问题，提出GEM-Occ框架，将局部视觉几何预测转化为语义高斯占用证据等并融合到持久分层记忆中，实验证明该框架在多方面优于现有基线。

Comments 19 pages, 6 figures. Project page: https://zhuhu00.top/GEM-Occ/

Stability Annealing Selects the Implicit Bias of Smoothed Sign Descent: A Rate-Indexed Barrier Path on Separable Data

稳定性退火选择平滑符号下降的隐式偏差：可分数据上的速率索引障碍路径

Xiangwu Wang, Chengwei Cao, Yicheng Song, Ran Bi, Peilin Yu

机构 * The University of Hong Kong（香港大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Beijing University of Aeronautics and Astronautics（北京航空航天大学） 纠错

AI总结 研究可分数据上全批量线性分类的速率控制情况，针对无记忆稳定性退火平滑符号下降，证明归一化迭代收敛特性，通过实验验证相关恒等式、展示预测图及缩放，还报告了多种情况的诊断，明确理论范围。

Comments 17 pages, 9 figures

From Passive Observer to Active Critic: Reinforcement Learning Elicits Process Reasoning for Robotic Manipulation

从被动观察者到主动批评者：强化学习激发机器人操作的过程推理

Yibin Liu, Yaxing Lyu, Daqi Gao, Zhixuan Liang, Weiliang Tang, Shilong Mu, Xiaokang Yang, Yao Mu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Northeastern University（东北大学） ； Xiamen University Malaysia（厦门大学马来西亚分校） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Xspark AI 纠错

AI总结 本文提出PRIMO R1框架，通过强化学习使视频MLLMs成为主动批评者，提升机器人操作中长期任务的监督准确性，实验表明其在过程推理和零样本泛化方面表现优异。

Comments Accepted to ECCV 2026. 32 pages

ZeroBench: An Impossible Visual Benchmark for Contemporary Large Multimodal Models

ZeroBench：当代大型多模态模型的一个不可能的视觉基准测试

Jonathan Roberts, Mohammad Reza Taesiri, Ansh Sharma, Akash Gupta, Samuel Roberts, Ioana Croitoru, Simion-Vlad Bogolin, Jialu Tang, Florian Langer, Vyas Raina, Vatsal Raina, Hanyi Xiong, Vishaal Udandarao, Jingyi Lu, Shiyang Chen, Sam Purkis, Tianshuo Yan, Wenye Lin, Gyungin Shin, Qiaochu Yang, Anh Totti Nguyen, David I. Atkinson, Aaditya Baranwal, Alexandru Coca, Mikah Dang, Sebastian Dziadzio, Jakob D. Kunz, Kaiqu Liang, Alexander Lo, Brian Pulfer, Steven Walton, Charig Yang, Kai Han, Samuel Albanie

机构 * University of Cambridge（剑桥大学） ； University of Alberta（阿尔伯塔大学） ； The University of Hong Kong（香港大学） ； University of Oxford（牛津大学） ； Northeastern University（东北大学） ； Astadeus ； College of Southern Maryland（马里兰州南部学院） ； University of Geneva（日内瓦大学） ； University of Oregon（俄勒冈大学） 纠错

AI总结 针对大型多模态模型在图像解释方面不足但在现有视觉基准测试中优势易逝的问题，引入通过对抗过滤策划的ZeroBench基准测试，评估多个模型，展现其潜力并公开测试内容，为模型视觉能力评估提供长期有效的新基准。

Comments Accepted at ICML 2026