The University of Hong Kong（香港大学）

2607.11346 2026-07-24 cs.AI cs.PL 版本更新

Compile, Then Page: Executable SOP Programs and a Capability-Gated Runtime for Procedural LLM Agents

编译，然后分页：用于过程性语言模型代理的可执行标准操作程序和能力门控运行时

Chenglin Yu, Li Yin, Qingxin Fan, Ying Yu, RunyangRay Zhong, Ming Li

机构 * The Hong Kong Polytechnic University（香港理工大学）； The University of Hong Kong（香港大学）； Zhejiang Normal University（浙江师范大学）； Research Institute for Generative AI, The Hong Kong Polytechnic University（香港理工大学生成式人工智能研究所）

AI总结研究针对企业代理遵循SOP的问题，将SOP约束编译成可执行伪代码，用程序引导堆栈机运行，通过实验表明编译文本有益，运行时指导受能力门控，给出编译后经模型级纪律检查再启用活动框架分页的实际指导。

Comments 9 pages, 3 figures, 5 tables

2602.12304 2026-07-24 cs.SD cs.AI cs.MM eess.AS 版本更新

OmniCustom: Sync Audio-Video Customization Via Joint Audio-Video Generation Model

OmniCustom: 通过联合音视频生成模型实现同步音视频定制

Maomao Li, Zhen Li, Kaipeng Zhang, Guosheng Yin, Zhifeng Li, Dong Xu

机构 * The University of Hong Kong（香港大学）； Shanda AI Research Tokyo（Shanda AI东京研究所）； XIntelligence Technology Co., Limited（XIntelligence技术有限公司）

AI总结提出一种基于DiT的零样本音视频定制框架OmniCustom，通过参考图像和音频同步生成保持身份和音色一致性的视频，支持文本指定语音内容。

Comments code: https://github.com/OmniCustom-project/OmniCustom

2603.04910 2026-07-24 cs.RO cs.AI cs.LG 版本更新

VPWEM: Non-Markovian Visuomotor Policy with Working and Episodic Memory

VPWEM：非马尔可夫视觉-运动策略与工作记忆与事件记忆

Yuheng Lei, Zhixuan Liang, Hongyuan Zhang, Ping Luo

机构 * School of Computing and Data Science, University of Hong Kong（计算与数据科学学院，香港大学）

AI总结 VPWEM通过引入工作记忆和事件记忆，提升机器人在非马尔可夫任务中的动作生成性能。