高校专区
通过空间-光谱视觉锚学习缓解多模态大语言模型（MLLMs）中的视觉退化
机构 * China University of Petroleum (East China)（中国石油大学（华东）） ； Shanghai Jiao Tong University（上海交通大学） ； Wuhan University（武汉大学） ； Great Wall Motor（长城汽车） ； Nanyang Technological University（南洋理工大学） ； The University of Hong Kong（香港大学）
AI总结 针对MLLMs推理时的视觉表示退化问题，提出SSVAL方法，通过VAPI及辅助对齐损失实现稳定视觉锚，性能优于现有方法。
Comments This paper has been accepted by ACM MM 2026
LongChart VQA：面向具备复杂多图表推理能力的多模态大语言模型的综合基准
机构 * The University of Hong Kong（香港大学）
AI总结 LongChart VQA是面向具备复杂多图表推理能力的MLLMs的综合基准，该基准含平均6.5张图像与31.2个问题，评估10个SOTA MLLMs发现其准确率随计算复杂性提升下降，为多图表推理研究指明方向。
E2Pano：学习从事件数据到全景图像的重建
机构 * The University of Hong Kong（香港大学）
AI总结 提出几何引导的事件到全景图像重建框架E2Pano，结合球面Transformer与频域监督，构建含4370个合成及30个真实场景的PanoScan数据集，实现高质量低计算成本的全景图像重建。
Comments 17 pages, 9 figures
FlowPilot：面向敏捷无人机导航的实时世界-动作建模
机构 * Beijing Institute of Technology（北京理工大学） ； Zhongguancun Academy（中关村学院） ； Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学）
AI总结 FlowPilot是一种基于流匹配的紧凑世界-动作模型，采用双流混合Transformer，在三级深度金字塔数据上训练，可实现敏捷无人机实时导航，性能优于基线，能在杂乱环境中以5.5m/s速度运行。
Comments 8 pages, 9 figures, 2 tables, submitted to IEEE Robotics and Automation Letters (RA-L)
面向运筹学的基于模拟的不确定性感知大语言模型推理
机构 * Institute of Statistics and Big Data, Renmin University of China（中国人民大学统计与大数据研究院） ； The University of Hong Kong（香港大学） ； School of Information, Renmin University of China（中国人民大学信息学院）
AI总结 本文针对大语言模型用于运筹学建模时的短视策略易引发下游错误的问题，提出一种不确定性感知无训练推理框架，通过短前瞻模拟与重要性重采样提升OR公式生成的可靠性，在多基准上表现优于基线。
分布鲁棒列表偏好优化
机构 * The University of Hong Kong（香港大学） ； Yale University（耶鲁大学） ； Purdue University（普渡大学）
AI总结 针对列表偏好排序标签不确定性，提出点态全变差鲁棒Plackett-Luce目标，将内层最大化简化为排序，在离线和在线设置中均具有理论保证，实验表明能保持干净标签性能并提升噪声鲁棒性。
GAPSL: 一种在异构数据上基于梯度对齐的并行分割学习
机构 * Department of Electrical and Electronic Engineering, University of Hong Kong（香港大学电子与电气工程系） ； Data61, CSIRO（CSIRO数据61） ； Interdisciplinary Centre for Security, Reliability and Trust (SnT), University of Luxembourg（卢森堡大学安全、可靠与信任跨学科中心）
AI总结 本文提出GAPSL框架，通过梯度对齐和方向一致性增强，提升异构数据下分割学习的训练准确率和延迟。
Comments 13 pages, 21 figures
ExperienceWeaver: 优化基于 LLM 的临床文本改进的小样本经验学习
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）
AI总结 ExperienceWeaver 通过经验学习优化小样本下 LLM 的临床文本改进，通过提炼反馈知识提升模型修订能力。
机构 * College of Computing ； Data Science, Nanyang Technological University, Singapore 639798, Singapore ； Computation Initiative, Department of Computer Science, The University of Hong Kong, Pokfulam Road, Hong Kong ； Department of Physics, University of California, San Diego, La Jolla, CA 92093, USA ； Hon Hai (Foxconn) Research Institute, Taipei, Taiwan ； Centre for Quantum Technologies, National University of Singapore ； Department of Computer Science, National University of Singapore ； School of Electrical \& Electronic Engineering, Nanyang Technological University, Singapore 639798, Singapore ； John Hopcroft Center for Computer Science, Shanghai Jiao Tong University, Shanghai 200240, China ； Dahlem Center for Complex Quantum Systems, Freie Universitat Berlin, 14195 Berlin, Germany ； Department of Computer Science, Parks Road, Oxford, OX1 3QD, United Kingdom ； Perimeter Institute for Theoretical Physics, Waterloo, Ontario N2L 2Y5, Canada ； Institute for Quantum Science ； Technology, University of Calgary, Alberta T2N 1N4, Canada
Comments 32 pages. Comments are welcome
Journal ref Nature Reviews Physics (2026)
CTR-Sink：用于点击率预测的语言模型中的注意力汇聚点
机构 * NLPR, Institute of Automation, Chinese Academy of Sciences（神经信息处理教育部重点实验室，自动化研究所，中国科学院） ； Ant Group（蚂蚁集团） ； The University of Hong Kong（香港大学） ； City University of Hong Kong（香港城市大学） ； Sun Yat-sen University（中山大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT大学）
AI总结 针对用户行为序列与语言模型预训练文本之间的结构差异导致的语义碎片化问题，提出CTR-Sink框架，通过引入行为级注意力汇聚点并动态调节注意力聚合，提升点击率预测性能。
Comments Accepted by the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026). The source code of this paper has been made publicly available at https://github.com/UGUESS-lzx/CTR-SINK
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