The University of Hong Kong（香港大学）

OmniEdit-Bench: A Comprehensive Benchmark for Instruction-based Video Editing

OmniEdit-Bench：基于指令的视频编辑综合基准

Chenxuan Miao, Yutong Feng, Yi Lu, Yunfeng Yan, Donglian Qi, Shiwei Zhang, Yu Liu, Xi Chen, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学） ； Peking University（北京大学） 纠错

AI总结 针对现有基于指令的视频编辑基准的任务覆盖有限、指标不足的问题，OmniEdit-Bench将编辑任务分解为多维度并提出含惩罚机制的评估框架，实验显示当前IVE模型仍待提升。

Visual Anchoring in Diffusion: Multimodal Zero-Shot Skeleton Action Recognition

扩散模型中的视觉锚定：多模态零样本骨骼动作识别

Zehao Bao, Shujun Guo, Bruce X. B. Yu

机构 * The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） 纠错

AI总结 该研究针对零样本骨骼动作识别中模态融合的问题，提出TDSM-MM模型，通过生成式分类范式结合视觉锚定，在NTU数据集上取得优异零样本识别性能，为零样本学习提供新方向。

Adaptive Finite-Budget Training for CVaR Risk-Aware Q-Learning

面向CVaR风险感知Q学习的自适应有限预算训练

Yifan Wu, Junjie Lei, Wenjie Huang

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

AI总结 本文针对CVaR风险感知Q学习提出自适应有限预算训练控制器，通过六个协同机制优化训练流程，在比特币交易任务中大幅降低贝尔曼残差、提升策略风险调整后表现。

Comments 8 pages, 3 figures, submit to ACM International Conference on AI in Finance: ICAIF '26 Milan

SiMDex: Mining Similar Egocentric Videos for Cross-Embodiment Dexterous Manipulation

SiMDex：挖掘相似的自我中心视频以实现跨 embodiment 的灵巧操作

Nie Lin, Takehiko Ohkawa, Sijin Chen, Ruoshi Wen, Zhuohang Li, Liqun Huang, Zhengming Zhu, Yiming Bao, Yunfei Li, Minjie Cai, Xiao Ma, Wei Xu, Yoichi Sato

机构 * The University of Tokyo（东京大学） ； ByteDance Seed（字节跳动 Seed） ； The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） 纠错

AI总结 该研究提出SiMDex框架，通过三层流程从海量自我中心人类视频中挖掘与任务相关的子集，用于VLA后训练，仅用少量样本便显著提升了机器人灵巧操作的成功率，证明选择性数据整理更有效。

Comments 12 pages, 4 figures. Project page: https://lin-nie.github.io/SiMDex/

When More Becomes Less: Position-Dependent Repetition Effects in Language Models

当多变为少：语言模型中与位置相关的重复效应

Han-yu Wang

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

AI总结 该研究发现语言模型中目标 token 的重复效应与读取位置相关，位移重复会呈现倒U型规律，且该效应经多语言和多模型验证，归因于精确词汇重复而非其他因素。