arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

The University of Hong Kong(香港大学)

2026-08-07 至 2026-08-07 共收录 4
2608.06020 2026-08-07 cs.AI cs.LG 新提交

From Economic Agents to Agentic Economies: A Systems Blueprint for Economic World Models

从经济智能体到智能体经济:经济世界模型的系统蓝图

Jiale Han, Xiang Li, Jing Qian, Wenyuan Gu, Pin Gao, Ye Luo, Hongyuan Zha, Dacheng Tao, Benyou Wang, Lin William Cong

机构 * Shenzhen Loop Area Institute(深圳河套学院) School of Data Science, The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)数据科学学院) University of Hong Kong(香港大学) Nanyang Technological University(南洋理工大学)

AI总结 本文提出经济世界模型(EWM)的六级能力阶梯实施蓝图,旨在加速可作为人类决策沙箱与AI智能体基础的下一代高保真经济模拟环境开发。

Comments Project page: https://github.com/FreedomIntelligence/Awesome-Economic-World-Models

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.05703 2026-08-07 cs.CV 新提交

StreamArena: Toward Continuous, Interactive, and Long-Horizon Agentic Streaming Video Understanding

StreamArena:面向连续、交互式且长视界的智能体流媒体视频理解

Xichen Zhang, Guankai Li, Yinghao Zhu, Shijian Wang, Sitong Wu, Shaozuo Yu, Meng Chu, Yuan Lu, Jiaya Jia

机构 * The Hong Kong University of Science and Technology(香港科技大学) Xiaohongshu Inc.(小红书公司) The University of Hong Kong(香港大学) The Chinese University of Hong Kong(香港中文大学)

AI总结 针对当前智能体流媒体视频理解评估的缺陷,提出StreamArena基准,设计StreamMind架构解决连续交互与长视界理解的张力,在四项能力上优于现有基线并降低延迟。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.05549 2026-08-07 cs.SD cs.MM 新提交

Beyond Residual Connections: Manifold-Constrained Hyper-Connections for Robust Speaker Representation Learning

超越残差连接:用于鲁棒说话人表示学习的流形约束超连接

Zezhong Jin, Xiaoyu Wang, Zhe Li, Chong-Xin Gan, Zilong Huang, Man-Wai Mak, Kong Aik Lee

机构 * The Hong Kong Polytechnic University(香港理工大学) Baidu Inc.(百度公司) The University of Hong Kong(香港大学)

AI总结 该研究针对残差连接的信息流限制问题,提出流形约束超连接(mHC)方法,替换多种主干网络的残差连接后,在VoxCeleb1数据集上持续提升了说话人表示学习的性能。

Comments Accepted to INTERSPEECH 2026

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.06363 2026-08-07 cs.LG cs.AI cs.DS math.ST stat.TH 新提交

An Optimal Agnostic PAC Algorithm

一种最优的不可知PAC算法

Markus Engelund Mathiasen, Jian Qian, Nikita Zhivotovskiy

机构 * Aarhus University(奥胡斯大学) The University of Hong Kong(香港大学) University of California, Berkeley(加州大学伯克利分校)

AI总结 该研究针对有限VC维的二元分类函数类,构造出达到统计最优风险界的不可知PAC学习算法,确定了其样本复杂度(仅差通用常数),匹配了已有下界。

Comments 18 pages

详情

展开后加载摘要…

URL PDF HTML 收藏