The University of Hong Kong（香港大学）

PlayWorld: Benchmarking World Models with Agent Players over Long-Horizon Objectives

PlayWorld：基于智能体玩家的长程目标世界模型基准测试

Kaixin Ding, Xi Chen, Minghong Cai, Zhiyuan Xu, Yiyang Wang, Yuxiang Lu, Junyi Li, Shuyang Chen, Yuan Gao, Xin Tao, Pengfei Wan, Hengshuang Zhao

机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； Kuaishou Technology（快手科技） 纠错

AI总结 该研究针对现有世界模型跨模型公平比较的难题，推出含171个场景的PlayWorld基准，通过多模态智能体玩家从多维度评估9种先进世界模型，发现其长程交互式目标表现仍不可靠。

Comments project page: https://kxding.github.io/project/PlayWorld/

CROP: Task Relevance via Counterfactuals for Selective On-Policy Distillation

CROP：基于反事实的任务相关性用于选择性在线策略蒸馏

Enhan Li, Junhao He, Hongyang Du

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

AI总结 针对选择性在线策略蒸馏中任务相关性表征不足的问题，提出基于反事实的CROP方法，可识别更有用的监督位置，在两种师生设置中分别提升性能1.92和2.96个百分点。

Understanding Backdoor Vulnerabilities in Vertical Federated Learning: The Gap Between Research and Practice

理解垂直联邦学习中的后门漏洞：研究与实践之间的差距

Ziqi Zhao, Jialin Lu, Junjie Shan, Junyuan Zhang, Shuya Yang, Ka-Ho Chow

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

AI总结 本文针对垂直联邦学习（VFL）的后门漏洞开展面向实践的系统性研究，发现现有研究与实践存在差距，提出实用后门工作流并引入BVBench基准，为相关研究奠定基础。

Validation of Smartphone-Based Photogrammetric 3D Body Scanning for Automated Anthropometric Measurements Compared with a Commercial Depth-Sensor-Based Body Scanner

基于智能手机摄影测量的三维人体扫描用于自动人体测量的验证：与商用基于深度传感器的人体扫描仪对比

Ruting Cheng, Boyuan Feng, Chuhui Qiu, Joaquin A. Calderon, Qing Pan, Yufan Liu, James K. Hahn

机构 * The George Washington University（乔治·华盛顿大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本研究对比验证了智能手机摄影测量应用PolyCam与商用Fit3D ProScanner的人体扫描性能，发现二者一致性较强，PolyCam可作为商用人体扫描仪的潜在易获取替代方案用于纵向体型评估。

Comments 16 pages, 5 figures, 4 tables

VALG: An Agentic System for ML Theory Research

VALG：面向机器学习理论研究的智能体系统

Dechen Zhang, Xuan Tang, Xinxiang Yin, Xingwu Chen, Jian Qian, Difan Zou

机构 * The University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Northwestern Polytechnical University（西北工业大学） 纠错

AI总结 本文提出VALG智能体系统，将机器学习理论研究过程组织为自主工作流，通过多环节验证与图结构证明开发，在COLT 2026开放问题子问题上验证了其有效性，相关代码已开源。

Manifold constrained steepest descent for smooth and closed-set optimization

流形约束最速下降

Kaiwei Yang, Lexiao Lai

机构 * Department of Mathematics, University of Hong Kong, Hong Kong, China（香港大学数学系） 纠错

AI总结 本文提出流形约束最速下降（MCSD）方法，通过单循环框架在流形上进行优化，并引入SPEL在Stiefel流形上的应用，实现了更稳定的性能和可扩展性。

Comments 29 pages, 3 figures, and 2 tables. Compared to the previous version, introduced a new variant MCSD-TP and a hybrid algorithm MCSD-PGD for close-set optimization