A Shop Floor Production Scheduling Case based on RFID-supported Smart Factory
基于RFID支持的智能工厂的车间生产调度案例
机构 * The University of Hong Kong（香港大学）
AI总结 本文针对配备RFID的智能工厂案例，通过挖掘RFID数据量化生产不确定性，提出基于深度强化学习的动态调度框架，仿真显示其在最小化总完工时间上优于FIFO、LIFO和DQN方法。
高校专区
The University of Hong Kong（香港大学）
HiPHI: A Large-Scale Benchmark for High-Precision Human Motion and Object-Interaction
HiPHI：面向高精度人体运动与物体交互的大规模基准测试集
机构 * National University of Singapore（新加坡国立大学） ； The University of Hong Kong（香港大学） ； SIGS, Tsinghua University（清华大学深圳国际研究生院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Noitom Robotics（诺亦腾机器人公司）
AI总结 该研究针对现有具身数据集的局限，提出基于FrameNet的600+小时高保真人体运动与物体交互基准HiPHI，配套评估套件，为类人策略学习及计算机图形学运动先验模型提供数据基础。
Unified Condition-Action Modeling for Accurate One-Step Action Generation
用于精准单步动作生成的统一条件-动作建模
机构 * NTU（南洋理工大学） ； HKU（香港大学）
AI总结 该研究提出UCA-Flow统一条件-动作建模框架，通过共享令牌空间与改进双路监督方案，提升机器人单步动作生成的成功率与推理速度。
$R^3$-Bench: LLMs Struggle with Resource-Rational Reasoning under Shared Budgets
$R^3$-Bench：大语言模型在共享预算下的资源理性推理能力存在不足
机构 * The University of Hong Kong（香港大学） ； Hunyuan Team, Tencent（腾讯混元团队）
AI总结 $R^3$-Bench测试发现，大语言模型在共享预算下的资源理性推理存在不足，其表现出的单问题能力与共享预算下的实际表现存在差距。
Comments Code is available at this https URL (https://github.com/NineAbyss/R-3-Bench). The dataset is available at this https URL (https://huggingface.co/datasets/R-3-Bench/R-3-Bench)
Tac4Loco: Learning Spatiotemporal Plantar Pressure Representations for Humanoid Locomotion
Tac4Loco：学习用于人形机器人运动的时空足底压力表征
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Tac4Loco框架，通过构建拓扑保持的序数表征提取足底压力时空特征，结合增强本体感知训练非对称演员-评论家策略，提升人形机器人在复杂地形的运动性能并实现零样本部署。
Comments 9 pages,6 figures
When Stories Evolve: Benchmarking LLM Storytelling Across Agent Architectures in Open-Ended World Simulations
当故事演变时：在开放世界模拟中针对智能体架构对大语言模型故事讲述能力进行基准测试
机构 * The University of Hong Kong（香港大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； Beijing Institute of Mathematical Sciences and Applications (BIMSA)（北京数学科学与应用研究院）
AI总结 该研究推出WSE-bench基准，评估开放世界模拟中不同智能体架构的大语言模型故事讲述的持续生成、规范一致性和有意义发展，发现三者存在竞争关系，模型规模仅提升持续生成能力。
FluxBin: Flexible LUT-based Ultra-low-bit LLM Inference by Algorithm-Kernel Synergy
FluxBin：基于灵活查找表的超低位大语言模型推理——算法与内核协同设计
机构 * The University of Hong Kong（香港大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本研究针对二值量化LLM推理的硬件内核缺失问题，提出FluxBin算法-内核协同设计，实现超低位推理的加速、能效提升与内存压缩，可高效部署70B规模模型。
Vision-Based Tactile Intelligence for Robotics: Sensing, Learning, and Embodied Manipulation
机器人基于视觉的触觉智能：感知、学习与具身操作
机构 * Great Bay University（大湾区大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong Polytechnic University（香港理工大学） ； South China University of Technology（华南理工大学） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； King’s College London（伦敦国王学院）
AI总结 本综述调研机器人领域基于视觉的触觉传感器（VBTSs）全流程，对其硬件分类、学习方法、仿真与数据集等展开分析，指出开放挑战，以推进接触密集型机器人任务的触觉智能。
Invariant Pretraining for Robust Code Representations
用于鲁棒代码表示的不变预训练
机构 * University of California at Davis（加州大学戴维斯分校） ； The University of Hong Kong（香港大学）
AI总结 本文针对代码表示模型在不变程序下鲁棒性退化问题，提出仅基于代码的不变预训练（InvPT）方法，在克隆检测、代码分类任务上分别提升鲁棒性最高11、19个百分点，同时保持或提升标准准确率。
Comments To appear in LMPL 2026
Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach
用于原则评估的语义嵌入结构化：一种原型引导的对比学习方法
机构 * The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文针对通用文本嵌入在任务区分上的不足，提出PGCL方法，通过多流结合的正则化模块生成任务适配表示，在三个代理任务数据集上均优于原始冻结嵌入，明确了方法适用边界并修订了理论分析。
Comments Accepted for publication in Transactions on Machine Learning Research (TMLR). 27 pages
MegaParts: Scaling Part-Aware 3D Object Generation to 300 Parts via Token-Efficient Autoregressive Modeling
MegaParts：通过令牌高效自回归建模将部件感知三维物体生成扩展至300个部件
机构 * The University of Hong Kong（香港大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Tongji University（同济大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 MegaParts提出结合结构化序列建模与令牌高效矢量量化形状令牌化器的自回归框架，将部件感知3D生成扩展至300个部件，性能优于基线模型，为大规模部件感知3D生成提供新方案。
Comments 12 pages, 6 pages appendix, 13 figures, technical report
