高校专区
从漂移到一致：稳定LLM中的信念
机构 * Department of Statistics, Seoul National University ； Korea Advanced Institute of Science \& Technology ； Department of AI, Kookmin University ； University of Hong Kong
AI总结 研究LLM在多项选择问答中的信念漂移问题，提出提示式预测重采样（PPR）方法，发现信念过程会自稳定并收敛，进而提出种子答案提示策略和自一致性损失以加速稳定并提高预测一致性。
通过对象共现分析缓解OOD检测中的简单性偏差
机构 * The University of Hong Kong（香港大学） ； Shenzhen University（深圳大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 提出基于对象共现的OOD检测框架，通过解耦表示和分治策略区分近OOD，缓解简单性偏差，在多种设置下取得竞争结果。
Comments This paper has been accepted by CVPR2026
DreamReasoner-8B：面向扩散推理模型的块大小课程学习
机构 * The University of Hong Kong（香港大学） ； Peking University（北京大学）
AI总结 提出块大小课程学习，通过从细粒度到粗粒度的渐进训练，解决块扩散语言模型在长链推理中性能差距问题，DreamReasoner-8B在数学和代码推理上达到与Qwen3-8B相当的水平。
SkillRevise: 通过轨迹条件技能修订改进LLM撰写的智能体技能
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Nanjing University（南京大学） ； The University of Hong Kong（香港大学）
AI总结 提出SkillRevise框架，通过执行证据诊断、修复原则检索和执行锚定编辑，迭代优化初始技能，在SkillsBench上将基础智能体成功率从36.05%提升至61.63%，并展现跨模型迁移性。
Comments 15 pages, 4 figures
金字塔自对比学习框架用于测试时超声图像去噪
机构 * Department of Electrical and Computer Engineering, The University of Hong Kong（香港大学电子与计算机工程系） ； Department of Biomedical Engineering, Duke University（达特茅斯大学生物医学工程系）
AI总结 本文提出一种纯测试时训练框架，用于单次超声图像去噪，应用于合成孔径超声，通过自对比学习分离解剖相似性和噪声随机性，提升去噪效果和结构细节。
HIMM：面向具身探索与问答的人类启发式长期记忆建模
机构 * The University of Hong Kong（香港大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 本文提出HIMM模型，通过分离事件记忆与语义记忆，提升具身智能在长期观察和有限上下文下的探索与问答能力，实验显示在多个基准测试中表现优异。
Journal ref IROS 2026
使用异构图神经网络检测高潜力中小企业
机构 * University of Michigan（密歇根大学） ； The University of Hong Kong（香港大学）
AI总结 提出SME-HGT异构图Transformer框架，利用公开数据构建包含公司、研究主题和政府机构的异构图，预测SBIR第一阶段获奖者能否进入第二阶段，AUPRC达0.621，优于基线模型。
Comments accepted by (ICIIS 2026)
小批量随机梯度下降的隐式偏差
机构 * School of Statistics, Renmin University of China（中国人民大学统计学院） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； School of Computing and Data Science & Institute of Data Science, The University of Hong Kong（香港大学计算与数据科学学院及数据科学研究所）
AI总结 研究小批量随机最陡下降在多类分类中的隐式偏差，揭示批大小、动量和方差缩减对最大间隔行为和收敛率的影响，并证明动量可实现小批量收敛，方差缩减可恢复全批量隐式偏差。
广义Kullback-Leibler散度损失
机构 * Hefei University of Technology（合肥工业大学） ； University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 本文提出广义KL散度损失，通过解耦KL损失为加权MSE和交叉熵损失，并引入非对称优化修正和类别全局信息，在对抗训练和知识蒸馏中取得SOTA性能。
Comments TPAMI 2026, extension of our NeurIPS paper "Decoupled Kullback-Leibler Divergence Loss". arXiv admin note: substantial text overlap with arXiv:2305.13948
LAGO策略：面向平滑操作的延迟感知异步扩散策略与目标导向无碰撞规划
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； International Digital Economy Academy（国际数字经济学院） ； The University of Hong Kong（香港大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 提出LAGO策略，通过延迟感知条件引导和时空轨迹优化，解决异步扩散策略的间断和碰撞问题，实现平滑安全的操作。
Comments 8 pages, 8 figures
空间视觉语言模型中的双路径推理强化
机构 * The University of Hong Kong（香港大学） ； NVIDIA（英伟达） ； University of California, San Diego（加州大学圣迭戈分校）
AI总结 提出SR-REAL框架，通过强化学习融合语言推理和3D检测推理两条路径，显著提升空间VLM在复杂几何推理任务中的性能。
超越NL2Code：多模态代码智能的结构化综述
机构 * Meituan（美团） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanjing University（南京大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学澳大利亚机器学习研究所） ； Ludwig Maximilian University of Munich（慕尼黑大学） ； University of Science and Technology of China（中国科学技术大学） ； Queen Mary University of London（伦敦玛丽女王大学）
AI总结 本文系统综述多模态代码智能，将任务按代码角色分类，覆盖GUI、科学可视化、结构化图形及前沿任务，并提出四个基于验证的未来方向。
Comments Work completed in January 2026. Updating now
代理世界建模：基础、能力、定律及更远
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； National University of Singapore（新加坡国立大学） ； University of Oxford（牛津大学） ； Nanyang Technological University（南洋理工大学） ； Chinese University of Hong Kong（香港中文大学） ； University of Hong Kong（香港大学） ； University of Washington（华盛顿大学） ； University of Tokyo（东京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； Singapore University of Technology and Design（新加坡科技设计大学） ； Singapore Management University（新加坡管理学院） ； XGEN Labs（XGEN实验室）
AI总结 本文提出'层次x定律'分类法，定义三个能力层级和四个约束领域，综合400余篇文献总结100余系统，分析方法、失败模式和评估实践，提出决策导向的评估原则和可复现评估包，展望从被动预测到重塑环境的代理世界建模路径。
基于高斯过程的工具变量和近端因果推断
机构 * Department of Statistics and Actuarial Science, University of Hong Kong（香港大学统计与精算科学系） ； Rational Intelligence Lab, CISPA Helmholtz Center for Information Security（CISPA霍普夫信息安全中心理性智能实验室） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学澳大利亚机器学习研究所） ； College of Computing & Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
AI总结 提出去条件高斯过程框架，用于存在未观测混杂时的因果推断，同时提供可靠的后验不确定性量化，并通过边际似然优化实现模型选择。
跨平台可学习模糊增益调度比例-积分-微分控制器调优：通过物理约束元学习和强化学习适应
机构 * The University of Hong Kong（香港大学） ； Guangzhou College of Commerce（广州商学院）
AI总结 本文提出一种分层框架，用于跨平台调优可学习模糊增益调度PID控制器。通过物理约束虚拟机器人合成，结合元学习和轻量强化学习，实现跨平台初始化和部署特定优化，提升跟踪性能和鲁棒性。
Comments 24 pages,15 tables, 6 figures
4DSloMo: 基于异步捕获的高速场景4D重建
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； NVIDIA
AI总结 提出一种仅使用低帧率相机的高速4D捕获系统，通过异步捕获方案将等效帧率提升至100-200 FPS，并利用视频扩散模型修复稀疏视图伪影，实现高质量高速4D重建。
Comments Webpage: https://openimaginglab.github.io/4DSloMo/
UniDDT: 使用解耦扩散变换器统一多模态理解与生成
机构 * Nanjing University（南京大学） ； ByteDance Seed（字节跳动Seed） ； University of Hong Kong（香港大学）
AI总结 提出UniDDT模型，通过噪声ViT编码器统一视觉语义表示，并采用解耦扩散解码器分离扩散与文本解码，平衡多模态理解与生成任务，在多个基准上取得优异性能。
Comments This work was completed in \textbf{November 2025}
Metis: 一种用于自动驾驶和城市导航的通用高效世界-动作模型
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The University of Hong Kong（香港大学） ； Tongji University（同济大学） ； Li Auto Inc.（理想汽车） ； Huazhong University of Science and Technology（华中科技大学） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学）
AI总结 提出Metis框架，通过解耦视频生成与动作预测，采用混合专家架构和不对称注意力掩码，实现高效推理与泛化，在多个导航基准上取得最优性能。
AI 促进社会公益：英国伦敦环境法规与其对空气污染影响的因果关系研究
机构 * Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系）
AI总结 提出不确定性感知的贝叶斯深度学习框架，估计2010-2020年伦敦空气污染法规对PM2.5的因果效应，发现法规平均降低PM2.5 1.88 μg/m³（12.35%）。
基于对比语言-图像预训练（CLIP）的在线零样本学习中的标签偏移感知自适应
机构 * Australian National University（澳大利亚国立大学） ； China North Vehicle Research Institute（中国北方车辆研究所） ； The Hong Kong Polytechnic University（香港理工大学） ； Griffith University（格里菲斯大学） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； The University of Hong Kong（香港大学）
AI总结 针对在线零样本学习中测试数据与CLIP训练数据分布不匹配的问题，提出标签偏移感知（LSA）方法，通过域自适应和标签偏移校正提升分类性能。
FastMix: 通过梯度下降实现快速数据混合优化
机构 * University of Hong Kong（香港大学） ； Tencent（腾讯） ； Chinese University of Hong Kong（香港中文大学）
AI总结 提出FastMix框架，将数据混合选择重新表述为双层优化问题，通过联合优化混合系数和模型参数，实现高效、可扩展的数据混合发现，在预训练和后训练中均优于基线方法且大幅降低搜索成本。
Journal ref ICLR-2026
SpatialWorld: 在多模态智能体真实世界任务中基准测试交互式空间推理
机构 * Tsinghua University（清华大学） ； Chongqing University（重庆大学） ； Peking University（北京大学） ； ZenoMind AI ； Xi’an Jiaotong University（西安交通大学） ； Beijing Institute of Technology（北京理工大学） ； Southeast University（东南大学） ； Shanghai Jiao Tong University（上海交通大学） ； Joy Future Academy（京东探索研究院） ； The University of Hong Kong（香港大学）
AI总结 提出SpatialWorld基准，集成8种异构模拟后端，通过760个人工标注任务评估多模态智能体在视觉部分可观测环境中的交互式空间理解，发现最强模型GPT-5任务成功率仅17.4%。
Ultra Flash: 将实时流式视频生成扩展到高分辨率
机构 * JD Explore Academy（京东探索研究院） ； USTC（中国科学技术大学） ； PKU（北京大学） ； THU（清华大学） ； BUAA（北京航空航天大学） ； FDU（复旦大学） ； HKUST（香港科技大学） ； HKU（香港大学） ； CUHK（香港中文大学）
AI总结 提出Ultra Flash级联框架，通过架构保持的超分辨率训练、因果流式潜在上采样器和高分辨率解码器、以及级联优化方案，在单GPU上实现1K分辨率约30 FPS和2K分辨率约18 FPS的实时高分辨率流式视频生成。
FineVLA：面向可操控视觉-语言-动作策略的细粒度指令对齐
机构 * XLANG Lab, The University of Hong Kong（XLANG实验室，香港大学） ； Qwen Team, Alibaba Inc.（通义团队，阿里巴巴公司）
AI总结 提出FineVLA框架，通过构建细粒度数据集和训练策略，在保持任务成功率的同时实现机器人动作的细粒度可控性。
Comments 26 pages, 7 figures, 25 tables
InfoGeo: 面向跨视角泛化无人机地理定位的信息论目标中心学习
机构 * The University of Hong Kong（香港大学）
AI总结 提出InfoGeo框架，利用信息瓶颈理论通过目标中心结构对齐和跨视图知识约束，增强无人机跨视角地理定位在域偏移下的鲁棒性和泛化能力。
基于结构能量的视图一致文本到3D生成
机构 * Australian National University（澳大利亚国立大学） ； CSIRO（澳大利亚国家科学委员会） ； The University of Hong Kong（香港大学）
AI总结 本文针对基于扩散模型的文本到3D生成中视图不一致问题，提出无需训练的SEGS框架，通过在U-Net特征的PCA子空间中构建结构能量并注入去噪过程，提升多视图一致性，实验表明有效降低Janus率并提升视图一致性评分。
Comments arXiv admin note: substantial text overlap with arXiv:2508.16917
新时代的视觉生成：从原子映射到智能世界建模的演进
机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； University of Hong Kong（香港大学） ； National University of Singapore（新加坡国立大学） ； University of Waterloo（滑铁卢大学） ； StepFun ； MiroMind ； Baidu（百度） ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； LMMs-Lab（LMMs实验室）
AI总结 提出五级分类法（原子生成、条件生成、上下文生成、智能生成、世界建模生成），分析流匹配、统一理解与生成模型等关键技术，并指出现有评估高估感知质量而忽视结构、时序和因果缺陷。
Comments Project Page: https://github.com/EvolvingLMMs-Lab/Evolving-Visual-Generation
跨模态身份映射：通过强化学习最小化模态转换中的信息损失
机构 * Taobao & Tmall Group of Alibaba（淘宝与天猫集团（阿里巴巴）） ； The University of Hong Kong（香港大学）
AI总结 提出跨模态身份映射（CIM）框架，利用强化学习优化图像描述，通过检索一致性度量信息损失，无需额外标注，显著提升关系推理能力。
Comments Accepted to CVPR 2026
ToolSelf: 通过工具驱动的涌现适应统一任务执行与自我重构
机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出ToolSelf框架，将配置更新抽象为标准化工具接口，统一任务执行与自我重构，并采用配置感知两阶段训练（CAT）实现涌现适应性，在多种基准测试中平均超越静态配置基线28.8分。
CLAP: 从人类视频中学习视觉-语言-动作模型的对比潜在动作预训练
机构 * Tsinghua University（清华大学） ； Astribot ； University of Hong Kong（香港大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 提出CLAP框架，通过对比学习将人类视频与机器人动作词汇对齐，利用伪标签训练VLA模型，实现从人类视频到机器人执行的有效技能迁移。
Comments The code is available at: https://github.com/LinShan-Bin/OpenCLAP
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