The University of Hong Kong（香港大学）

On the $ε$-Free Inference Complexity of Absorbing Discrete Diffusion

关于吸收离散扩散的ε-免费推断复杂度

Xunpeng Huang, Yingyu Lin, Nishant Jain, Kaibo Wang, Difan Zou, Yian Ma, Tong Zhang

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出AATU方法，通过吸收离散扩散的结构优势，实现了ε-TV收敛的O(d ln d)复杂度，消除了传统均匀化推理的分数限制假设，并在时间不变参数化中展示了更高效的推理策略。

Comments 48 pages

Easier Painting Than Thinking: Can Text-to-Image Models Set the Stage, but Not Direct the Play?

绘画比思考更容易：文本到图像模型能否铺垫，却无法主导？

Ouxiang Li, Yuan Wang, Xinting Hu, Huijuan Huang, Rui Chen, Jiarong Ou, Xin Tao, Pengfei Wan, Xiaojuan Qi, Fuli Feng

机构 * University of Science and Technology of China（中国科学技术大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出T2I-CoReBench基准测试，用于评估文本到图像模型的组合与推理能力，揭示现有模型在高组合场景和推理任务中的局限性。

Comments Accepted to ICLR 2026. Project Page: https://t2i-corebench.github.io/

Disentangled Multi-modal Learning of Histology and Transcriptomics for Cancer Characterization

解耦的多模态学习：组织学与转录组学用于癌症表征

Yupei Zhang, Xiaofei Wang, Anran Liu, Lequan Yu, Chao Li

机构 * Department of Clinical Neurosciences, University of Cambridge, UK（剑桥大学临床神经科学系） ； Department of Health Technology & Informatics, The Hong Kong Polytechnic University（香港理工大学健康科技与信息学系） ； Department of Statistics and Actuarial Science, The University of Hong Kong（香港大学统计与精算科学系） ； Department of Clinical Neurosciences and Department of Applied Mathematics and Theoretical Physics, University of Cambridge（剑桥大学临床神经科学系和应用数学与理论物理系；邓迪大学科学与工程学院和医学院） ； School of Science and Engineering and School of Medicine, University of Dundee, UK 纠错

AI总结 本文提出了解耦的多模态学习框架，通过分解组织学和转录组数据以提高癌症表征的准确性和实用性。

SlimCaching: Edge Caching of Mixture-of-Experts for Distributed Inference

SlimCaching: 边缘网络中混合专家的边缘缓存

Qian Chen, Xianhao Chen, Kaibin Huang

机构 * Department of Electrical and Computer Engineering, The University of Hong Kong（电子与计算机工程系，香港大学） 纠错

AI总结 SlimCaching通过优化边缘服务器上的专家缓存，减少MoE模型的推理延迟，采用贪心分解和动态规划方法解决非子模性问题。

Comments 17 pages, 11 figures. This paper has been accepted by IEEE Transactions on Mobile Computing

SemHiTok: A Unified Image Tokenizer via Semantic-Guided Hierarchical Codebook for Multimodal Understanding and Generation

SemHiTok：一种通过语义引导的层次代码本实现的统一图像分词器，用于多模态理解和生成

Zisheng Chen, Chunwei Wang, Runhui Huang, Hongbin Xu, Xiuwei Chen, Jun Zhou, Jianhua Han, Hang Xu, Xiaodan Liang

机构 * Sun Yat-sen University（中山大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Hong Kong（香港大学） ； South China University of Technology（华南理工大学） 纠错

AI总结 SemHiTok通过语义引导的层次代码本实现统一图像分词器，提升多模态理解和生成性能。

Comments ICLR 2026

Hierarchical Action Learning for Weakly-Supervised Action Segmentation

分层动作学习用于弱监督动作分割

Junxian Huang, Ruichu Cai, Hao Zhu, Juntao Fang, Boyan Xu, Weilin Chen, Zijian Li, Shenghua Gao

机构 * Guangdong University of Technology（广东技术大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Hong Kong（香港大学） 纠错

AI总结 HAL模型通过分层因果数据生成和稀疏转换约束，提升弱监督动作分割的识别能力。

Journal ref CVPR2026

Imagine a City: CityGenAgent for Procedural 3D City Generation

想象一座城市：CityGenAgent用于程序化3D城市生成

Zishan Liu, Zecong Tang, RuoCheng Wu, Xinzhe Zheng, Jingyu Hu, Ka-Hei Hui, Haoran Xie, Bo Dai, Zhengzhe Liu

机构 * Lingnan University, Hong Kong SAR, China（岭南大学） ； Zhejiang University, Hangzhou, China（浙江大学） ； The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学） ； Autodesk AI Lab, Canada（Autodesk AI实验室） ； The University of Hong Kong, Hong Kong SAR, China（香港大学） 纠错

AI总结 CityGenAgent通过自然语言驱动的分层程序化生成方法，实现了高质量3D城市生成，提升了语义对齐、视觉质量和可控性。

JiSAM: Alleviate Labeling Burden and Corner Case Problems in Autonomous Driving via Minimal Real-World Data

JiSAM: 通过最小真实世界数据缓解自动驾驶中的标注负担和边缘案例问题

Runjian Chen, Wenqi Shao, Bo Zhang, Shaoshuai Shi, Li Jiang, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Voyager Research, Didi Chuxing（滴滴出行 Voyager 研究） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； HKU Shanghai Intelligent Computing Research Center（香港大学上海智能计算研究中心） 纠错

AI总结 JiSAM通过最小真实世界数据缓解自动驾驶中的标注负担和边缘案例问题，利用模拟数据提升真实感知性能。

CLAP: Unsupervised 3D Representation Learning for Fusion 3D Perception via Curvature Sampling and Prototype Learning

CLAP：通过曲率采样和原型学习实现融合3D感知的无监督3D表示学习

Runjian Chen, Hang Zhang, Avinash Ravichandran, Hyoungseob Park, Wenqi Shao, Alex Wong, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Cruise ； Yale University（耶鲁大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； HKU Shanghai Intelligent Computing Research Center（香港大学上海智能计算研究中心） 纠错

AI总结 CLAP通过曲率采样和原型学习，在无监督3D表示学习中实现图像与点云的联合预训练，提升融合3D感知的性能。

TREND: Unsupervised 3D Representation Learning via Temporal Forecasting for LiDAR Perception

TREND: 通过时间预测进行无监督3D表示学习的LiDAR感知

Runjian Chen, Hyoungseob Park, Bo Zhang, Wenqi Shao, Ping Luo, Alex Wong

机构 * The University of Hong Kong（香港大学） ； Yale University（耶鲁大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； HKU Shanghai Intelligent Computing Research Center（香港大学上海智能计算研究中心） 纠错

AI总结 TREND通过时间预测进行无监督3D表示学习，提升LiDAR感知性能。

DRL-ORA: Distributional Reinforcement Learning with Online Risk Adaption

DRL-ORA: 带在线风险适应的分布式强化学习

Yupeng Wu, Wenyun Li, Wenjie Huang, Chin Pang Ho

机构 * London Business School（伦敦商学院） ； The University of Hong Kong（香港大学） ； City University of Hong Kong（城市大学） 纠错

AI总结 DRL-ORA通过动态调整风险水平，在安全关键任务中提升强化学习的效率和可靠性。

CO^3: Cooperative Unsupervised 3D Representation Learning for Autonomous Driving

CO³：协作无监督3D表示学习用于自动驾驶

Runjian Chen, Yao Mu, Runsen Xu, Wenqi Shao, Chenhan Jiang, Hang Xu, Zhenguo Li, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 CO³通过协作对比学习和上下文形状预测，实现无监督学习户外场景点云的3D表示，提升自动驾驶中的检测性能。

PartSAM: A Scalable Promptable Part Segmentation Model Trained on Native 3D Data

PartSAM: 一种可提示的部件分割模型，基于原生3D数据训练

Zhe Zhu, Le Wan, Rui Xu, Yiheng Zhang, Honghua Chen, Zhiyang Dou, Cheng Lin, Yuan Liu, Mingqiang Wei

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Hong Kong University of Science and Technology（香港科技大学） ； The University of Hong Kong（香港大学） ； National University of Singapore（新加坡国立大学） ； Lingnan University（岭南大学） ； Macau University of Science and Technology（澳门科学理工学院） 纠错

AI总结 PartSAM是一种基于大规模3D数据训练的可提示部件分割模型，通过三平面双分支编码器实现可扩展的部件感知表示学习，能够通过单个提示实现高精度部件识别，并自动分解为表面和内部结构。

Comments ICLR 2026. Project Page: https://czvvd.github.io/PartSAMPage/

CGSA: Class-Guided Slot-Aware Adaptation for Source-Free Object Detection

CGSA: 基于类引导的槽感知适应用于无源对象检测

Boyang Dai, Zeng Fan, Zihao Qi, Meng Lou, Yizhou Yu

机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； Department of Electrical & Computer Engineering, National University of Singapore（电气与计算机工程系，新加坡国立大学） ； School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学） 纠错

AI总结 CGSA通过引入对象中心学习，结合槽感知适应和类引导的槽对比模块，提升无源领域自适应对象检测的性能。

Comments The paper has been accepted by the conference ICLR 2026

WeaveTime: Stream from Earlier Frames into Emergent Memory in VideoLLMs

WeaveTime: 从早期帧中流式传输以形成涌现记忆在视频LLMs中

Yulin Zhang, Cheng Shi, Sibei Yang

机构 * ShanghaiTech University（上海科技大学） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算科学与数据科学学院） 纠错

AI总结 WeaveTime通过引入时间重建目标和动态关注缓存，提升视频LLMs在流式场景中的时间感知能力，减少延迟并提高准确性。

Comments Accepted at CVPR 2026 (preview; camera-ready in preparation)

World Guidance: World Modeling in Condition Space for Action Generation

世界引导：在条件空间中进行世界建模以生成动作

Yue Su, Sijin Chen, Haixin Shi, Mingyu Liu, Zhengshen Zhang, Ningyuan Huang, Weiheng Zhong, Zhengbang Zhu, Yuxiao Liu, Xihui Liu

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

AI总结 WoG通过在条件空间中建模未来观测，提升视觉-语言-动作模型的动作生成能力与泛化性能。

Comments Project Page: https://selen-suyue.github.io/WoGNet/

XStreamVGGT: Extremely Memory-Efficient Streaming Vision Geometry Grounded Transformer with KV Cache Compression

XStreamVGGT: 极端内存高效的流式视觉几何 grounded Transformer 与 KV 缓存压缩

Zunhai Su, Weihao Ye, Hansen Feng, Keyu Fan, Jing Zhang, Dahai Yu, Zhengwu Liu, Ngai Wong

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能学院） ； China Star Optoelectronics Technology（中国星电科技） ； TCL Corporate Research (HK) Co., Ltd.（TCL香港企业研究有限公司） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系） 纠错

AI总结 XStreamVGGT通过剪枝和量化技术，实现极内存高效的流式3D重建，显著降低内存消耗并加速推理。

Comments Submission to the Journal of the Society for Information Display

V-Retrver: Evidence-Driven Agentic Reasoning for Universal Multimodal Retrieval

V-Retrver: 以证据驱动的代理推理用于通用多模态检索

Dongyang Chen, Chaoyang Wang, Dezhao Su, Xi Xiao, Zeyu Zhang, Jing Xiong, Qing Li, Yuzhang Shang, Shichao Kan

机构 * Tsinghua University（清华大学） ； University of Central Florida（中央佛罗里达大学） ； Fudan University（复旦大学） ； The Australian National University（澳大利亚国立大学） ； The University of Hong Kong（香港大学） ； Pengcheng Laboratory（鹏城实验室） ； Central South University（中南大学） 纠错

AI总结 V-Retrver通过引入证据驱动的代理推理机制，提升多模态检索的准确率和推理可靠性。

Comments Project page: https://github.com/chendy25/V-Retrver

NTK-Guided Implicit Neural Teaching

NTK引导的隐式神经教学

Chen Zhang, Wei Zuo, Bingyang Cheng, Yikun Wang, Wei-Bin Kou, Yik Chung WU, Ngai Wong

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

AI总结 本文提出NTK引导的隐式神经教学方法，通过动态选择坐标加速训练，显著减少训练时间并保持表示质量。

Comments CVPR 2026 (18 pages, 10 figures)

SurgAtt-Tracker: Online Surgical Attention Tracking via Temporal Proposal Reranking and Motion-Aware Refinement

SurgAtt-Tracker: 通过时间提案重排和运动感知细化实现在线手术注意力跟踪

Rulin Zhou, Guankun Wang, An Wang, Yujie Ma, Lixin Ouyang, Bolin Cui, Junyan Li, Chaowei Zhu, Mingyang Li, Ming Chen, Xiaopin Zhong, Peng Lu, Jiankun Wang, Xianming Liu, Hongliang Ren

机构 * Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学电子工程系） ； Division of Gastrointestinal Surgery, Shenzhen People's Hospital, China（深圳人民医院胃肠外科） ； College of Mechatronics and Control Engineering, Shenzhen University, China（深圳大学机电与控制工程学院） ； Department of Mechanical Engineering, The University of Hong Kong, Hong Kong SAR, China（香港大学机械工程系） ； Department of Electronic and Electrical Engineering, Southern University of Science and Technology（南方科技大学电子与电气工程系） 纠错

AI总结 SurgAtt-Tracker通过时间提案重排和运动感知细化实现手术注意力跟踪，提供帧级视野指导以支持机器人规划和自动摄像头控制。

SceMoS: Scene-Aware 3D Human Motion Synthesis by Planning with Geometry-Grounded Tokens

SceMoS：通过基于几何的令牌规划进行场景感知的3D人体运动合成

Anindita Ghosh, Vladislav Golyanik, Taku Komura, Philipp Slusallek, Christian Theobalt, Rishabh Dabral

机构 * DFKI（德累斯顿人工智能研究所） ； MPI for Informatics（信息研究所） ； Saarland Informatics Campus（萨尔州信息校园） ； University of Hong Kong（香港大学） 纠错

AI总结 SceMoS通过基于几何的令牌规划，利用2D场景表示实现高效且逼真的3D人体运动合成，减少50%以上可训练参数，提升物理真实性和接触精度。

Comments 13 pages, 6 figures, 4 tables

Nonparametric Teaching of Attention Learners

非参数教学的注意力学习器

Chen Zhang, Jianghui Wang, Bingyang Cheng, Zhongtao Chen, Wendong XU, Cong Wang, Marco Canini, Francesco Orabona, Yik Chung WU, Ngai Wong

机构 * The University of Hong Kong（香港大学） ； King Abdullah University of Science and Technology（国王 Abdullah 科学与技术大学） 纠错

AI总结 本文提出非参数教学范式AtteNT，通过非参数方法提升注意力学习器的学习效率，实验证明在LLM和ViTs上训练时间分别减少13.01%和20.58%且不影响准确性。

Comments ICLR 2026 (36 pages, 6 figures)

ATTS: Asynchronous Test-Time Scaling via Conformal Prediction

ATTS: 通过置信预测实现异步测试时间扩展

Jing Xiong, Qiujiang Chen, Fanghua Ye, Zhongwei Wan, Chuanyang Zheng, Chenyang Zhao, Hui Shen, Hanbo Li, Chaofan Tao, Haochen Tan, Haoli Bai, Lifeng Shang, Lingpeng Kong, Ngai Wong

机构 * The University of Hong Kong（香港大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； University College London（伦敦大学学院） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 ATTS通过异步测试时间扩展方法，在保持精度的同时实现测试时间扩展的显著加速和吞吐量提升。

Comments Accepted by ICLR 2026

A Survey on Federated Fine-tuning of Large Language Models

大型语言模型联邦微调综述

Yebo Wu, Chunlin Tian, Jingguang Li, He Sun, Kahou Tam, Zhanting Zhou, Haicheng Liao, Jing Xiong, Zhijiang Guo, Li Li, Chengzhong Xu

机构 * State Key Laboratory of IOTSC, University of Macau（物联网科学与技术国家重点实验室，澳门大学） ； University of Electronic Science and Technology of China（电子科技大学） ； The University of Hong Kong（香港大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） 纠错

AI总结 本文综述了大型语言模型联邦微调的技术、挑战与应用，旨在为隐私保护AI的发展提供指导。

Comments Accepted by Transactions on Machine Learning Research (TMLR), 2026

AdaWorldPolicy: World-Model-Driven Diffusion Policy with Online Adaptive Learning for Robotic Manipulation

AdaWorldPolicy：基于世界模型的扩散策略与在线自适应学习的机器人操控

Ge Yuan, Qiyuan Qiao, Jing Zhang, Dong Xu

机构 * The University of Hong Kong（香港大学） ； Beihang University（北航大学） 纠错

AI总结 AdaWorldPolicy通过结合世界模型和在线自适应学习，实现机器人操控的高效动态适应。

Comments Homepage: https://AdaWorldPolicy.github.io

A Secure and Private Distributed Bayesian Federated Learning Design

一种安全且私密的分布式贝叶斯联邦学习设计

Nuocheng Yang, Sihua Wang, Zhaohui Yang, Mingzhe Chen, Changchuan Yin, Kaibin Huang

机构 * Beijing Laboratory of Advanced Information Network（北京先进信息网络实验室） ； Beijing Key Laboratory of Network System Architecture and Convergence（北京网络系统架构与融合重点实验室） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； College of Information Science and Electronic Engineering（信息科学与电子工程学院） ； University of Miami（迈阿密大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出了一种结合拜占庭鲁棒性、隐私保护和收敛加速的分布式贝叶斯联邦学习框架，通过图神经网络强化学习算法实现设备自主连接决策，提升了系统鲁棒性和效率。

Comments 14 pages, 9 figures

DSDR: Dual-Scale Diversity Regularization for Exploration in LLM Reasoning

DSDR：双尺度多样性正则化用于LLM推理中的探索

Zhongwei Wan, Yun Shen, Zhihao Dou, Donghao Zhou, Yu Zhang, Xin Wang, Hui Shen, Jing Xiong, Chaofan Tao, Zixuan Zhong, Peizhou Huang, Mi Zhang

机构 * The Ohio State University, USA（俄亥俄州立大学） ； Case Western Reserve University, USA（凯斯西储大学） ； The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； Macquarie University, Australia（麦考瑞大学） ； University of Michigan, USA（密歇根大学） ； The University of Hong Kong, Hong Kong（香港大学） ； University College London, UK（伦敦大学学院） 纠错

AI总结 DSDR通过双尺度多样性正则化提升LLM推理中的探索能力，通过全局和局部正则化机制增强路径多样性，提高学习信号稳定性。

Seeing Farther and Smarter: Value-Guided Multi-Path Reflection for VLM Policy Optimization

看得更远且更聪明：基于价值引导的多路径反射用于VLM策略优化

Yanting Yang, Shenyuan Gao, Qingwen Bu, Li Chen, Dimitris N. Metaxas

机构 * Rutgers University（罗格斯大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本研究提出了一种基于价值引导的多路径反射方法，用于提升VLM在机器人操作任务中的策略优化性能，通过解耦状态评估与动作生成，提高决策鲁棒性并减少推理时间。

Comments ICRA 2026

OffSeeker: Online Reinforcement Learning Is Not All You Need for Deep Research Agents

OffSeeker：在线强化学习并非构建深度研究代理的全部需求

Yuhang Zhou, Kai Zheng, Qiguang Chen, Mengkang Hu, Qingfeng Sun, Can Xu, Jingjing Chen

机构 * Fudan University（复旦大学） ； Tencent Hunyuan（腾讯文言） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出OffSeeker，通过离线训练和任务合成框架，无需在线强化学习即可构建高效深度研究代理。

DeepInnovator: Triggering the Innovative Capabilities of LLMs

DeepInnovator: 激发大语言模型的创新能力

Tianyu Fan, Fengji Zhang, Yuxiang Zheng, Bei Chen, Xinyao Niu, Chengen Huang, Junyang Lin, Chao Huang

机构 * The University of Hong Kong（香港大学） ； City University of Hong Kong（城市大学） ； Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 DeepInnovator通过自动化数据提取和猜想与反驳训练范式，提升大语言模型的创新能力，实现显著优于基线的创新想法生成性能。