高校专区
利用强化学习训练大语言模型以解释人类决策
机构 * Princeton University（普林斯顿大学） ； The University of Hong Kong（香港大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文利用强化学习训练大语言模型，使其能解释人类决策行为，实现预测与可解释性的双重目标。
学习几何基础的3D视觉表示以实现视图通用的机器人操作
机构 * Tongji University（同济大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出MethodName框架，通过单视角3D预训练和多步蒸馏实现机器人操作的视图通用性，实验显示其在成功率和视图泛化能力上优于现有方法。
基于令牌熵正则化的多模态天线归属识别
机构 * Huawei（华为） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文提出基于令牌熵正则化的多模态天线归属识别方法，通过融合视频、几何特征和PCI信号，提升通信网络优化效率。
TaF-VLA：面向力感知操控的视觉-语言-动作模型中的触觉-力对齐
机构 * Beihang University（北航大学） ； ShanghaiTech University（上海科技大学） ； Beijing Institute for General Artificial Intelligence（北京一般人工智能研究院） ； The University of Hong Kong（香港大学）
AI总结 TaF-VLA通过触觉-力对齐提升视觉-语言-动作模型在力感知操控中的性能。
Comments 17pages,9fig
FlashFace: 通过高保真身份保留实现人像个性化
机构 * The University of Hong Kong（香港大学） ； Alibaba Group（阿里巴巴集团） ； Ant Group（蚂蚁集团）
AI总结 FlashFace通过高保真身份保留和解耦整合策略，实现高效的人像个性化与虚拟角色真实化
Comments Project Page:https://jshilong.github.io/flashface-page
LINA: 基于连续令牌的线性自回归图像生成模型
机构 * The University of Hong Kong（香港大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 LINA是一种基于线性注意力的高效文本到图像生成模型，通过改进归一化和门控机制，在计算效率和生成质量上取得平衡。
Comments 20 pages, 9 figures
基于策略驱动的世界模型适应的鲁棒性离线模型驱动强化学习
机构 * The University of Hong Kong, Hong Kong SAR（香港大学） ； INFIFORCE Intelligent Technology Co., Ltd., Hangzhou, China（INFIFORCE智能技术有限公司） ； Tsinghua University, Beijing, China（清华大学） ； Carnegie Mellon University, Pittsburgh, PA 15213, USA（卡内基梅隆大学）
AI总结 本文提出了一种基于策略驱动的世界模型适应框架，通过最大化最小优化问题和Stackelberg学习动态提升离线模型驱动强化学习的鲁棒性。
FlashVideo: 为高效高分辨率视频生成实现流畅的细节保真度
机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； ByteDance（字节跳动）
AI总结 FlashVideo通过两阶段框架在高效高分辨率视频生成中实现流畅细节保真度，优化计算效率并提升商业应用潜力。
Comments Model and Weight: https://github.com/FoundationVision/FlashVideo
OVD：在线语言蒸馏
机构 * The University of Hong Kong, Hong Kong, China（香港大学） ； Nanjing University, Nanjing, China（南京大学） ； Huawei Technologies, China（华为技术）
AI总结 OVD通过离散语言分数替代token级对齐，实现高效在线蒸馏，提升Web问答和数学推理任务的性能与训练效率。
Comments Technical Report
MMFineReason: 通过以开放数据为中心的方法缩小多模态推理差距
机构 * Shanghai Artificial Intelligence Laboratory, OpenDataLab（上海人工智能实验室、OpenDataLab） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； The University of Hong Kong（香港大学）
AI总结 MMFineReason通过大规模多模态推理数据集和基于难度的过滤策略，提升模型推理能力与参数效率。
EROAM：基于事件相机的实时旋转里程计与建图
机构 * Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） ； Centre for Transformative Garment Production（转型服装生产中心） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系） ； Humanoids and Human Centered Mechatronics Research Line, Istituto Italiano Di Tecnologia (IIT)（人形与以人为核心机电系统研究组，意大利IIT）
AI总结 EROAM通过球形事件表示和ES-ICP框架，实现基于事件相机的实时高精度旋转里程计与建图，提升空间分辨率和计算效率，适用于高速和长序列场景。
Comments Accepted by IEEE Transactions on Robotics (T-RO), 2026. Project page: https://wlxing1901.github.io/eroam/
Minion：一种技术探测器，用于探索用户如何与AI伙伴协商有害的价值冲突
机构 * The University of Hong Kong（香港大学） ； Human-Computer Interaction Institute, Carnegie Mellon University（人机交互研究所，卡内基梅隆大学） ； Language Technologies Institute, Carnegie Mellon University（语言技术研究所，卡内基梅隆大学） ； Tsinghua University（清华大学） ； Department of Computer Science, George Mason University（计算机科学系，乔治·马歇尔大学）
AI总结 Minion通过探测用户与AI伙伴协商有害价值冲突的过程，揭示了设计中需平衡用户责任与AI安全的挑战。
Comments 21 pages, 4 figures
HPTune：用于无碰撞模型预测控制的分层前瞻性调优
机构 * The University of Hong Kong（香港大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； University of New South Wales（新南威尔士大学）
AI总结 HPTune通过分层前瞻性调优方法，结合快速和慢速调优策略，提升模型预测控制在复杂环境中的避障效率和适应性。
Comments Accepted by IEEE ICASSP 2026
我应该何时搜索更多：基于强化学习的自适应复杂查询优化
机构 * Tencent Youtu Lab（腾讯云图实验室） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出自适应复杂查询优化框架ACQO，通过强化学习解决复杂查询优化中的子查询数量确定、文档排序与合并问题，实现更稳定高效的查询处理。
Comments 16 pages, 7 figures
Listen, Look, Drive: 通过用户意识的VLA基于自主驾驶的音频指令耦合
机构 * SuZhou Automotive Research Institute of Tsinghua University（清华大学苏州汽车研究院） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系） ； Hyundai Motor Advanced Tech. R&D Center ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动系统学院）
AI总结 EchoVLA通过结合音频指令与视觉信息，提升自动驾驶对用户意图和情绪的感知能力，显著降低误差和碰撞率。
Comments Accepted by IV
DBellQuant: 通过双铃变换打破贝尔限制以实现LLMs预训练后二值化
机构 * University of Hong Kong（香港大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 DBellQuant通过双铃变换实现LLMs预训练后量化，显著提升压缩性能与模型效果。
Comments 19 pages; Appendix added
ProFlow：通过近端流引导实现零样本物理一致采样
机构 * University of Science ； School of Mathematical Sciences, Fudan University, Shanghai 200433, China ； Department of Electronic Engineering ； Information Science, University of Science ； School of Computing ； Data Science, The University of Hong Kong ； School of Mathematical Sciences, Fudan University, Shanghai 200433, China \& Shanghai Key Laboratory of Contemporary Applied Mathematics, Shanghai 200433, China
AI总结 ProFlow通过近端引导框架实现零样本物理一致采样，有效平衡物理约束与生成先验的统计结构。
基于双向领域适应的跨领域超分辨率图像分类
机构 * Jockey Club STEM Laboratory of Quantitative Remote Sensing, Department of Geography, the University of Hong Kong（香港大学地理系定量遥感实验室） ； School of Information and Electronics, Beijing Institute of Technology（北京理工大学信息与电子学院） ； Institute of Forest Resource Information Techniques, Chinese Academy of Forestry（中国林业科学研究院森林资源信息技术研究所）
AI总结 本文提出了一种双向领域适应框架，通过提取领域不变特征和领域特定信息提升跨领域高光谱图像分类性能。
在大语言模型生成响应中插入广告
机构 * University of Michigan（密歇根大学） ； Peking University（北京大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出了解耦广告插入与响应生成、以及竞价与用户查询的框架，通过基于类型拍卖机制实现近最优的社会福利，同时提高计算效率和上下文一致性。
Comments 31 pages, 8 figures
GLOVE：LLM内存-环境重对齐的全局验证器
机构 * University of Hong Kong（香港大学）
AI总结 GLOVE通过引入相对真理的概念，实现LLM内存与环境的自适应重对齐，无需地面真相监督或强依赖模型反思，提升代理在动态环境中的表现。
用于移动机械臂的快速且安全的轨迹优化与神经配置空间距离场
机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学机器人与自主系统研究组） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电子与计算机工程系） ； Idiap Research Institute（Idiap研究所） ； Institute of Data Science, The University of Hong Kong（香港大学数据科学研究所）
AI总结 本文提出广义配置空间距离场（GCDF）用于移动机械臂的快速且安全轨迹优化，通过神经网络生成连续距离场并结合高效的凸优化框架实现高精度碰撞推理。
MoRA：以移动性为核心的大规模地理空间表示学习
机构 * The University of Hong Kong（香港大学） ； WeChat, Tencent（微信、腾讯） ； City University of Hong Kong（城市大学）
AI总结 MoRA通过移动图为核心骨架，融合多种数据模态，实现大规模地理空间表示学习，提升预测性能。
通过视觉属性增强描述性标题以实现多模态感知
机构 * NJUST（南京理工大学） ； Baidu VIS（百度视觉部） ； HKU（香港大学） ； NJU（南京大学） ； SUTD（新加坡科技设计大学）
AI总结 本文提出EDC方法，通过整合视觉专家的低级和细粒度属性，提升图像标题的描述质量，以增强多模态感知能力。
Comments An open-source Agent for generating detailed image captions
贝叶斯自适应蒙特卡洛树搜索用于离线模型驱动强化学习
机构 * The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出贝叶斯自适应蒙特卡洛树搜索算法，用于提升离线模型驱动强化学习的性能，显著优于现有方法。
Comments This paper is accepted in ICLR 2026
多智能体机器人系统（MARS）挑战的进展与创新
机构 * SJTU（上海交通大学） ； Oxford（牛津大学） ； USTC（中国科学技术大学） ； Shanghai AI Lab（上海人工智能实验室） ； CMU（卡内基梅隆大学） ； HKU（香港大学） ； Tongji（同济大学） ； UC San Diego（南加州大学） ； CUHK-SZ（香港中文大学（深圳）） ； SYSU（华南理工大学） ； Harvard（哈佛大学）
AI总结 MARS挑战通过多智能体具身规划与控制任务，推动多智能体协作AI系统的发展。
Comments MARS Challenge @ NeurIPS 2025 Workshop on Space in Vision, Language, and Embodied AI. Challenge page: https://mars-eai.github.io/MARS-Challenge-Webpage/
生成AI用于社会工作领域教育：带有实时反馈的客户模拟
机构 * School of Computing（计算学院） ； Data Science The University of Hong Kong Hong Kong, China（数据科学香港大学香港） ； Dept. of Mathematics The University of Hong Kong Hong Kong, China（数学系香港大学香港） ； Faculty of Engineering The University of Hong Kong Hong Kong, China（工程学院香港大学香港） ； Social Administration The University of Hong Kong Hong Kong, China（社会行政香港大学香港）
AI总结 SWITCH通过实时反馈和客户模拟，提供了一种低成本的社交工作培训解决方案，提升咨询技能分类和动机访谈进阶系统。
Comments 2025 IEEE International Conference on Big Data. ISBN: 979-8-3315-9447-3/25. Page numbers: 3544-3553
LoD结构的3D高斯点云法对于流媒体视频重建
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） ； Futurewei Technologies Inc（未来科技公司） ； School of Computer and Information Sciences, The University of Newcastle（计算机与信息科学学院，新castle大学）
AI总结 本文提出StreamLoD-GS框架，通过LoD结构、运动分区和量化残差细化技术，实现流媒体视频的高效重建与高保真渲染。
XGuardian: 向可解释和通用的AI反作弊系统迈进：FPS游戏中的瞄准辅助作弊检测
机构 * The University of Hong Kong（香港大学）
AI总结 XGuardian是一种面向FPS游戏的通用且可解释的AI反作弊系统，通过分析仰角和俯角数据，有效检测瞄准辅助作弊并提升检测性能与通用性。
Comments Accepted by USENIX Security 2026
重新审视模型插值以实现高效推理
机构 * The University of Hong Kong（香港大学） ； Tsinghua University（清华大学）
AI总结 本文重新审视模型插值方法，发现其遵循三阶段进化范式，并通过实验验证了其在高效推理中的优越性。
Comments 14 pages, 6 figures, 7 tables. Working in progress (Llama results added)
ShapLoRA: 通过受Shapley值启发的重要性估计在大型语言模型上分配低秩适应
机构 * Singapore Management University（新加坡国立管理学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Emory University（埃默里大学） ； University of Hong Kong（香港大学）
AI总结 ShapLoRA通过受Shapley值启发的重要性估计方法，改进大型语言模型的低秩适应分配，提升模型性能。
Comments accepted by CPAL
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