高校专区
MMFormalizer: 多模态自动形式化
机构 * The University of Hong Kong（香港大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； University of Edinburgh（爱丁堡大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Ohio State University（俄亥俄州立大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 MMFormalizer通过整合适应性定位与现实世界数学物理领域实体，实现多模态自动形式化，首次处理经典力学、相对论、量子力学和热力学等复杂领域。
Comments Technical Report
DoPE: 去噪旋转位置嵌入
机构 * The University of Hong Kong（香港大学） ； University of Michigan, Ann Arbor（密歇根大学安阿伯分校） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所）
AI总结 DoPE通过去噪旋转位置嵌入提升大型语言模型在长上下文外推和鲁棒性方面的性能。
Comments Technical Report
CVBench: 多视频协同推理的基准测试
机构 * Sun Yat-sen University（中山大学） ； University of Hong Kong（香港大学） ； Foshan University（佛山大学） ； University of Birmingham（伯明翰大学）
AI总结 CVBench通过跨视频关系推理基准测试，揭示多模态大语言模型在跨视频时空推理中的性能差距及架构瓶颈。
Agent.xpu: 高效调度代理LLM工作负载于异构SoC
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； The University of Hong Kong（香港大学） ； National Key Laboratory for Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室）
AI总结 Agent.xpu通过异构执行图和流感知协调技术，高效调度代理LLM工作负载，提升主动吞吐量和反应性响应性能
ORPR：一种基于OR的预训练后再强化学习模型用于库存管理
机构 * Department of Industrial Engineering, Tsinghua University（清华大学工业工程系） ； Supply Chain Tech Team Y, JD.com（京东供应链技术团队） ； Faculty of Engineering and Faculty of Business and Economics, The University of Hong Kong（香港大学工程学院和商学院）
AI总结 本文提出一种基于OR的预训练后再强化学习模型，通过结合领域知识和结构化优化逻辑，提升库存管理的决策效率与成本效益。
GDRO：适用于扩散模型的组级奖励后训练
机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tongyi Lab（通义实验室）
AI总结 GDRO通过组级奖励后训练优化，提升扩散模型奖励分数并增强抗奖励黑客能力。
RS-Prune: 无需训练的数据裁剪以高比例提升高效遥感扩散基础模型
机构 * Department of Earth System Science, Tsinghua University（清华大学地球系统科学系） ； School of Artificial Intelligence, Sun Yat-sen University（中山大学人工智能学院） ； National Supercomputing Center in Shenzhen（深圳国家超算中心） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生学院） ； Department of Geography, The University of Hong Kong（香港大学地理系） ； Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所）
AI总结 RS-Prune提出一种无需训练的高比例数据裁剪方法，通过局部信息与全局多样性结合，提升遥感扩散模型的收敛性和生成质量。
XStreamVGGT: 极其内存高效的流式视觉几何 grounded Transformer 与 KV 缓存压缩
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（厦门大学人工智能研究院） ； China Star Optoelectronics Technology（中国星电科技） ； TCL Corporate Research (HK) Co Ltd.（TCL香港企业研发中心） ； 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 XStreamVGGT通过剪枝和量化技术，实现了内存高效的流式3D视觉几何推断，显著降低内存消耗并提升推断速度。
EgoReAct：基于第一人称视频的3D人体反应生成
机构 * THU（清华大学） ； Brown（布朗大学） ； Georgia Tech（佐治亚理工学院） ； Cambridge（剑桥大学） ； HKU（香港大学） ； NJU（南京大学） ； CUHK（香港中文大学） ； HKUST（香港科技大学） ； TAMU（德克萨斯大学奥斯汀分校） ； PKU（北京大学） ； MIT（麻省理工学院）
AI总结 EgoReAct通过构建HRD数据集，首次实现从第一人称视频实时生成3D对齐的人体反应运动，提升生成的现实感和空间一致性。
Comments 12 pages, 9 figures
悟空的72变：通过流模型实现高保真的纹理3D变形
机构 * Visual AI Lab, The University of Hong Kong（香港大学视觉人工智能实验室） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室）
AI总结 WUKONG通过流模型实现高保真的纹理3D变形，无需训练，支持全局纹理过渡和身份保持的变形，优于现有方法。
推理路径分歧：一种新的度量和筛选策略，以解锁LLM多样化思考
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Science and Technology of China（中国科学技术大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出了一种新的训练范式1PNS和度量RPD，通过增加推理多样性提升LLM的推理能力。
GTPBD：一种细粒度的全球梯田地块和边界数据集
机构 * Sun Yat-Sen University（中山大学） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； National Supercomputing Center in Shenzhen（深圳国家超算中心） ； Southwest Jiaotong University（西南交通大学） ； China Agricultural University（中国农业大学）
AI总结 本文提出GTPBD数据集，用于细粒度梯田地块分析，涵盖全球多地形区域，支持语义分割、边缘检测、地块提取及无监督领域适应等任务。
Comments 40 pages, 40 figures, Accepted to the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
AEGIS：探索统一多模态模型世界知识能力的极限
机构 * University of Hong Kong（香港大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Huawei Research（华为研究）
AI总结 AEGIS通过多任务基准测试和确定性检查表评估，揭示统一多模态模型在世界知识推理中的不足，并指出简化推理模块可缓解其缺陷。
LooC: 有效的低维代码书用于组合向量量化
机构 * The University of Hong Kong（香港大学）
AI总结 LooC通过低维代码书提升组合向量量化的效率与性能，实现更紧凑的代码书和更优的特征近似。
Comments The IEEE/CVF Winter Conference on Applications of Computer Vision 2026
CubeBench: 在部分观察下诊断交互式、长周期空间推理
机构 * THU（清华大学） ； Princeton（普林斯顿大学） ； SJTU & UMich（上海交通大学 & 密歇根大学） ； HKU（香港大学）
AI总结 CubeBench通过魔方基准评估LLM在部分观察下的空间推理和长周期任务能力，揭示LLM在长期规划中的根本缺陷。
Comments Webpage: https://cubebench.c7w.tech/
CrownGen: 通过点扩散模型实现患者定制的牙冠生成
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Division of Pediatric Dentistry and Orthodontics, Faculty of Dentistry（牙科学院儿童牙科与正畸科） ； University of Hong Kong（香港大学） ； Department of Chemical and Biological Engineering（化学与生物工程系） ； Division of Life Science（生命科学系） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（香港科技大学深圳-香港联合创新研究院） ； State Key Laboratory of Nervous System Disorders（神经系统疾病国家重点实验室） ； Delun Dental Hospital（德尔润牙科医院）
AI总结 CrownGen通过点扩散模型实现患者定制的牙冠自动化生成，提升了牙科修复的效率和质量。
PTQTP: 预训练量化到三平面用于大语言模型
机构 * The University of Hong Kong（香港大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校）
AI总结 PTQTP通过分解权重矩阵为三平面实现高效大语言模型量化，提升推理速度并减少资源消耗。
Comments Ternary Quantization, Under review
OmniVCus: 基于多模态控制条件的前馈主体驱动视频定制
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Adobe Research（Adobe研究） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 OmniVCus通过多模态控制条件和改进的嵌入机制实现高效的多主体视频定制。
Comments NeurIPS 2025; A data construction pipeline and a diffusion Transformer framework for controllable subject-driven video customization
自动舞台照明控制：是规则驱动过程还是生成任务？
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The University of Hong Kong（香港大学） ； City University of Hong Kong（香港城市大学）
AI总结 本文提出Skip-BART模型，将自动舞台照明控制视为生成任务，通过学习专业照明工程师经验，生成生动的人类化灯光效果，并创建首个舞台照明数据集以支持模型训练与评估。
OnlineVPO: 对齐视频扩散模型与在线视频中心偏好优化
机构 * The University of Hong Kong（香港大学） ； ByteDance Project Page（字节跳动项目）
AI总结 OnlineVPO通过改进反馈源和调节方法，提出一种针对视频扩散模型的高效偏好学习框架，提升视频生成质量与可扩展性。
当深度伪造检测遇见图神经网络：一种统一且轻量级的学习框架
机构 * Nanyang Technological University（南洋理工大学） ； University of Southern California（南加州大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出SSTGNN，一种统一且轻量级的深度伪造检测框架，通过图神经网络联合处理空间、时间及频谱信息，实现高效且准确的伪造检测。
Comments Accepted to KDD 2026
从不自大合作：一种基于FIM和强化学习的USV-AUV协作系统用于极端海况下的水下任务
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Department of Data and Systems Engineering, The University of Hong Kong（数据与系统工程系，香港大学） ； School of Engineering Science, University of Chinese Academy of Sciences（工程科学学院，中国科学院大学） ； Department of Data Science, New Jersey Institute of Technology（数据科学系，新泽西理工学院）
AI总结 本文提出一种基于FIM和强化学习的USV-AUV协作系统，用于提升极端海况下水下任务的性能。
Comments This paper has been accepted by IEEE Transactions on Mobile Computing
自我评估解锁任意步文本到图像生成
机构 * The University of Hong Kong（香港大学） ； Adobe Research（Adobe研究）
AI总结 Self-E 是一种新颖的从头开始训练方法，通过自我评估机制实现任意步文本到图像生成，兼具高效与高质量生成能力。
Comments Project page: https://xinyu-andy.github.io/SelfE-project/
Agent2World: 通过自适应多智能体反馈学习生成符号世界模型
机构 * The University of Hong Kong（香港大学） ； Xiaohongshu Inc.（小红书公司） ； UESTC（电子科技大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 Agent2World通过自适应多智能体反馈学习生成符号世界模型，提升推理和微调性能，实现30.95%的相对提升。
Comments 48 pages, 15 tables, 7 figures, Project page: https://agent2world.github.io
探索分层信息有效性以实现小语言模型的后训练量化
机构 * The University of Hong Kong（香港大学） ； Huazhong University of Science and Technology（华中科技大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生学院）
AI总结 LieQ通过分层信息有效性量化方法，在亚8B模型中实现高效低比特压缩，减少精度损失并提升边缘设备部署可行性。
Comments low-bit quantization
ProEdit: 通过正确提示实现基于反向的编辑
机构 * Sun Yat-sen University（中山大学） ； CUHK MMLab（香港中文大学MMLab） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； The University of Hong Kong（香港大学） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education, China（中国教育部机器智能与高级计算重点实验室）
AI总结 ProEdit通过改进注意力和潜在领域，实现更稳定的基于反向的编辑，能有效提升图像和视频编辑的性能和一致性。
Comments Equal contributions from first two authors. Project page: https://isee-laboratory.github.io/ProEdit/ Code: https://github.com/iSEE-Laboratory/ProEdit
基于双臂机械臂的Transformer驱动视觉伺服织物纹理匹配
机构 * JC STEM Lab of Robotics for Soft Materials, Department of Electrical and Electronic Engineering, Faculty of Engineering, The University of Hong Kong（机器人柔性材料联合实验室、电气与电子工程系、工程学院、香港大学）
AI总结 本文提出基于Transformer的视觉伺服方法，利用双臂机械臂实现织物纹理匹配，通过差分提取注意力模块提升姿态预测精度，实现零样本部署。
Comments 8 pages, 11 figures. Accepted to IEEE Robotics and Automation Letters (RA-L)
当贝叶斯张量补全遇见多输出高斯过程：函数通用性和秩学习
机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Zhejiang Provincial Key Laboratory of Multi-Modal Communication Networks and Intelligent Information Processing（浙江省多模态通信网络与智能信息处理重点实验室） ； School of Science & Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子与电气工程系） ； Technical University of Denmark（丹麦技术大学） ； NoiseLab, University of California, San Diego（加州大学圣地亚哥分校NoiseLab） ； HERON - Center of Excellence in Robotics, Athena R.C（HERON-机器人卓越中心）
AI总结 本文提出RR-FBTC方法，结合贝叶斯张量补全与多输出高斯过程，实现对连续多维信号的通用近似，并通过变分推断框架高效学习模型。
ClarifyMT-Bench: 会话大语言模型多轮澄清的基准测试与改进
机构 * The University of Hong Kong（香港大学） ； JIUTIAN Research, China Mobile（中移动巨泰研宄院） ； CityUHK（城市大学）
AI总结 ClarifyMT-Bench通过多轮对话基准测试和ClarifyAgent代理方法，解决LLM在多轮对话中澄清不足的问题，提升在模糊情境下的鲁棒性。
无需思考的策略初始化使蒸馏推理模型更有效和高效
机构 * LLM Department, Tencent（腾讯大语言模型部门） ； The Hong Kong University of Science and Technology（香港科技大学） ； The University of Hong Kong（香港大学）
AI总结 TFPI通过简化RLVR训练流程，提高了推理模型的效率和性能，实现了更高效的模型训练和更高的准确率。
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