高校专区
大规模人工智能工具发现：你所需要的只是DNS
机构 * The University of Hong Kong（香港大学）
AI总结 针对自主人工智能代理时代工具发现难题，提出ToolDNS框架，通过嵌入意图和信任将语义搜索转为轻量级名称解析，引入三项增强。经大规模基准测试验证，其在减少搜索空间和降低延迟方面效果显著，证明可通过利用现有基础设施实现可扩展的AI互操作性。
Comments keywords: AI tool discovery, ToolDNS, Agent, DNS
用于肌肉骨骼护理的基于证据的人工智能
机构 * Ruijin Hospital, College of Health Science and Technology, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院，健康科学技术学院） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（中国科学技术大学脑启发智能感知与认知教育部重点实验室） ； School of Basic Medical Sciences, Intelligent Medicine Institute, Fudan University（复旦大学基础医学院智能医学研究院） ； Department of Radiation Oncology, Stanford University School of Medicine（斯坦福大学医学院放射肿瘤学系） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； College of AI, Tsinghua University（清华大学人工智能学院）
AI总结 研究针对肌肉骨骼护理中证据分散问题，提出基于大语言模型的OrthoPilot系统，整合多源数据进行持续管理。该系统在诊断推理等方面超越专家，优于其他智能系统，还提升了管理成功率和病床病例数等，推动临床人工智能实现纵向管理。
Comments All co-authors have now consented to the submission and approved the authorship
ViMax: 智能体视频生成
机构 * The University of Hong Kong（香港大学） ； South China University of Technology（华南理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 提出ViMax框架，通过多智能体协作实现长视频生成，利用分层叙事引擎和视觉一致性机制，保证叙事连贯性和视觉一致性。
Comments 20 pages, 13 figures
Vis2Reg：用于肝脏腹腔镜检查的可见性感知无标记几何3D-2D配准
机构 * AI in Medicine and Surgery Group, School of Computer Science, University of Leeds（利兹大学计算机学院医学与外科人工智能小组） ； Department of Diagnostic Radiology, Li Ka Shing Faculty of Medicine, The University of Hong Kong（香港大学李嘉诚医学院放射诊断学系） ； Department of HPB and Transplant Surgery, St. James’s University Hospital（圣詹姆斯大学医院肝脏胰胆和移植外科）
AI总结 针对AR引导腹腔镜手术中3D-2D肝脏配准难题，提出Vis2Reg框架，利用掩码一致可见区域约束变形，引入可见性感知自监督，结合刚性初始化模块与隐式神经变形场，在真实数据集上验证了准确性与效率。
Comments 11 pages
Journal ref 29th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI'2026)
长上下文智能体仅靠渐进式披露就够了吗？
机构 * University of California, Davis（加利福尼亚大学戴维斯分校） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学）
AI总结 研究长文档问答中智能体获取文档路径自行决定读取内容的模式，通过对照研究，在InfiniteBench上对比原始文档导航、Agent Skills包设计与经典混合检索器，发现不同情况下各方法表现不同，渐进式披露在语料库大时作用关键。
Miles：基于预训练模型的类增量学习的可扩展子空间度量学习
机构 * National Key Laboratory of Radar Signal Processing, Xidian University（西安电子科技大学雷达信号处理国家重点实验室） ； The University of Hong Kong（香港大学） ； Institute of Artificial Intelligence (TeleAI) of China Telecom（中国电信人工智能研究院）
AI总结 研究基于预训练模型的类增量学习问题，提出Miles方法，通过解耦可学习模块与预训练模型，利用骨干网络中间特征先验信息实现参数空间高效扩展，经实验验证在多种CIL设置中性能领先。
Comments This work has been accepted by IEEE Transactions on Image Processing
Journal ref IEEE Transactions on Image Processing, early access, 2026
基于参数曲面的自回归 B-Rep 形状生成
机构 * The University of Hong Kong（香港大学） ； Deemos Technology Co., Ltd.（迪莫斯科技有限公司） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； ShanghaiTech University（上海科技大学） ； Texas A&M University（德克萨斯A&M大学）
AI总结 研究提出 ParaCAD 自回归框架，用于点云条件 B-Rep 生成，直接在原生参数曲面上运行，通过以曲面为中心的令牌化编码面信息，先生成参数曲面再构建 B-Rep，实验证明其在多方面优于基于点的基线。
通过影响匹配进行数据集蒸馏
机构 * HKU（香港大学） ； CUHK（香港中文大学） ； Stanford（斯坦福大学）
AI总结 从结果角度重审数据集蒸馏，提出影响匹配方法，通过可微估计器量化参数变化，学习合成集使影响与真实数据集匹配，在分类和视觉语言蒸馏任务中表现出色，超越基线。
Journal ref CVPR 2026
AgentBrew：从强大教师到弱小语言模型智能体的终身知识酿造
机构 * The University of Hong Kong（香港大学）
AI总结 研究语言模型智能体知识酿造问题，提出AgentBrew方法，含失败触发教师和学生感知合成两个组件，无需训练，能将教师交互经验提炼到学生外部记忆，经实验验证可产生强大且可部署的智能体。
SoMA：一种用于机器人软体操作的实-仿真神经模拟器
机构 * Fudan University, China（复旦大学） ； Shanghai Artificial Intelligence Laboratory, China（上海人工智能实验室） ； Shanghai Jiao Tong University, China（上海交通大学） ； The Chinese University of Hong Kong, China（香港中文大学） ； The University of Hong Kong, China（香港大学）
AI总结 SoMA是一种用于机器人软体操作的实-仿真神经模拟器，通过统一的潜在神经空间实现可控、稳定的长周期操作和泛化能力。
Comments Project page: https://city-super.github.io/SoMA/
DSBench：用于评估外部和车内风险的综合基准测试
机构 * University of Science and Technology of China（中国科学技术大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Xiaomi EV（小米电动车） ； Fudan University（复旦大学） ； Xidian University（西安电子科技大学） ； South China University of Technology（华南理工大学） ； The University of Hong Kong（香港大学）
AI总结 针对视觉语言模型在安全关键场景适用性未充分探索的问题，引入DSBench综合基准测试，涵盖外部与车内风险，分多类别。评估发现模型在复杂情况下降，构建数据集微调可提升性能，推动自动驾驶技术发展，相关资源将公开。
OmniX：从统一全景生成与感知到适用于图形的3D场景
机构 * University of Hong Kong（香港大学） ； Kuaishou Technology（快手科技） ； Tencent（腾讯）
AI总结 研究基于全景的2D提升技术，提出OmniX框架，利用跨模态适配器结构和循环空间算子，将预训练2D流匹配先验用于多模态联合建模，构建数据集，实现适用于图形的3D场景生成，为虚拟世界创建开辟新可能。
Comments ECCV 2026; Project page: https://yukun-huang.github.io/OmniX/
“知道它足够恶意吗？”评估用于细粒度恶意软件行为审计的大语言模型
机构 * University College London（伦敦大学学院） ； The University of Hong Kong（香港大学）
AI总结 研究针对大语言模型用于恶意软件审计可靠性不明问题，引入MalEval诊断框架，通过配对代码库与审计报告提供基本事实，经中间表示压缩代码库，映射输出到证据链，分解审计为四阶段任务，评估发现大语言模型在审计中有诸多问题，为后续可靠工作流程研究提供参考。
Comments Paper has beed accepted by ISSTA 2026
SlotMem：用于叙事长视频生成的字符可寻址内部存储器
机构 * The University of Hong Kong（香港大学） ； Tsinghua University（清华大学）
AI总结 研究针对叙事长视频生成中保持角色身份的挑战，提出SlotMem框架，通过字符语义探测器定位视觉令牌，记忆编码器压缩记忆，记忆写入器更新记忆，逐角色交叉注意力检索记忆，提升了远程角色一致性与视频质量。
通过中间结构预测分解主体驱动的图像生成
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）
AI总结 该研究提出了一种两阶段框架，通过先预测Canny图再基于源外观和预测结构生成最终图像，以解决主体驱动文本到图像生成中高频率身份细节如logo、图案和文本的保留问题，并通过自动管道构建了10万对文本感知数据集，实验结果表明中间结构预测能有效提升高保真主体驱动生成的性能。
MAGiSt3R：基于单目RGB视频的多智能体前馈3D重建
机构 * University of Bologna（博洛尼亚大学） ； The University of Hong Kong（香港大学） ； Southeast University（东南大学） ； Monash University（莫纳什大学）
AI总结 研究基于单目RGB视频的多智能体3D重建问题，核心方法是用3R家族前馈模型和MAGMA合并模型，并进行姿态图优化，主要贡献是在合成和真实数据集上验证该框架相比现有方法有更高重建和相机跟踪精度。
超越单一专家：在多模态大语言模型中协调多样视觉先验以实现空间理解
机构 * The University of Hong Kong（香港大学）
AI总结 研究旨在提升多模态大语言模型的空间理解能力，提出ViPS框架，通过高效先验代理和动态先验融合机制，整合不同模型的视觉先验，经实验验证该框架能协调多样先验，在多基准测试中取得新的最优性能。
CosFly-VLA：一种用于无人机跟踪的空间感知视觉-语言-动作模型
机构 * Autel Robotics（大疆创新科技有限公司） ； Northeast Normal University（东北师范大学） ； Southern University of Science and Technology（南方科技大学） ； Peking University（北京大学） ； University of Hong Kong（香港大学）
AI总结 针对复杂城市环境中无人机动态目标跟踪问题，提出CosFly-VLA模型，通过结构化预测接口联合定位目标、估计可见性并生成飞行动作。经多阶段训练，该模型在开环误差和闭环成功率上有显著提升，实现从可见帧模仿到空间基础动作闭环控制的进展。
ReBind：通过具有显式参考关系的结构化指令进行多参考视频编辑
机构 * HKUST（香港科技大学） ； Kling Team（克林团队） ； NJU（南京大学） ； UCAS（中国科学院大学） ； PKU（北京大学） ； HKU（香港大学）
AI总结 研究针对多参考图像条件视频编辑中现有方法难以协调多视觉源信息的问题，提出ReBind框架，通过带嵌入参考令牌的语义指令及两阶段渐进方案学习建立显式绑定，实现轻量级适配，在指令质量和性能上表现出色。
Comments Project Page: https://rebind-mrv2v.github.io/
DINO-SLAM：用于神经隐式和显式表示的基于DINO的RGB-D SLAM
机构 * University of Bologna, Italy（博洛尼亚大学） ； Faculty of Dentistry, The University of Hong Kong, China（香港大学牙科学院） ； Rawmantic AI, China（Rawmantic AI） ； Fudan University, Shanghai, China（复旦大学）
AI总结 研究提出DINO-SLAM，通过DINO增强SLAM系统隐式与显式表示。利用场景几何编码器将DINO特征变为几何感知特征，在此基础上为NeRF和GS SLAM系统提出两种范式，相比现有方法在多个数据集上性能更优。
ThinkBLOX：基于渐进推理的3D室内场景生成
机构 * City University of Hong Kong（香港城市大学） ； University of Hong Kong（香港大学） ； Beijing Information Science and Technology University（北京信息科技大学）
AI总结 研究针对传统与现有3D室内场景生成方法不足，提出基于VLM的渐进推理框架ThinkBLOX，构建数据集并采用监督微调与新强化学习方案，在多方面优于基线，支持多样3D场景应用。
Comments 20 pages
逆向推进：从逆向简单任务中进行遥操作成本有效的硬策略学习
机构 * The University of Hong Kong（香港大学）
AI总结 研究针对高质量遥操作数据集收集成本高的问题，提出通过逆向简单任务进行硬策略学习的框架，含闭环数据收集、分层数据细化和迭代策略学习方法，经实验验证该方法能高效稳定地训练复杂操作任务，提升硬任务成功率。
Comments 17 pages, 17 figures
FoundationGeo：学习用于单目度量几何的空间逐像素场
机构 * The University of Hong Kong（香港大学） ； Voyager Research, DiDi Chuxing（滴滴出行探索研究院）
AI总结 FoundationGeo是两阶段框架，第一阶段学习高保真几何模型，第二阶段引入校准场生成3D点图。它还解决相机固有覆盖问题，通过合成数据提高鲁棒性。在多基准零射击评估中，该方法增强跨域鲁棒性，性能优于其他基线。
Comments Accepted to ECCV 2026. Project page: https://mx-liu6.github.io/FoundationGeo-web/
EvoGraph-R1：用于智能检索的自进化多模态知识超图
机构 * Northwestern Polytechnical University（西北工业大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学） ； Monash University（莫纳什大学） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））
AI总结 研究针对现有GraphRAG方法将知识图视为静态数据结构的局限，提出EvoGraph-R1自进化框架，把检索建模为MDP，智能体通过多种操作使超图结构进化以支持多跳推理，实验证明该方法在多模态问答基准测试中大幅优于现有基线。
Comments 10 pages main paper, 6 figures. CVPR 2026 accepted paper
全局观察，局部细化：用于稳健徒手三维超声重建的全局视觉引导和局部超声线索
机构 * Department of Mechanical Engineering, The University of Hong Kong（香港大学机械工程系） ； Multi-Scale Medical Robotics Center（多尺度医疗机器人中心） ； 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）
AI总结 研究针对徒手三维超声重建中探头姿态估计易累积误差问题，提出全局到局部姿态估计框架，利用双相机分支和B模式分支及跨模态融合模块，经多尺度姿态损失约束，在数据集和体内实验中有效降低轨迹漂移，提升重建效果。
UMSS：迈向无监督多模态语义分割
机构 * EmPACT Lab, School of EEE, Nanyang Technological University（电气与电子工程学院电磁脉冲与天线研究室，南洋理工大学） ； The University of Hong Kong（香港大学）
AI总结 本文针对无监督多模态语义分割问题，提出基于DINOv3的UniM2框架，通过跨模态对应协同学习统一潜在空间提取语义线索，并引入跨模态协调器缓解冲突，实验证明该框架相比现有框架有明显优势。
SQuTR：一种在语音噪声下 spoken query 到文本检索的鲁棒性基准
机构 * Huazhong University of Science and Technology（华中科技大学） ； The University of Hong Kong（香港大学） ； Soochow University（苏州大学） ； University of Science and Technology of China（中国科学技术大学） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学） ； The University of Tokyo（东京大学）
AI总结 SQuTR通过大规模数据集和统一评估协议，评估语音检索系统在复杂噪声环境下的鲁棒性，揭示了极端噪声下检索性能显著下降的问题。
Comments Accepted by SIGIR 2026
Journal ref Proceedings of the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR '26), July 20--24, 2026, Melbourne, VIC, Australia
Tilt-Ropter: 一种带有倾转旋翼和被动轮的全驱动混合空中-地面车辆
机构 * Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（机械与自动化工程系，香港中文大学） ； Faculty of Engineering, The University of Hong Kong（工程学院，香港大学） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 提出全驱动混合空中-地面车辆Tilt-Ropter，通过倾转旋翼和被动轮实现高效多模态运动，并设计统一非线性模型预测控制器实现低跟踪误差和地面运动功耗降低92.8%。
Comments 8 pages, 10 figures. Accepted by the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)
读回：预训练的多模态语言模型是文本到图像生成的零样本奖励模型
机构 * The University of Hong Kong（香港大学） ； ByteDance Seed（字节跳动Seed） ； Peking University（北京大学）
AI总结 研究提出SpectraReward将预训练多模态语言模型转为图像生成强化学习奖励模型，用图像条件提示对数似然作奖励，还引入Self-SpectraReward形成闭环框架。经广泛实验验证，二者能提升生成性能，表明奖励-策略对齐是关键。
层归一化在循环变压器中作为隐式增益控制
机构 * Faculty of Business and Economics, The University of Hong Kong（香港大学经管学院）
AI总结 研究预层归一化循环变压器中层归一化作用，指出其为隐式增益控制，分析稳定性预算及进位约束，通过六个任务实验表明线性进位非深度记忆机制，刻画该说法边界，结果经解析得出并在CPU规模实现中验证。
Comments 23 pages, 6 figures, 13 tables. Code available at https://github.com/clojure-finance/mythjure/tree/paper-v1
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