高校专区
TabQueryBench：用于合成表格数据的以查询为中心的基准测试
机构 * University of Hong Kong（香港大学） ； Tongji University（同济大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 提出TabQueryBench以查询为中心的基准测试，用SQL查询评估合成数据保真度，将查询分类为模板并生成可执行SQL查询，实验展示了当前表格生成模型在查询保真度等方面的五种模式。
G$^2$TAM：几何基础的轨迹任意模型
机构 * HKU（香港大学） ； Shanghai AI Lab（上海人工智能实验室） ； BUAA（北京航空航天大学） ； SJTU（上海交通大学） ； UCLA（加州大学洛杉矶分校） ； ZJU（浙江大学）
AI总结 研究利用现代前馈3D重建模型的空间一致性，提出G$^2$TAM框架，用无序RGB图像或视频进行3D实例跟踪。核心是跨模态空间编码器，还构建数据集，实验表明该模型有多种优势，为交互式空间推理奠定基础。
Comments Accepted by ICML 2026. Project Page:https://zcmax.github.io/projects/G2TAM/
超越预测：预测市场代理中的信念到交易层
机构 * 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） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 以预测未来事件为通用人工智能测试平台，提出Raven-Agent这一预测市场自主交易代理，在存档决策集的控制重放中表现出色。
Comments 10 pages, 4 figures
唤醒扩散变换器：通过大规模激活调制激发更强的生成和理解能力
机构 * Shanghai Jiao Tong University（上海交通大学） ； Monash University（莫纳什大学） ； The University of Hong Kong（香港大学） ； Zhongguancun Academy（中关村科学城创新中心） ； Chulalongkorn University（朱拉隆功大学） ； City University of Hong Kong（香港城市大学）
AI总结 研究扩散变换器中大规模激活（MAs）的结构和功能，发现其空间分布及与AdaLN残差缩放因子的关系。基于此提出EMA框架，通过MA驱动的细节引导和MA调制的表征提取，提升生成和理解能力。
全息字幕：迈向3D场景的文本等效物
机构 * Visual AI Lab, The University of Hong Kong（香港大学视觉人工智能实验室） ； Frontier Robotics（前沿机器人）
AI总结 研究提出全息字幕任务，先将其定义为生成结构化文本描述，开发字幕引擎及大规模基准，在此基础上提出HoloScribe模型，还给出评估指标和测试集，该模型性能超现有方法。
Comments ECCV 2026
VideoAgent: 视频理解与编辑的全能框架
机构 * South China University of Technology（华南理工大学） ； The University of Hong Kong（香港大学） ； Snap Inc（Snap公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 提出VideoAgent，一种基于多智能体编排的全能框架，通过自动镜头创建和30多个专业编辑智能体，解决现有系统在长视频理解和多样化编辑操作上的局限，在VideoEdit基准上实现87-95%编排成功率并降低60% API成本。
Comments Preprint. Code available at https://github.com/HKUDS/VideoAgent
医学启发式学习：一个用于可解释和可审计临床决策规则的LLM驱动框架
机构 * Centre for Artificial Intelligence Driven Drug Discovery, Macao Polytechnic University（人工智能驱动药物发现中心，澳门理工学院） ； Key Laboratory of Short-Range Radio Equipment Testing and Evaluation, Ministry of Industry and Information Technology Terahertz Science Application Center (TSAC), Beijing Institute of Technology（工业和信息化部短距离无线电设备测试与评估重点实验室，太赫兹科学应用中心（TSAC），北京理工大学） ； Department of Critical Care Medicine, Yantai Yuhuangding Hospital, Qingdao University（重症医学科，烟台友谊医院，青岛大学） ； Faculty of Education, The University of Hong Kong（教育学院，香港大学） ； College of Information Engineering, Dalian University（信息工程学院，大连大学）
AI总结 提出医学启发式学习（MHL），利用LLM驱动的工作流优化确定性可执行决策系统，生成可解释、可审计的Python决策规则，在医学数据集上达到与最先进方法相当的性能，并支持小样本和高度不平衡场景。
FlowCIR: 通过流匹配实现零样本组合图像检索的语义传输
机构 * The Hong Kong University of Science and Technology, Hong Kong SAR（香港科技大学） ； The University of Hong Kong, Hong Kong SAR（香港大学）
AI总结 提出FlowCIR，利用条件流匹配将参考图像与指令组合成目标对齐查询嵌入，避免文本反转的信息损失，训练效率高，并引入多负向引导策略提升对否定指令的鲁棒性。
Comments Accept to ECCV2026
异步RLHF的陈旧度-学习率缩放定律
机构 * The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； Gradient ； University of Southern California（南加州大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 研究异步GRPO中陈旧rollout的影响，推导出陈旧度与学习率之间的缩放定律，揭示稳定性受累积漂移和陈旧度约束的双重条件。
PatternGSL: 一种用于无模板且可模拟的3D服装的结构化规范语言
机构 * The University of Hong Kong（香港大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Carnegie Mellon University（卡内基梅隆大学） ； LIGHTSPEED Shenzhen（LIGHTSPEED深圳） ； LIGHTSPEED Los Angeles（LIGHTSPEED洛杉矶）
AI总结 提出PatternGSL，一种无模板、可学习的结构化服装表示语言，从单张图像直接预测完整缝纫图案，实现可模拟的3D服装重建。
Comments 11 pages, 6 figures
面向内存高效的自回归视频生成：基于实例特定参数吸收
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； The University of Hong Kong（香港大学） ； AMAP, Alibaba Group（阿里巴巴集团高德地图）
AI总结 提出ISPA框架，通过将历史上下文吸收到模型权重中，将部分注意力层从全局注意力转换为局部注意力，在保持视觉质量的同时减少50%的KV缓存。
Comments ECCV 2026 Camera Ready
识别潜在概念与结构以实现广义类别发现
机构 * The University of Hong Kong（香港大学） ； Shenzhen University（深圳大学）
AI总结 提出组合基元场（CPF-GCD）框架，通过低秩组合组织重塑特征空间，使潜在结构可识别，从而提升广义类别发现性能。
Comments This paper has been accepted by ICML2026
迷失在尾部：解决城市视觉地点识别中的地理不平衡问题
机构 * George Mason University（乔治梅森大学） ； Xiamen University（厦门大学） ； University of Hong Kong（香港大学） ； Lambda ； University of Bath（巴斯大学）
AI总结 针对城市级视觉地点识别中数据长尾分布导致模型偏向频繁拍摄区域的问题，提出分布感知地点识别（DAPR）框架，通过重平衡梯度贡献和多尺度距离搜索机制，在SF-XL等基准上显著提升性能。
Comments Accepted to ECCV 2026, 28 pages including supplementary material
面向具身智能的记忆原生非地面网络
机构 * The University of Hong Kong（香港大学） ； Southern University of Science and Technology（南方科技大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； University of Macau（澳门大学） ； Istanbul Medipol University（伊斯坦布尔梅迪波尔大学）
AI总结 针对非地面网络与具身智能协同中的动态资源受限问题，提出记忆原生NTN范式，通过双记忆架构（物理记忆与数字记忆）实现跨层记忆增强决策，在卫星具身问答任务中显著优于传统方法。
Comments 8 pages, 4 figures, 2 tables, submitted to IEEE for possible publication
闭环交通建模中局部观测与全局仿真的桥接
机构 * The University of Hong Kong（香港大学） ； Beihang University（北京航空航天大学）
AI总结 提出CRAFT框架，通过自监督失败发现和偏好引导的测试时对齐，缓解自回归交通模拟器在闭环部署中的局部-全局上下文不匹配问题，减少碰撞31.2%和交通违规33.2%。
Mesh BDF: 用于原生3D网格生成的重心支配场
机构 * HKU（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Tencent Hunyuan 3D（腾讯混元3D） ； NTU（南洋理工大学）
AI总结 提出重心支配场(BDF)，一种在三角网格表面上定义的连续表示，将顶点拓扑连接编码为连续信号，弥合离散网格拓扑与连续扩散生成模型之间的差距，使扩散模型能生成高质量、可扩展且鲁棒的原生网格。
Comments 15 pages, 6 figures
MemLearner: 学习查询上下文记忆用于视频世界模型
机构 * The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Kuaishou Technology（快手科技）
AI总结 提出基于学习的自适应上下文查询方法MemLearner，利用视频生成模型自身进行上下文记忆查询，解决视频世界模型在遮挡和动态场景下的场景一致性问题。
Comments ECCV 2026, Project Page: https://yujiwen.github.io/memlearner/
关于自改进在线大语言模型对齐的收敛性
机构 * The University of Hong Kong（香港大学） ； Yale University（耶鲁大学） ； Purdue University（普渡大学）
AI总结 针对SAIL算法收敛性分析缺失的问题，提出SAIL-RevKL正则化目标，证明其满足PL条件并实现近线性样本复杂度，在MuJoCo和LLM对齐任务上优于原始SAIL。
Comments Accepted at UAI 2026
Dualformer: 用于复值盲通信信号分析的高效特征提取器
机构 * College of Electronic Science and Technology, National University of Defense Technology（国防科技大学电子科学学院） ； Department of Electrical and Computer Engineering, The University of Hong Kong（香港大学电气与电子工程系）
AI总结 提出双通道神经网络DualNN，通过IQ通道参数共享高效处理复值信号，并基于Transformer实现Dualformer，在自动调制识别等任务上性能优于现有方法。
Comments 18 pages, 11 figures
基于结构化自回归建模的长期交通仿真
机构 * The University of Hong Kong（香港大学）
AI总结 提出RosettaSim框架，利用大规模序列模型的归纳偏置和统计先验，通过结构化自回归流建模场景拓扑、智能体状态和生成意图，实现短期准确与长期稳定仿真；并引入基于检索的交通评估（RTE）解决长期评估难题。
Comments ECCV 2026 Accepted
PolyFlow: 连续拓扑嵌入流匹配用于艺术家风格网格生成
机构 * ZJU（浙江大学） ； Tencent（腾讯） ； THU（清华大学） ； CUHK（香港中文大学） ； HKUST（香港科技大学） ； HKU（香港大学）
AI总结 提出PolyFlow，通过连续拓扑嵌入将离散网格转换为连续顶点状态空间，结合Transformer流匹配实现并行去噪，在保持高质量拓扑的同时大幅提升生成速度。
分子扩散模型的无监督热力学：作用-算子语义与可审计自由能读出
机构 * Department of Physics and HK Institute of Quantum Science & Technology, The University of Hong Kong（香港大学物理系及香港量子科技研究院）
AI总结 提出一种与扩散模型兼容的作用-算子框架，通过噪声算子桥从端点系综读出自由能差，在丙氨酸二肽和配体-口袋扰动中验证了精度。
翻译作为桥接动作：将操作技能从人类迁移到机器人
机构 * HKU-MMLab（香港大学多媒体实验室） ； ByteDance Seed（字节跳动Seed）
AI总结 提出以相对手腕平移作为桥接动作表示，结合π₀类视觉-语言-动作模型，从人类数据中迁移操作技能到双臂平行夹爪机器人，有效提升迁移效果并随数据量扩展。
Comments Project Page: https://translation-as-a-bridging-action.github.io/
面向扩散模型的类别频率引导噪声调度
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） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学）
AI总结 针对低频类别在扩散模型中因低密度区域导致评分估计不准和生成质量差的问题，提出类别频率引导的噪声调度（CFRG），为低频类别分配更大尺度噪声，在CIFAR-100-LT和ImageNet-LT上显著提升生成质量。
Comments technical report
CWI: 复合型人形机器人全身模仿系统用于移动操作
机构 * LimX Dynamics ； The University of Hong Kong（香港大学） ； School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院） ； Hong Kong University of Science and Technology（香港科技大学） ； ZJU-UIUC Institute, Zhejiang University（浙江大学伊利诺伊大学厄巴纳香槟校区联合学院）
AI总结 提出CWI框架，通过解耦上下半身动作捕捉数据，结合对抗性运动先验和多评论家架构，实现人形机器人稳定移动与灵巧操作的全身协调控制。
EO-WM: 一种用于概率性地球观测预测的物理信息世界模型
机构 * The University of Hong Kong（香港大学） ； Wuhan University（武汉大学）
AI总结 提出EO-WM，一种视频扩散变换器，通过物理信息条件框架（气候基线、天气异常和累积应力）实现多光谱地球观测的概率性预测，在极端天气和季节匹配基准上优于现有方法。
Comments 28 pages, 5 figures, 11 tables
UAV-MapFusion: RTK对齐的不确定性感知粗到细多会话无人机建图
机构 * College of Automation, Harbin Engineering University（哈尔滨工程大学自动化学院） ； Department of Mechanical Engineering, University of Hong Kong（香港大学机械工程系） ； College of Mechatronics and Control Engineering, Shenzhen University（深圳大学机电与控制工程学院）
AI总结 提出一种不确定性感知的多会话点云地图合并与粗到细优化系统，通过RTK时空对齐和迭代平面因子优化，在抑制长距离漂移的同时保持局部几何精度。
Comments 8 pages, 5 figures, accepted by IEEE Robotics and Automation Letters (RA-L)
SSI-Policy: 学习用于视觉语言机器人操作的结构化场景接口
机构 * Southern University of Science and Technology（南方科技大学） ； Peng Cheng Laboratory（鹏城实验室） ； The University of Hong Kong（香港大学） ； LimX Dynamics
AI总结 提出SSI-Policy框架，通过统一的结构化场景接口（SSI）联合编码单目深度、语言锚定的物体布局和指令条件化的2D运动轨迹，实现从少量演示中学习机器人操作，在LIBERO基准上仅用10个演示即提升15%性能。
Comments Accepted by 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
OmniContact: 通过接触流链接元技能实现可泛化的人形移动操作
机构 * Noitom Robotics（诺亦腾机器人） ； The Hong Kong University of Science and Technology（香港科技大学） ； Wuhan University（武汉大学） ； The University of Hong Kong（香港大学）
AI总结 提出以接触流为核心的分层框架，通过低层策略学习统一技能库、高层模块合成未来接触流序列，实现人形机器人长时程任务的鲁棒执行与自主恢复，在搬运箱子和推叠箱子任务上分别达到98.7%和76.5%的成功率。
PatchINR: 基于块的隐式神经表示实现高效可扩展推理
机构 * The Department of Electrical and Computer Engineering, The University of Hong Kong, Hong Kong.（香港大学电子与计算机工程系）
AI总结 提出基于块的隐式神经表示方法，以非重叠块为处理单元单次预测整块像素，减少推理查询次数，结合FPGA硬件加速实现75%推理延迟降低且参数仅增0.6%。
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