高校专区
DreamReasoner-8B：面向扩散推理模型的块大小课程学习
机构 * The University of Hong Kong（香港大学） ； Peking University（北京大学）
AI总结 提出块大小课程学习，通过从细粒度到粗粒度的渐进训练，解决块扩散语言模型在长链推理中性能差距问题，DreamReasoner-8B在数学和代码推理上达到与Qwen3-8B相当的水平。
LAGO策略：面向平滑操作的延迟感知异步扩散策略与目标导向无碰撞规划
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； International Digital Economy Academy（国际数字经济学院） ； The University of Hong Kong（香港大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 提出LAGO策略，通过延迟感知条件引导和时空轨迹优化，解决异步扩散策略的间断和碰撞问题，实现平滑安全的操作。
Comments 8 pages, 8 figures
空间视觉语言模型中的双路径推理强化
机构 * The University of Hong Kong（香港大学） ； NVIDIA（英伟达） ； University of California, San Diego（加州大学圣迭戈分校）
AI总结 提出SR-REAL框架，通过强化学习融合语言推理和3D检测推理两条路径，显著提升空间VLM在复杂几何推理任务中的性能。
超越NL2Code：多模态代码智能的结构化综述
机构 * Meituan（美团） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanjing University（南京大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学澳大利亚机器学习研究所） ； Ludwig Maximilian University of Munich（慕尼黑大学） ； University of Science and Technology of China（中国科学技术大学） ； Queen Mary University of London（伦敦玛丽女王大学）
AI总结 本文系统综述多模态代码智能，将任务按代码角色分类，覆盖GUI、科学可视化、结构化图形及前沿任务，并提出四个基于验证的未来方向。
Comments Work completed in January 2026. Updating now
UniDDT: 使用解耦扩散变换器统一多模态理解与生成
机构 * Nanjing University（南京大学） ； ByteDance Seed（字节跳动Seed） ； University of Hong Kong（香港大学）
AI总结 提出UniDDT模型，通过噪声ViT编码器统一视觉语义表示，并采用解耦扩散解码器分离扩散与文本解码，平衡多模态理解与生成任务，在多个基准上取得优异性能。
Comments This work was completed in \textbf{November 2025}
Metis: 一种用于自动驾驶和城市导航的通用高效世界-动作模型
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The University of Hong Kong（香港大学） ； Tongji University（同济大学） ； Li Auto Inc.（理想汽车） ； Huazhong University of Science and Technology（华中科技大学） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学）
AI总结 提出Metis框架，通过解耦视频生成与动作预测，采用混合专家架构和不对称注意力掩码，实现高效推理与泛化，在多个导航基准上取得最优性能。
AI 促进社会公益：英国伦敦环境法规与其对空气污染影响的因果关系研究
机构 * 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 提出不确定性感知的贝叶斯深度学习框架，估计2010-2020年伦敦空气污染法规对PM2.5的因果效应，发现法规平均降低PM2.5 1.88 μg/m³（12.35%）。
基于对比语言-图像预训练（CLIP）的在线零样本学习中的标签偏移感知自适应
机构 * Australian National University（澳大利亚国立大学） ； China North Vehicle Research Institute（中国北方车辆研究所） ； The Hong Kong Polytechnic University（香港理工大学） ； Griffith University（格里菲斯大学） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； The University of Hong Kong（香港大学）
AI总结 针对在线零样本学习中测试数据与CLIP训练数据分布不匹配的问题，提出标签偏移感知（LSA）方法，通过域自适应和标签偏移校正提升分类性能。
FastMix: 通过梯度下降实现快速数据混合优化
机构 * University of Hong Kong（香港大学） ； Tencent（腾讯） ； Chinese University of Hong Kong（香港中文大学）
AI总结 提出FastMix框架，将数据混合选择重新表述为双层优化问题，通过联合优化混合系数和模型参数，实现高效、可扩展的数据混合发现，在预训练和后训练中均优于基线方法且大幅降低搜索成本。
Journal ref ICLR-2026
SpatialWorld: 在多模态智能体真实世界任务中基准测试交互式空间推理
机构 * Tsinghua University（清华大学） ； Chongqing University（重庆大学） ； Peking University（北京大学） ； ZenoMind AI ； Xi’an Jiaotong University（西安交通大学） ； Beijing Institute of Technology（北京理工大学） ； Southeast University（东南大学） ； Shanghai Jiao Tong University（上海交通大学） ； Joy Future Academy（京东探索研究院） ； The University of Hong Kong（香港大学）
AI总结 提出SpatialWorld基准，集成8种异构模拟后端，通过760个人工标注任务评估多模态智能体在视觉部分可观测环境中的交互式空间理解，发现最强模型GPT-5任务成功率仅17.4%。
Ultra Flash: 将实时流式视频生成扩展到高分辨率
机构 * JD Explore Academy（京东探索研究院） ； USTC（中国科学技术大学） ； PKU（北京大学） ； THU（清华大学） ； BUAA（北京航空航天大学） ； FDU（复旦大学） ； HKUST（香港科技大学） ； HKU（香港大学） ； CUHK（香港中文大学）
AI总结 提出Ultra Flash级联框架，通过架构保持的超分辨率训练、因果流式潜在上采样器和高分辨率解码器、以及级联优化方案，在单GPU上实现1K分辨率约30 FPS和2K分辨率约18 FPS的实时高分辨率流式视频生成。
BIM-Loc：集成BIM的差异感知激光雷达室内定位
机构 * Department of AI & Data Science, University of Hong Kong (HKU)（香港大学人工智能与数据科学系） ； Department of Architecture and Civil Engineering, City University of Hong Kong (CityU)（香港城市大学建筑与土木工程系） ； Humanoids and Human Centered Mechatronics Research Line, Italian Institute of Technology (IIT)（意大利技术研究院人形机器人与以人为本机电一体化研究组）
AI总结 提出BIM-Loc，一种直接集成建筑信息模型（BIM）的差异感知激光雷达定位方法，通过多命中射线投射、BIM集成因子位姿图优化和层次贝叶斯推断，实现与BIM坐标系对齐的轨迹估计和在线差异检测，显著提升定位精度与鲁棒性。
Comments 24 pages, 21 figures, accepted by International Journal of Robotics Research (IJRR), to be published
Journal ref The International Journal of Robotics Research, 2026
面向计算机辅助手术中部分到完整点云配准的点级几何感知Transformer
机构 * The Chair for Computer Aided Medical Procedures, Technical University of Munich（慕尼黑工业大学计算机辅助医疗程序教席） ； The University of Hong Kong（香港大学）
AI总结 提出GAPR-Net，一种结合卷积与Transformer的粗到细框架，通过交叉注意力融合局部与全局信息，并设计变换不变的点级几何特征，在四个骨骼数据集上实现94.2%配准召回率、1.992mm RMSE。
通过提示占卜：中文社交媒体上LLM中介的玄学
机构 * Department of Sociology, University of Macau（澳门大学社会学系） ； Institute for the Humanities and Social Sciences, University of Hong Kong（香港大学人文与社会科学学院）
AI总结 研究LLM在中文社交媒体上用于占卜的现象，通过混合方法分析用户动机、协作提示优化及效果感知，揭示其与传统占卜的异同。
使远见可操作：在世界动作模型中重新利用表示对齐
机构 * The University of Hong Kong（香港大学） ； XPENG Robotics（小鹏机器人）
AI总结 针对世界动作模型中视觉预测与动作提取不匹配的问题，提出AGRA方法，通过对齐视频扩散特征与语义表示，提升动作解码器对任务相关区域的关注，从而改善操作任务的性能与泛化能力。
BIM中几何密集型合规检查自动化：基于图的语义推理框架
机构 * Department of Urban Planning and Design, The University of Hong Kong（香港大学城市规划与设计系） ； Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学土木与环境工程系）
AI总结 针对BIM中几何密集型法规自动检查的语义鸿沟问题，提出SGR-BIM图驱动推理框架，通过跨模态知识图谱实现可解释推理，在679个消防规范查询上达到84.3%准确率，较基线提升8.6%。
Journal ref Automation in Construction 189 (2026) 107038
面向音视频广义零样本学习的层次化标准化嵌入对齐
机构 * Southeast University（东南大学） ； The University of Hong Kong（香港大学） ； Beijing Institute of Technology（北京理工大学） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education（新一代人工智能技术及其跨学科应用重点实验室（东南大学），教育部） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院）
AI总结 提出AHSE方法，通过Z-score标准化和层次化对齐策略（语义、类别、批次三级）解决音视频与文本模态间的分布与结构差异，在三个基准数据集上取得竞争性能。
RAIL: 基于CHC框架重新思考大型音频语言模型中的听觉智能
机构 * School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算与信息系统学院） ； Faculty of Psychology and Educational Sciences, Alexandru Ioan Cuza University of Iași（亚历山德鲁伊万库扎大学心理学与教育科学学院） ； School of Electronic Information, Wuhan University（武汉大学电子信息学院） ； School of Public Health, The University of Hong Kong（香港大学公共卫生学院） ； School of Computer Science, The University of Auckland（奥克兰大学计算机科学学院） ； Department of Data Science and Artificial Intelligence, Monash University（莫纳什大学数据科学与人工智能系）
AI总结 提出RAIL基准，基于CHC认知框架将听觉智能分解为五种核心能力，构建结构化评估任务，系统评测大型音频语言模型的认知行为。
面向主动射频充电调度：用于决策支持的生成式人工智能
机构 * Centre for Wireless Communications (CWC), University of Oulu, Finland（芬兰奥卢大学无线通信中心） ； School of Electrical Engineering and Computer Science, University of Ottawa, Ottawa, Canada（加拿大渥太华大学电气与计算机科学学院） ； Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong（香港大学电子与电气工程系）
AI总结 本文提出将生成式AI作为不确定性感知支持层，辅助射频无线充电调度器在有限资源和不确定条件下做出鲁棒充电决策，并通过仓库案例验证其有效性。
Prefilling-dLLM: 扩散语言模型中长上下文推理的预测性预填充
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） ； LMSYS Org（LMSYS组织）
AI总结 针对扩散语言模型在长上下文中因重复编码前缀导致计算量二次增长的问题，提出Prefilling-dLLM框架，通过分块缓存KV表示并基于稀疏性选择相关块，实现高效解码，在LongBench等基准上达到最先进加速效果。
Comments Technical Report
使用LoRA和NEFTune对DeepSeek-R1-8B模型进行指令微调
机构 * University of Hong Kong（香港大学） ； Northeastern University（东北大学）
AI总结 本研究结合LoRA和NEFTune微调DeepSeek-R1-8B模型，用于金融命名实体识别，在七类实体上达到0.912的微F1分数，优于多个基线模型。
FSS-Net：用于颈动脉超声分割的频率-空间协同网络与小波注意力
机构 * Ji luan Academy, Nanchang University（井然学院，南昌大学） ； School of Information Engineering, Nanchang University（信息工程学院，南昌大学） ； State Key Laboratory of Water Cycle and Water Security, China Institute of Water Resources and Hydropower Research（水循环与水安全国家重点实验室，中国水利水电科学研究院） ； Department of Diagnostic Radiology, Li Ka Shing Faculty of Medicine, The University of Hong Kong（诊断放射科，李嘉诚医学部，香港大学） ； Department of Radiotherapy, Guangdong Provincial People's Hospital, Guangdong Academy of Medical Sciences, Southern Medical University（放疗科，广东省人民医院，广东省医学科学院，南方医科大学） ； Joint SDU-NTU Centre for Artificial Intelligence Research (C-FAIR), Shandong University（SDU-NTU人工智能研究联合中心（C-FAIR），山东大学） ； Department of Pediatrics, Shandong Provincial Hospital Affiliated to Shandong First Medical University（儿科，山东省立医院（附属山东第一医科大学））
AI总结 提出频率-空间协同网络（FSS-Net），集成小波变换、多域注意力和边缘增强，在颈动脉超声数据集上实现96.46%的Dice分数，有效分割颈动脉并识别斑块。
HiMem-WAM: 用于机器人操作的分层记忆门控世界动作模型
机构 * The University of Hong Kong（香港大学） ； INFIFORCE ； Huazhong University of Science and Technology（华中科技大学） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 提出分层记忆门控世界动作模型HiMem-WAM，通过分层潜在动作框架和边界触发记忆更新，提升长时域机器人操作的任务相关记忆与泛化鲁棒性。
从上下文感知到冲突感知：泛化对比解码以应对LLMs中的知识冲突
机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） ； The University of Hong Kong（香港大学）
AI总结 针对大语言模型生成时外部上下文与参数先验之间的知识冲突，提出冲突感知范式，通过动态分配先验与上下文的权重，并设计自适应机制解决不同冲突状态下的不对称问题。
Comments 27 pages, 9 figures
基于神经网络的流匹配理论
机构 * Princeton University（普林斯顿大学） ； The University of Hong Kong（香港大学） ； Northwestern University（西北大学）
AI总结 本文为神经网络参数化的条件速度场流匹配建立了理论基础，证明了过参数化两层ReLU网络中梯度下降的收敛性，推导了条件速度场匹配目标的泛化界，并提供了生成样本的Wasserstein距离保证。
SPDM: 基于流形约束的几何调制状态空间建模用于时间序列预测
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 提出SPDM，一种将对称正定流形约束引入状态空间模型的几何感知架构，通过流形轨迹和几何门控机制调制选择性扫描，在保持线性复杂度同时提升多变量时间序列预测精度。
MemoryVLA++：通过记忆与想象在视觉-语言-动作模型中进行时间建模
机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Dexmal ； StepFun
AI总结 提出MemoryVLA++框架，通过工作记忆、感知-认知记忆库和想象未来状态的世界模型，实现完整时间建模，在模拟和真实机器人任务上显著提升长时域和依赖记忆与想象的任务性能。
Comments The project is available at https://shihao1895.github.io/MemoryVLA-PP-Web
OmniGameArena: 一个统一的UE5基准测试，用于具有改进动态的VLM游戏智能体
机构 * The University of Hong Kong（香港大学） ； LIGHTSPEED ； The Chinese University of Hong Kong（香港中文大学） ； Tsinghua University（清华大学）
AI总结 提出OmniGameArena，一个包含12个UE5游戏的统一基准，以及改进动态曲线（IDC），通过反思机制评估VLM智能体的冷启动分数、改进动态和泛化能力。
AHA-WAM：异步自适应时域世界-动作建模与观测引导的上下文路由
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Baidu AI Cloud（百度智能云） ； The University of Hong Kong（香港大学）
AI总结 提出AHA-WAM，一种基于双扩散Transformer的异步时域自适应世界-动作模型，通过低频世界规划器和高频动作执行器解耦时序，实现高效闭环控制，在RoboTwin和真实任务上达到SOTA性能。
Comments Project page: https://serene-sivy.github.io/aha-wam/
SynManDex: 从合成人类预抓取中合成类人灵巧抓取
机构 * Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； Shenzhen University（深圳大学） ； Fudan University（复旦大学） ； University of Hong Kong（香港大学） ； ZTE Corporation（中兴通讯股份有限公司）
AI总结 提出SynManDex流水线，利用生成的人类预抓取作为启发，通过机器人原生优化实现力闭合接触，生成类人灵巧抓取，在仿真和真实机器人上取得高成功率和类人性。
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