高校专区
PlayWorld：基于智能体玩家的长程目标世界模型基准测试
机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； Kuaishou Technology（快手科技）
AI总结 该研究针对现有世界模型跨模型公平比较的难题，推出含171个场景的PlayWorld基准，通过多模态智能体玩家从多维度评估9种先进世界模型，发现其长程交互式目标表现仍不可靠。
Comments project page: https://kxding.github.io/project/PlayWorld/
CROP：基于反事实的任务相关性用于选择性在线策略蒸馏
机构 * The University of Hong Kong（香港大学）
AI总结 针对选择性在线策略蒸馏中任务相关性表征不足的问题，提出基于反事实的CROP方法，可识别更有用的监督位置，在两种师生设置中分别提升性能1.92和2.96个百分点。
理解垂直联邦学习中的后门漏洞：研究与实践之间的差距
机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算机与数据科学学院）
AI总结 本文针对垂直联邦学习（VFL）的后门漏洞开展面向实践的系统性研究，发现现有研究与实践存在差距，提出实用后门工作流并引入BVBench基准，为相关研究奠定基础。
基于智能手机摄影测量的三维人体扫描用于自动人体测量的验证：与商用基于深度传感器的人体扫描仪对比
机构 * The George Washington University（乔治·华盛顿大学） ； The University of Hong Kong（香港大学）
AI总结 本研究对比验证了智能手机摄影测量应用PolyCam与商用Fit3D ProScanner的人体扫描性能，发现二者一致性较强，PolyCam可作为商用人体扫描仪的潜在易获取替代方案用于纵向体型评估。
Comments 16 pages, 5 figures, 4 tables
VALG：面向机器学习理论研究的智能体系统
机构 * The University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Northwestern Polytechnical University（西北工业大学）
AI总结 本文提出VALG智能体系统，将机器学习理论研究过程组织为自主工作流，通过多环节验证与图结构证明开发，在COLT 2026开放问题子问题上验证了其有效性，相关代码已开源。
混合线性注意力大语言模型中的大规模激活：注意力前峰值与峰间平台期
机构 * Startlux（星创公司） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； The University of Hong Kong（香港大学） ； University of Sydney（悉尼大学） ； Columbia University（哥伦比亚大学）
AI总结 本研究系统揭示混合线性注意力大语言模型中大规模激活的两种形态，证实其在多架构、多配置等场景下的重复性，明确其对输出门控的响应规律及机制，为相关模型优化提供依据。
Comments Under review
基于双层极小极大优化的高效可靠迁移攻击学习
机构 * The University of Hong Kong（香港大学） ； Dalian University of Technology（大连理工大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 该研究提出BMAT方法，通过双层极小极大优化实现初始化、代理适配与扰动的三元耦合，在30余种受害者模型上优于10余种基线，可高效可靠地生成迁移对抗样本。
Comments Accepted by ECCV 2026. 21 pages in total. Code available at https://github.com/callous-youth/BMAT
Hybrid-LUT：用于高效图像去噪的通道感知混合查找表与滤波
机构 * The University of Hong Kong（香港大学）
AI总结 本研究提出Hybrid-LUT框架，通过Y通道用带像素级权重融合的多波段LUT、UV通道用轻量级滤波的非对称设计，在减少三分之二LUT存储的同时，于真实数据集上较现有LUT去噪方法提升至少0.63 dB CPSNR，实现SOTA性能。
Comments Accepted by ECCV2026
让AI生成的反馈发挥作用：从提供到学生执行
机构 * The University of Queensland（昆士兰大学） ； University of Surrey（萨里大学） ； The University of Hong Kong（香港大学）
AI总结 该研究通过13037名学生的大规模准实验，发现主动构建的AI反馈执行工作流可显著提升学生对AI反馈的接受度、自我评估信心及作品质量，强调需设计针对性AI反馈工作流。
利用分层监督将基于RGB的基础模型重新用于热图像的深度估计
机构 * The University of Hong Kong（香港大学） ； Commonwealth Scientific and Industrial Research Organisation (CSIRO)（英联邦科学与工业研究组织）
AI总结 针对热图像深度估计中RGB基础模型分层表示利用不足的问题，提出RGB-HS框架，通过分层监督和基于图像质量的标记加权对齐，在基准上实现了有竞争力的性能。
Comments Accepted in IROS 2026
利用智能体记忆构建面向材料科学家的终身AI合作伙伴
机构 * The University of Hong Kong（香港大学） ； Materials Innovation Institute for Life Sciences and Energy (MILES), HKU-SIRI（香港大学-深圳国际研究院生命科学与能源材料创新研究院） ； International Digital Economy Academy (IDEA)（国际数字经济学院）
AI总结 该研究提出一种自进化记忆框架，可跨模型迁移材料研究经验，使GPT-5.2任务成功率翻倍，减少重复错误，降低材料模拟工作流程的追踪负担与工具调用次数。
Comments 21 pages, 7 figures
缓解可靠高效搜索智能体的上下文干扰
机构 * The Chinese University of Hong Kong（香港中文大学） ； University College London（伦敦大学学院） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） ； The University of Edinburgh（爱丁堡大学）
AI总结 本文针对多轮搜索智能体的上下文干扰问题，提出基于蒸馏的上下文优化器，将其纳入RL训练后可显著提升搜索智能体的可靠性与效率，开创了AI智能体“先优化上下文再生成”的新范式。
重新思考工业密集预测中的数据效率：决定视觉Transformer（ViTs）低数据优势的是预训练一致性，而非归纳偏置
机构 * ZTE Corporation（中兴通讯股份有限公司） ； The University of Hong Kong（香港大学）
AI总结 该研究通过实验发现工业密集预测中ViTs的低数据优势源于预训练一致性而非归纳偏置，提出AlignBlock解决跨架构特征差距，明确数据效率边界并验证了嫁接颈部网络的性能提升。
Comments 14 pages, 10 figures, 17 tables. This paper targets industrial defect detection via vision transformer and CNN alignment grafting
智能体系统中的协同进化：迈向超越人类设计的自主进化
机构 * Hong Kong University of Science and Technology（香港科技大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Peking University（北京大学）
AI总结 本综述聚焦智能体系统的协同进化，提出三阶段分类法梳理其发展，探讨相关开放挑战，为构建超越人类设计路径的自主智能体系统提供统一基础。
失配很重要：超越token一致性的在线蒸馏
机构 * The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文针对在线蒸馏存在的退化一致性失效问题，提出TIDE方法修正师生失配，在数学推理基准上显著提升性能、缩短响应长度并减少格式错误。
采用全局局部加权迭代最近点（GLW-ICP）的缝纫用机器人布料对位系统
机构 * The University of Hong Kong（香港大学） ； Imperial College London（帝国理工学院） ； Tohoku University（东北大学） ； Fukushima University（福岛大学） ； City University of Hong Kong（香港城市大学）
AI总结 该研究提出采用GLW-ICP方法的机器人布料对位系统，可实现布料全局边缘与局部缝纫线的精准对齐，在有无遮挡下均达毫米级精度，适用于自动缝纫场景。
Comments 16 pages, 10 figures, https://bhattner143.github.io/rfas-glwicp.github.io/
Journal ref IEEE Transactions on Automation Science and Engineering, vol. 23, pp. 13391-13406, July 2026
基于主动感知的全切片病理图像智能体视觉推理
机构 * College of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与技术学院） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院）
AI总结 该研究提出AdaptivePath主动感知框架，通过序列决策实现千兆像素病理切片的视觉推理，在病理VQA基准及TCGA六队列癌症亚型分类上取得最优性能，辅助病理学家诊断。
Comments 14 pages, 5 figures
UniMoMo：基于专家合并的大推荐模型混合专家（MoE）加速方法
机构 * Kuaishou Technology（快手科技） ； Hohai University（河海大学） ； Wuhan University（武汉大学） ； ByteDance, Seed（字节跳动 Seed） ； Alibaba, Ant Group（阿里巴巴蚂蚁集团） ； ByteDance, Douyin（字节跳动抖音） ； The University of Hong Kong（香港大学） ； Harvard University（哈佛大学）
AI总结 UniMoMo是一种后训练压缩框架，通过功能相似性合并MoE专家并引入层自适应保护，在Amazon Beauty等三个数据集上实现推荐MoE的高效压缩与加速，且性能损失极小。
Comments Preprint
ERF-GS：从不相交的事件-RGB视点重建快速运动
机构 * The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学）
AI总结 ERF-GS框架将事件信息融入高斯溅射流水线，脱离RGB输入实现基于事件的学习，在含模糊帧和不相交视点的数据集上，性能优于4DGS与E-D3DGS，可用于复杂自然视频的快速运动重建。
Comments 18 pages, 12 figures
基于运动学耦合SVSDF的移动操作臂携带任意形状负载的实时全身运动规划
机构 * University of Hong Kong（香港大学） ； Tsinghua University（清华大学）
AI总结 本文提出基于KC-SVSDF的移动操作臂实时全身运动规划框架，通过链分解碰撞检查等方法，可可靠在复杂环境中运输大型非凸任意形状负载。
Simple-OPD：揭开策略内蒸馏的预热阶段之谜
机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Tencent（腾讯）
AI总结 本文通过数据与训练视角研究OPD的预热阶段，发现预热依赖教师兼容CoT监督、LoRA近饱和训练优于全参数SFT，提出Simple-OPD方法并验证其有效性与鲁棒性。
从经济智能体到智能体经济：经济世界模型的系统蓝图
机构 * Shenzhen Loop Area Institute（深圳河套学院） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出经济世界模型（EWM）的六级能力阶梯实施蓝图，旨在加速可作为人类决策沙箱与AI智能体基础的下一代高保真经济模拟环境开发。
Comments Project page: https://github.com/FreedomIntelligence/Awesome-Economic-World-Models
StreamArena：面向连续、交互式且长视界的智能体流媒体视频理解
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Xiaohongshu Inc.（小红书公司） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 针对当前智能体流媒体视频理解评估的缺陷，提出StreamArena基准，设计StreamMind架构解决连续交互与长视界理解的张力，在四项能力上优于现有基线并降低延迟。
超越残差连接：用于鲁棒说话人表示学习的流形约束超连接
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Baidu Inc.（百度公司） ； The University of Hong Kong（香港大学）
AI总结 该研究针对残差连接的信息流限制问题，提出流形约束超连接（mHC）方法，替换多种主干网络的残差连接后，在VoxCeleb1数据集上持续提升了说话人表示学习的性能。
Comments Accepted to INTERSPEECH 2026
一种最优的不可知PAC算法
机构 * Aarhus University（奥胡斯大学） ； The University of Hong Kong（香港大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 该研究针对有限VC维的二元分类函数类，构造出达到统计最优风险界的不可知PAC学习算法，确定了其样本复杂度（仅差通用常数），匹配了已有下界。
Comments 18 pages
OmniEdit-Bench：基于指令的视频编辑综合基准
机构 * The University of Hong Kong（香港大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学） ； Peking University（北京大学）
AI总结 针对现有基于指令的视频编辑基准的任务覆盖有限、指标不足的问题，OmniEdit-Bench将编辑任务分解为多维度并提出含惩罚机制的评估框架，实验显示当前IVE模型仍待提升。
扩散模型中的视觉锚定：多模态零样本骨骼动作识别
机构 * The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学）
AI总结 该研究针对零样本骨骼动作识别中模态融合的问题，提出TDSM-MM模型，通过生成式分类范式结合视觉锚定，在NTU数据集上取得优异零样本识别性能，为零样本学习提供新方向。
面向CVaR风险感知Q学习的自适应有限预算训练
机构 * The University of Hong Kong（香港大学）
AI总结 本文针对CVaR风险感知Q学习提出自适应有限预算训练控制器，通过六个协同机制优化训练流程，在比特币交易任务中大幅降低贝尔曼残差、提升策略风险调整后表现。
Comments 8 pages, 3 figures, submit to ACM International Conference on AI in Finance: ICAIF '26 Milan
SiMDex：挖掘相似的自我中心视频以实现跨 embodiment 的灵巧操作
机构 * The University of Tokyo（东京大学） ； ByteDance Seed（字节跳动 Seed） ； The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学）
AI总结 该研究提出SiMDex框架，通过三层流程从海量自我中心人类视频中挖掘与任务相关的子集，用于VLA后训练，仅用少量样本便显著提升了机器人灵巧操作的成功率，证明选择性数据整理更有效。
Comments 12 pages, 4 figures. Project page: https://lin-nie.github.io/SiMDex/
当多变为少：语言模型中与位置相关的重复效应
机构 * The University of Hong Kong（香港大学）
AI总结 该研究发现语言模型中目标 token 的重复效应与读取位置相关，位移重复会呈现倒U型规律，且该效应经多语言和多模型验证，归因于精确词汇重复而非其他因素。
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