The Hong Kong University of Science and Technology（香港科技大学）

Fragility-aware Classification for Understanding Risk and Improving Generalization

面向脆弱性的分类：理解风险与提升泛化能力

Chen Yang, Zheng Cui, Daniel Zhuoyu Long, Jin Qi, Ruohan Zhan

机构 * School of Management, Zhejiang University（浙江大学管理学院） ； Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong（香港中文大学系统工程与工程管理系） ； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系） ； Department of Marketing and Analytics, University College London（伦敦大学学院市场营销与分析系） 纠错

AI总结 本文提出Fragility Index作为新型性能指标，从风险规避角度评估分类器，通过鲁棒满足框架确保在分布不确定性下的鲁棒性，并开发可训练框架以直接优化FI，实验证明其能揭示误差尾部风险并提升决策质量。

The Rank and Gradient Lost in Non-stationarity: Sample Weight Decay for Mitigating Plasticity Loss in Reinforcement Learning

在非平稳性中排名和梯度的丧失：用于缓解强化学习中塑性丧失的样本权重衰减

Zihao Wu, Hongyao Tang, Yi Ma, Jiashun Liu, Yan Zheng, Jianye Hao

机构 * School of Computer Software, Tianjin University（天津大学计算机软件学院） ； International Joint Institute of Tianjin University, Fuzhou（天津大学福州国际联合学院） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文从网络优化的理论视角研究了非平稳性导致的塑性丧失问题，通过分析数据分布和目标非平稳性，提出样本权重衰减方法以缓解梯度衰减，提升强化学习性能。

Comments ICLR

GardenDesigner: Encoding Aesthetic Principles into Jiangnan Garden Construction via a Chain of Agents

GardenDesigner: 通过一系列智能体编码美学原则以指导江南园林建设

Mengtian Li, Fan Yang, Ruixue Xiong, Yiyan Fan, Zhifeng Xie, Zeyu Wang

机构 * Shanghai University（上海大学） ； Shanghai Engineering Research Center of Motion Picture Special Effects（上海电影特效工程技术研究中心） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 本文提出GardenDesigner框架，通过智能体链编码江南园林建设的美学原则，结合地形分布和道路生成代理，实现快速生成多样化且美观的江南园林。

Comments CVPR 2026, Project page: https://monad-cube.github.io/GardenDesigner

FourierMoE: Fourier Mixture-of-Experts Adaptation of Large Language Models

FourierMoE：大型语言模型的傅里叶混合专家适应

Juyong Jiang, Fan Wang, Hong Qi, Sunghun Kim, Jing Tang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 本文提出傅里叶MoE，通过频域分析提升大语言模型在多任务适应中的性能，采用频域适应方法减少参数开销，实验证明其在单任务和多任务场景中均优于基线方法。

Comments The first two authors contributed equally to this work; listing order is random

SteerFlow: Steering Rectified Flows for Faithful Inversion-Based Image Editing

SteerFlow：通过修正流实现忠实的基于反向的图像编辑

Thinh Dao, Zhen Wang, Kien T. Pham, Long Chen

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； VinUniversity 纠错

AI总结 SteerFlow通过引入隐式直线化求解器和轨迹插值，提升图像编辑的源保真度，实验表明其在FLUX.1-dev和Stable Diffusion 3.5 Medium上表现更优。

SECURE: Stable Early Collision Understanding via Robust Embeddings in Autonomous Driving

SECURE: 通过在自动驾驶中鲁棒嵌入实现稳定的早期碰撞理解

Wenjing Wang, Wenxuan Wang, Songning Lai

机构 * Xiamen University Malaysia（厦门大学马来西亚分校） ； Xinjiang University（新疆大学） ； HKUST(GZ)（香港科技大学（广州）） 纠错

AI总结 本文提出SECURE框架，通过定义和强制模型鲁棒性提升自动驾驶中碰撞预测的稳定性与鲁棒性，在DAD和CCD数据集上取得新突破。

Comments 13 pages, 2 figures

DOne: Decoupling Structure and Rendering for High-Fidelity Design-to-Code Generation

DOne：解耦结构与渲染以实现高保真设计到代码生成

Xinhao Huang, Jinke Yu, Wenhao Xu, Zeyi Wen, Ying Zhou, Junzhuo Liu, Junhao Ji, Zulong Chen

机构 * HKUST (Guangzhou)（香港科技大学（广州）） ； Alibaba Group（阿里巴巴集团） ； HKUST（香港科技大学） ； University of Electronic Science（电子科技大学） ； Zhejiang Lab（之江实验室） 纠错

AI总结 DOne通过解耦结构理解与元素渲染，提升设计到代码生成的高保真度，通过布局分割模块、混合元素检索器和模式引导生成范式，克服了现有方法在结构与细节协调上的不足。

Do Phone-Use Agents Respect Your Privacy?

手机使用代理是否尊重您的隐私？

Zhengyang Tang, Ke Ji, Xidong Wang, Zihan Ye, Xinyuan Wang, Yiduo Guo, Ziniu Li, Chenxin Li, Jingyuan Hu, Shunian Chen, Tongxu Luo, Jiaxi Bi, Zeyu Qin, Shaobo Wang, Xin Lai, Pengyuan Lyu, Junyi Li, Can Xu, Chengquan Zhang, Han Hu, Ming Yan, Benyou Wang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Hunyuan Team, Tencent（腾讯混元团队） 纠错

AI总结 研究手机使用代理在完成良性移动任务时是否尊重隐私，通过MyPhoneBench框架评估隐私行为，发现任务成功率、隐私合规完成和后续会话偏好使用是不同能力，无单一模型主导。

Comments work in progress

AutoWeather4D: Autonomous Driving Video Weather Conversion via G-Buffer Dual-Pass Editing

AutoWeather4D：通过G-Buffer双步编辑实现自动驾驶视频天气转换

Tianyu Liu, Weitao Xiong, Kunming Luo, Manyuan Zhang, Peng Li, Yuan Liu, Ping Tan

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Xiamen University（厦门大学） ； Meituan-M17, Hong Kong（美团-M17，香港） 纠错

AI总结 本文提出AutoWeather4D框架，通过G-Buffer双步编辑分离几何与光照，实现高质量天气合成，提供细粒度物理控制，适用于自动驾驶数据生成。

Comments Project Page: https://lty2226262.github.io/autoweather4d/ | Github: https://github.com/lty2226262/AutoWeather4D

DVM: A Bytecode Virtual Machine Approach for Dynamic Tensor Computation

DVM: 一种用于动态张量计算的字节码虚拟机方法

Jingzhi Fang, Xiong Gao, Renwei Zhang, Zichun Ye, Lei Chen, Jie Zhao, Chengnuo Huang, Hui Xu, Xuefeng Jin

机构 * Huawei（华为） ； HKUST（香港科技大学） ； HKUST(GZ)（香港科技大学（广州）） ； Hunan University（湖南大学） 纠错

AI总结 本文提出DVM，通过字节码虚拟机实现实时编译，提升动态张量计算的效率和编译速度，相比其他框架在效率和编译时间上有显著优势。

ExpertFlow: Efficient Mixture-of-Experts Inference via Predictive Expert Caching and Token Scheduling

ExpertFlow：通过预测专家缓存和令牌调度实现高效的混合专家推理

Xin He, Shunkang Zhang, Kaijie Tang, Shaohuai Shi, Yuxin Wang, Zihao Zeng, Zhenheng Tang, Xiaowen Chu, Haiyan Yin, Ivor W. Tsang, Yew Soon Ong

机构 * CFAR, Agency for Science, Technology and Research (A*STAR), Singapore（新加坡科技研究局CFAR） ； The Hong Kong University of Science and Technology, Hong Kong（香港科技大学） ； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Hong Kong Baptist University, Hong Kong（香港浸会大学） ； Nanyang Technological University, Singapore（南洋理工大学） ； The Hong Kong University of Science and Technology (Guangzhou), China（香港科技大学（广州）） 纠错

AI总结 本文提出ExpertFlow，通过预测专家缓存和令牌调度实现高效的混合专家推理，减少GPU内存使用达93.72%，提升推理吞吐量达10倍。

Comments Accepted in DAC'26, Mixture-of-Experts, Inference, Offloading