高校专区
解锁预测经济：一个用于预测市场全生命周期的数据集套件：[实验与分析]
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； New York University（纽约大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出首个持续维护的去中心化预测市场全生命周期数据集，通过整合市场元数据、交易记录和预言机事件，提供可复现且可扩展的数据模型，用于分析市场活动及NBA和CPI案例。
Comments Project page: https://www.polymonitor.club/
WebGen-R1: 通过强化学习激励大语言模型生成功能性和美观的网站
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里云实验室） ； Electronics and Telecommunications Research Institute（电子电信研究院） ； Ant Group（蚂蚁集团）
AI总结 本文提出WebGen-R1框架，通过强化学习生成多页面功能性和美观的网站，解决了传统方法在多页面交互和审美评估上的不足。
通过条件扩散模型进行新产品生命周期的冷启动预测
机构 * Guanghua School of Management, Peking University（北京大学光华管理学院） ； Department of Industrial Engineering and Decision Analytics, The Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系）
AI总结 本文提出CDLF模型，利用静态描述、参考轨迹和新观察数据预测新产品生命周期，解决冷启动问题，提升预测准确性与概率预测质量。
面向自适应超声引导针插入与针跟踪的视觉-语言-动作模型
机构 * 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） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学计算机科学与工程系） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Department of Mechanical and Automation Engineering, T Stone Robotics Institute, Shun Hing Institute of Advanced Engineering, Multi-Scale Medical Robotics Center, and Institute of Medical Intelligence and XR, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系、T Stone机器人研究所、Shun Hing先进工程研究所、多尺度医疗机器人中心以及医学智能与XR研究所）
AI总结 本文提出视觉-语言-动作模型，用于实现自适应超声引导针插入与跟踪，通过跨深度融合和跟踪条件化注册提升跟踪精度与插入成功率。
Comments Accepted by ICRA 2026
面向安全日志：利用LLM分析和基准测试日志代码的安全问题
机构 * York University（约克大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； University of Waterloo（滑铁卢大学） ； University of Alberta（阿尔伯塔大学）
AI总结 本文通过构建包含101个真实日志安全问题报告的基准数据集，系统分析日志代码安全问题，并提出自动化框架评估LLM在检测和修复日志安全问题中的能力，发现LLM在检测方面表现中等但修复存在挑战。
Comments Accepted at FSE 2026 Research Papers Track
ACT：通过时间解耦和结构净化进行交叉截面股票排名的抗串扰学习
机构 * School of Computing and Data Science, University of Hong Kong（香港大学计算与数据科学学院） ； Thrust of Financial Technology, Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）金融科技研究所）
AI总结 本文提出ACT框架，通过时间解耦和结构净化解决交叉截面股票排名中的串扰问题，提升排名准确性和投资组合表现。
Comments 15 pages
在无类比分布偏移下评估气候基础模型的鲁棒性
机构 * Centre for Artificial Intelligence（人工智能中心） ； Department of Computer Science（计算机科学系） ； University College London（伦敦大学学院） ； Division of Emerging Interdisciplinary Areas（新兴交叉学科领域） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Oxford（牛津大学）
AI总结 本文研究了在无类比分布偏移下气候基础模型的鲁棒性，通过时间外推和跨情景驱动偏移评估三种模型，发现ClimaX模型在绝对误差最低但分布偏移下稳定性较差。
AutoGraph-R1：知识图谱构建的端到端强化学习
机构 * The Hong Kong University of Science and Technology（香港理工大学） ； Cornell University（康奈尔大学） ； Microsoft Research（微软研究院）
AI总结 本文提出AutoGraph-R1框架，通过强化学习直接优化知识图谱构建，提升检索增强生成任务性能。设计了两种任务感知奖励函数，使图谱作为知识载体和索引，实现构建与应用的闭环。
WISCA：一种轻量级模型转换方法，通过权重缩放提高LLM训练
机构 * Meituan, Beijing, China（美团，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） ； Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科技大学，香港特别行政区，中国） ； Xiamen University, Xiamen, China（厦门大学，厦门，中国）
AI总结 WISCA通过优化神经网络权重模式提升LLM训练效率和模型质量，实验显示在GQA架构和LoRA微调任务中显著提升收敛质量。
Comments Findings of the Association for Computational Linguistics: ACL 2026
Evian：迈向可解释的视觉指令微调数据审计
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； ByteDance Seed（字节跳动种子）
AI总结 本文提出Evian框架，通过分解评估模型响应的三大认知组件，解决数据审计中逻辑一致性与事实准确性不足的问题，验证高质量小规模数据优于大规模低质量数据。
Comments Accepted at ACL 2026
CHASM：揭示中国社交媒体上的隐蔽广告
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出CHASM数据集，用于评估多模态大语言模型在检测社交媒体隐蔽广告的能力，揭示当前模型在识别隐蔽广告中的不足及改进方向。
Comments NeuIPS 2025 (Datasets and Benchmarks Track)
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