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

Delta Score Matters! Spatial Adaptive Multi Guidance in Diffusion Models

Delta Score Matters! 空间自适应多引导在扩散模型中

Haosen Li, Wenshuo Chen, Lei Wang, Shaofeng Liang, Bowen Tian, Soning Lai, Yutao Yue

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Griffith University & Data61/CSIRO（格里菲斯大学及Data61/CSIRO） 纠错

AI总结 本文提出空间自适应多引导方法，通过几何分析解决扩散模型中细节与伪影的矛盾，提升语义对齐和结构完整性。

Robust Alignment: Harmonizing Clean Accuracy and Adversarial Robustness in Adversarial Training

鲁棒对齐：在对抗训练中协调干净准确率与对抗鲁棒性

Yanyun Wang, Qingqing Ye, Li Liu, Zi Liang, Haibo Hu

机构 * HK PolyU（香港 polyu） ； HKUST (GZ)（香港科技大学（广州）） 纠错

AI总结 本文提出鲁棒对齐作为对抗训练的新目标，通过减少边界样本扰动强度和域内插一致性对抗正则化，有效协调模型的准确率与鲁棒性，实验验证其在多个数据集上的优越性。

Comments 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition - Findings Track (CVPR'26 Findings)

Bridging Discrete Planning and Continuous Execution for Redundant Robot

弥合离散规划与连续执行以实现冗余机器人的路径规划

Teng Yan, Yue Yu, Yihan Liu, Bingzhuo Zhong

机构 * Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（人工智能研究所，香港科技大学（广州）） 纠错

AI总结 本文提出一种框架，通过规范化步骤的26邻域笛卡尔动作和几何优先机制，减少不必要的转向，消除步长振荡，并通过任务优先的阻尼最小二乘法逆运动学层，提升冗余机械臂的连续执行质量。

Comments 8 pages, 3 figures. Submitted to IFAC World Congress 2026

From Intent to Evidence: A Categorical Approach for Structural Evaluation of Deep Research Agents

从意图到证据：一种基于范畴论的深度研究代理结构评估方法

Shuoling Liu, Zhiquan Tan, Kun Yi, Hui Wu, Yihan Li, Jiangpeng Yan, Liyuan Chen, Kai Chen, Qiang Yang

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； E Fund Management Co., Ltd.（E基金管理有限公司） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 本文提出一种基于范畴论的框架，用于评估和改进深度研究代理，通过结构化映射从用户意图到证据结论，提出296个双语问题基准，评估16个前沿系统，发现结构任务仍具挑战性，且提供实际系统改进方法。

Bridging Visual and Wireless Sensing via a Unified Radiation Field for 3D Radio Map Construction

通过统一的辐射场桥接视觉与无线传感以实现3D无线电地图构建

Chaozheng Wen, Jingwen Tong, Zehong Lin, Chenghong Bian, Jun Zhang

机构 * Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

AI总结 本文提出URF-GS框架，结合3D高斯散射和反渲染技术，融合多模态数据以提升3D无线电地图的空间频谱精度和样本效率。

Comments The code for this work will be publicly available at: https://github.com/wenchaozheng/URF-GS

Glance-or-Gaze: Incentivizing LMMs to Adaptively Focus Search via Reinforcement Learning

glance-or-gaze: 通过强化学习激励大 multimodal 模型适应性聚焦搜索

Hongbo Bai, Yujin Zhou, Yile Wu, Chi-Min Chan, Pengcheng Wen, Kunhao Pan, Sirui Han, Yike Guo

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

AI总结 本文提出 glanco-or-gaze 框架，通过强化学习使大 multimodal 模型主动规划视觉搜索，通过选择性注视和复杂度自适应强化学习提升复杂视觉查询性能。

Journal ref ACL 2026 Findings

Adaptive Scaling of Policy Constraints for Offline Reinforcement Learning

在线强化学习中策略约束的自适应缩放

Tan Jing, Xiaorui Li, Chao Yao, Xiaojuan Ban, Yuetong Fang, Renjing Xu, Zhaolin Yuan

机构 * University of Science and Technology Beijing（北京科技大学） ； 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ASPC框架，通过动态平衡强化学习与行为克隆，解决在线强化学习中策略约束规模差异带来的超参数调优问题，实验表明其在多个数据集上表现优异且计算开销低。

A Survey on the Safety and Security Threats of Computer-Using Agents: JARVIS or Ultron?

对计算机使用代理的安全性和安全威胁的综述：贾维斯或乌tron？

Ada Chen, Yongjiang Wu, Junyuan Zhang, Jingyu Xiao, Shu Yang, Jen-tse Huang, Kun Wang, Wenxuan Wang, Shuai Wang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； The Chinese University of Hong Kong（香港中文大学） ； KAUST（卡塔尔科技大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Nanyang Technological University（南洋理工大学） ； Renmin University of China（中国人民大学） ； The Hong Kong University of Science and Technology（香港科学大学） 纠错

AI总结 本文综述了计算机使用代理的安全威胁，定义了安全分析适用的代理类型，分类了当前的安全威胁，提出了防御策略的分类，并总结了评估代理安全性和性能的基准、数据集和评估指标。

Comments Accepted by ACL 2026