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

Relit-LiVE: Relight Video by Jointly Learning Environment Video

Relit-LiVE: 通过联合学习环境视频实现视频照明

Weiqing Xiao, Hong Li, Xiuyu Yang, Houyuan Chen, Wenyi Li, Tianqi Liu, Shaocong Xu, Chongjie Ye, Hao Zhao, Beibei Wang

机构 * Nanjing University（南京大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Huazhong University of Science and Technology（华中科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

AI总结 Relit-LiVE通过引入原始参考图像和环境视频预测方法，实现了无需相机姿态先验知识的物理一致视频照明，提升了真实场景下的照明效果和时间稳定性。

Comments Accepted at SIGGRAPH 2026. Project site: https://github.com/zhuxing0/Relit-LiVE

MedHorizon: Towards Long-context Medical Video Understanding in the Wild

MedHorizon：迈向真实场景下的长上下文医学视频理解

Bodong Du, Bowen Liu, Yang Yu, Xinpeng Ding, Zhiheng Wu, Shuning Wang, Shuo Nie, Naiming Liu, Qifeng Chen, Yangqiu Song, Xiaomeng Li

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Baidu Inc.（百度公司） ； Xidian University（西安电子科技大学） 纠错

AI总结 MedHorizon提出一个真实场景下的长上下文医学视频理解基准，通过稀疏证据和多跳临床推理评估，揭示当前系统在完整流程理解上的不足。

STALE: Can LLM Agents Know When Their Memories Are No Longer Valid?

STALE：LLM代理能否知道其记忆已不再有效？

Hanxiang Chao, Yihan Bai, Rui Sheng, Tianle Li, Yushi Sun

机构 * Wuhan University（武汉大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

AI总结 STALE基准测试评估LLM代理在新证据出现时修订存储信念的能力，揭示了现有模型在处理隐含冲突和更新状态时的不足，提出三种探查框架并提出CUPMem原型以改进状态感知记忆。

Efficient Serving for Dynamic Agent Workflows with Prediction-based KV-Cache Management

基于预测的动态代理工作流高效服务系统

Haoyu Zheng, Fangcheng Fu, Jia Wu, Binhang Yuan, Yongqiang Zhang, Hao Wang, Yuanyuan Zhu, Xiao Yan, Jiawei Jiang

机构 * Wuhan University（武汉大学） ； Dameng Database（达梦数据库） ； Shanghai Jiao Tong University（上海交通大学） ； Macquarie University（麦考瑞大学） ； HKUST（香港科技大学） 纠错

AI总结 本文提出PBKV系统，通过预测未来代理调用并管理KV缓存，提升动态工作流的效率，实验显示在动态工作流中比LRU快1.85倍，在静态工作流中比KVFlow快1.26倍。

Perceive, Route and Modulate: Dynamic Pattern Recalibration for Time Series Forecasting

感知、路由与调制：时间序列预测中的动态模式再校准

Siru Zhong, Zhao Meng, Haohuan Fu, Haoyang Li, Qingsong Wen, Yuxuan Liang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； Squirrel Ai Learning 纠错

AI总结 本文提出动态模式再校准（DPR），通过轻量级'感知-路由-调制'流程，实现时间序列预测中动态模式的自适应调整，提升模型对局部动态变化的响应能力。

Comments 22 pages, 6 figures. Preprint

Learning Discrete Autoregressive Priors with Wasserstein Gradient Flow

通过Wasserstein梯度流学习离散自回归先验

Bowen Zheng, Yihong Luo, Tianyang Hu

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Hong Kong University of Science and Technology（香港理工大学） 纠错

AI总结 本文提出wAR-Tok tokenizer，通过Wasserstein梯度流优化分布级先验匹配信号，提升自回归生成质量。

RealCam: Real-Time Novel-View Video Generation with Interactive Camera Control

RealCam: 通过交互式相机控制实现实时新视角视频生成

Youcan Xu, Jiaxin Shi, Zhen Wang, Wensong Song, Feifei Shao, Chen Liang, Jun Xiao, Long Chen

机构 * Zhejiang University（浙江大学） ； Xmax.AI Ltd.（Xmax.AI有限公司） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 RealCam提出一种自回归框架，实现交互式实时相机控制的视频到视频生成，通过交叉帧上下文学习和循环闭合数据增强提升生成质量与效率。

Problem Reductions at Scale: Agentic Integration of Computationally Hard Problems

大规模问题规约：代理集成计算难题

Xi-Wei Pan, Shi-Wen An, Jin-Guo Liu

机构 * HKUST (GZ)（香港科技大学（广州）） ； Institute of Science Tokyo（东京科学研究所） ； RIKEN AIP（理化学研究所AIP） 纠错

AI总结 本文提出通过代理工程实现大规模问题规约库，利用无代码贡献路线、多层验证栈和自动化流程，快速构建包含100多种问题类型和200多种规约规则的工具，实现问题与求解器的高效连接。

Comments The source code is available at https://github.com/CodingThrust/problem-reductions

DOGMA: Weaving Structural Information into Data-centric Single-cell Transcriptomics Analysis

DOGMA: 将结构信息编织进数据导向的单细胞转录组学分析

Ru Zhang, Xunkai Li, Yaxin Deng, Sicheng Liu, Daohan Su, Qiangqiang Dai, Hongchao Qin, Rong-Hua Li, Guoren Wang, Jia Li

机构 * Department of Computer Science, Beijing Institute of Technology（北京理工大学计算机科学系） ； The Hong Kong University of Science and Technology (GZ)（香港科学与技术大学（广州）） 纠错

AI总结 DOGMA通过多级生物先验知识对原始数据进行结构重塑和语义增强，结合统计对齐和细胞本体学，提升细胞图谱的生物基础性和跨物种对齐能力。

Comments 34 pages, 4 figures

Generative AI Meets 6G and Beyond: Diffusion Models for Semantic Communications

生成AI遇见6G与未来：扩散模型在语义通信中的应用

Hai-Long Qin, Jincheng Dai, Guo Lu, Shuo Shao, Sixian Wang, Tongda Xu, Wenjun Zhang, Ping Zhang, Khaled B. Letaief

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Tsinghua University（清华大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文探讨生成AI与6G通信的结合，介绍扩散模型在语义通信中的应用，分析其在可控生成、高效推理和跨域适应中的核心方法及贡献。

Comments Accepted by IEEE COMST, GitHub repository: https://github.com/qin-jingyun/Awesome-DiffComm, project page: https://qin-jingyun.github.io/Awesome-DiffComm

Memory as Action: Autonomous Context Curation for Long-Horizon Agentic Tasks

记忆作为行动：面向长周期智能任务的自主上下文编纂

Yuxiang Zhang, Jiangming Shu, Ye Ma, Xueyuan Lin, Shangxi Wu, Jitao Sang

机构 * School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院） ； Hithink Research（慧思科技） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Peng Cheng Lab（鹏城实验室） 纠错

AI总结 本文提出MemAct框架，将工作记忆管理作为可学习的策略动作，通过端到端强化学习优化信息保留与任务表现，实验显示其在保持准确性的同时显著减少上下文长度。

Align3D-AD: Cross-Modal Feature Alignment and Dual-Prompt Learning for Zero-shot 3D Anomaly Detection

Align3D-AD：跨模态特征对齐与双提示学习用于零样本3D异常检测

Letian Bai, Xuanming Cao, Juan Du, Chengyu Tao

机构 * Smart Manufacturing Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）智能制造方向） ； The Hong Kong University of Science and Technology（香港科技大学） ； College of Mechanical and Vehicle Engineering, Hunan University（湖南大学机械与车辆工程学院） 纠错

AI总结 本文提出Align3D-AD框架，通过跨模态特征对齐和双提示学习解决零样本3D异常检测中的领域差距问题，实验表明其在多个数据集上均优于现有方法。

MDN: Parallelizing Stepwise Momentum for Delta Linear Attention

MDN：并行化步进动量用于Delta线性注意力

Yulong Huang, Xiang Liu, Hongxiang Huang, Xiaopeng Lin, Zunchang Liu, Xiaowen Chu, Zeke Xie, Bojun Cheng

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

AI总结 本文提出MDN模型，通过几何重排更新系数开发了分块并行算法，利用动量规则提升线性注意力的训练效率与效果，实验表明其在多个基准测试中优于基线模型。

On the Role of Language Representations in Auto-Bidding: Findings and Implications

语言表示在自动出价中的作用：发现与启示

Guanyu Zhu, Jining Luan, Hanwen Du, Xinyu Fang, Sibo Xu, Ersheng Ni, Hongji Li, Jincheng Fang, Ronghao Chen, Huacan Wang, Xuanqi Lan, Yongxin Ni, Yiqi Sun, Youhua Li

机构 * City University of Hong Kong（香港城市大学） ； South China Agricultural University（华南农业大学） ； University of Electronic Science and Technology of China（电子科技大学） ； The Ohio State University, Columbus（俄亥俄州立大学） ； Hefei University of Technology（合肥工业大学） ； School of Economics and Management, Wuhan University（武汉大学经济管理学院） ； Faculty of Engineering, The University of Queensland（昆士兰大学工程学院） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； The Hong Kong University of Science and Technology（香港科学大学） ； Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Santa Clara University（圣克拉拉大学） ； Boston University（波士顿大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文研究语言表示在自动出价中的作用，提出SemBid框架，通过整合语义与数值信息提升出价可控性和泛化能力，实验表明其在多种场景下优于现有方法。

Comments 19 page

Stego Battlefield: Evaluating Image Steganography Attacks and Steganalysis Defenses

隐写战场：评估图像隐写术攻击与隐写分析防御

Zhen Sun, Zongmin Zhang, Leyi Sheng, Yule Liu, Yifan Liao, Ke Li, Xinhu Zheng, Jiaheng Wei, Wenyuan Yang, Xinlei He

机构 * Wuhan University（武汉大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Sun Yat-sen University（中山大学） 纠错

AI总结 本文提出SADBench基准，系统评估隐写攻击能力和隐写分析防御能力，揭示攻击稳定性、检测成本及转移性差异，揭示现实威胁在社交媒体中持续存在。

Comments 23 pages

MesonGS++: Post-training Compression of 3D Gaussian Splatting with Hyperparameter Searching

MesonGS++: 3D高斯散射的后训练压缩与超参数搜索

Shuzhao Xie, Junchen Ge, Weixiang Zhang, Jiahang Liu, Chen Tang, Yunpeng Bai, Shijia Ge, Jingyan Jiang, Yuzhi Huang, Fengnian Yang, Cong Zhang, Xiaoyi Fan, Zhi Wang

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shenzhen Technology University（深圳技术大学） ； Xiamen University（厦门大学） ； Simon Fraser University（西蒙弗雷泽大学） ； Jiangxing Intelligence Inc.（江兴智能有限公司） 纠错

AI总结 MesonGS++提出了一种基于超参数搜索的3D高斯散射后训练压缩方法，通过联合重要性剪枝、八叉树几何编码等技术，实现34倍压缩并保持渲染质量，优于现有方法并精准满足目标存储预算。

Comments https://github.com/mmlab-sigs/mesongs_plus

LC4-DViT: Land-cover Creation for Land-cover Classification with Deformable Vision Transformer

LC4-DViT：基于变形视觉Transformer的土地覆盖创建用于土地覆盖分类

Kai Wang, Siyi Chen, Weicong Pang, Chenchen Zhang, Renjun Gao, Ziru Chen, Cheng Li, Dasa Gu, Rui Huang, Alexis Kai Hon Lau

机构 * HKUST（香港科技大学） ； SSE, The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）电子工程系） ； JHU（约翰·霍普金斯大学） ； NUS（新加坡国立大学） ； MUST（慕斯大学） 纠错

AI总结 本文提出LC4-DViT框架，结合生成数据创建与变形感知视觉Transformer，提升高分辨率土地覆盖制图精度，优于基线模型和传统网络。

Comments This work has been submitted to the IEEE for possible publication.The project is available at https://github.com/weicongpang/LVC2-DViT.git

SpatialBench: Benchmarking Multimodal Large Language Models for Spatial Cognition

SpatialBench: 多模态大语言模型空间认知的基准测试

Peiran Xu, Sudong Wang, Yao Zhu, Jianing Li, Gege Qi, Yunjian Zhang

机构 * Sun Yat-Sen University（中山大学） ； HKUST (GZ)（香港科技大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； CAICT（中国科学院电子技术研究所） ； UCAS（中国科学技术大学） ； CUC（中国科学技术大学） 纠错

AI总结 本文提出SpatialBench基准，通过五级空间认知框架评估多模态大语言模型的空间能力，揭示模型在感知与符号推理间的性能差异。