高校专区
RoboMemArena：一个全面且具有挑战性的机器人记忆基准
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Tsinghua University（清华大学） ； Zhejiang University of Technology（浙江工业大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出RoboMemArena，一个包含26个任务的大型基准，通过多模态注释和真实世界评估，改进了现有机器人记忆基准的不足。PrediMem在基准测试中表现优异，为复杂记忆系统提供了新的见解。
Comments Project website: https://robomemarena.github.io
DGPO: 超越成对偏好与方向一致的组级优化
机构 * Information Hub, The Hong Kong University of Science and Technology (Guangzhou), China（香港科学与技术大学（广州）信息中心，中国） ； The Hong Kong University of Science and Technology, Hong Kong SAR（香港科学与技术大学，香港特别行政区）
AI总结 本文提出DGPO框架，通过组级监督信号和多候选比较建模方向一致性，提升偏好优化的准确性和多样性，实验显示在多个数据集上平均提升3.6%。
你需要Masked Generative Transformer来进行图像编辑
机构 * ByteDance（字节跳动） ； National University of Singapore（新加坡国立大学） ； Duke University（杜克大学） ； Shanghai Jiao Tong University（上海交通大学） ； HKUST(GZ)（香港科技大学（广州））
AI总结 本文提出EditMGT框架，利用Masked Generative Transformers实现局部化编辑，通过多层注意力整合和区域保持采样提升编辑精度，使用CrispEdit-2M数据集在多个基准上取得最佳性能。
Comments CVPR 2026 HiGen Workshop; Project Page at https://weichow23.github.io/EditMGT/ GitHub at https://github.com/weichow23/EditMGT
SLIM：稀疏潜在引导用于可解释和属性导向的基于大语言模型的分子编辑
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； The 63rd Research Institute, National University of Defense Technology, Nanjing（国防科技大学第六三研究所，南京）
AI总结 SLIM通过稀疏潜在特征空间提升分子编辑效果，实现属性导向的可解释编辑，实验显示在多个分子属性上提升达42.4个百分点。
TrajPrism：一种多任务基准，用于语言引导的城市轨迹理解
机构 * UNSW Sydney（新南威尔士大学悉尼分校） ； HKUST (GZ)（香港科技大学（广州））
AI总结 TrajPrism通过统一轨迹生成、语义轨迹检索和轨迹描述三个任务，评估语言与轨迹的对齐性，展示几何轨迹基线在语言引导任务中的不足。
Comments This paper is under review
利用物理指导的高斯点云进行滑坡扫描到模拟的无人机辅助方法
机构 * HKUST（香港科技大学）
AI总结 本文提出基于无人机的扫描到模拟框架，通过3DGS实现逼真场景捕获与物理滑坡模拟，提升灾害预警与公众教育效果。
TransmissiveGS：基于残差引导的解耦高斯点散射用于透射场景重建与渲染
机构 * HKUST（香港理工大学）
AI总结 本文提出TransmissiveGS框架，通过双高斯表示和延迟着色函数解耦透射场景的反射与透射，利用多视图不一致性分离反射和透射，并引入高频正则化和新合成数据集提升重建与渲染质量。
量化零阶优化的Compander对齐查询几何
机构 * HKUST-GZ（香港科技大学-广州）
AI总结 本文提出CAQ-ZO方法，通过Compander对齐查询几何解决量化零阶优化中的查询几何问题，证明了网格跨度不匹配并给出站定性界，实验表明其在相同量化器和预算下提升训练效果。
长上下文监督究竟在哪里？有效上下文暴露平衡
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信）
AI总结 本文提出EXACT方法，通过逆频率分配长有效上下文目标，提升长上下文适应性能，在多个任务中取得显著改进。
少即是多：提前的上层注意力专业化损害语言模型预训练
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文发现GPT预训练中上层注意力过早专业化导致性能下降，通过减缓上层Q/K投影可提升效果，揭示解码器架构与优化的交互点。
DeepRefine: 通过强化学习进行代理编译知识的精炼
机构 * HKUST（香港科技大学） ； HKBU（香港大学） ； Microsoft Research Asia Hong Kong（微软亚洲研究院（香港））
AI总结 DeepRefine是一种基于LLM的推理模型，通过用户查询提升预构建知识库的质量，以适应下游任务。该模型通过多轮交互和归纳诊断定位缺陷并进行针对性精炼，采用Gain-Beyond-Draft奖励机制进行强化学习训练。
WorldReasonBench: 视频生成器作为未来世界状态预测器的人类对齐压力测试
机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； University of Waterloo（滑铁卢大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 WorldReasonBench通过结构化地面真实QA注释，测试视频生成器能否在物理、社会、逻辑和信息层面保持一致性。该基准包含436个测试案例和22个子类别，结合人类对齐的两阶段方法评估生成视频的质量。
Comments Project Page: https://unix-ai-lab.github.io/WorldReasonBench/
时间采样频率至关重要：一种容量感知的端到端驾驶轨迹预测研究
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文研究了时间采样频率对端到端驾驶轨迹预测性能的影响，发现较小模型在低或中等频率下表现最佳，而大模型在高频率下表现更优，表明需根据模型和数据集调整采样频率。
EvoStreaming: 你的离线视频模型本质上是一个原生流式助手
机构 * EPIC Lab, Shanghai Jiao Tong University（上海交通大学EPIC实验室） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Fudan University（复旦大学）
AI总结 本文提出EvoStreaming框架，通过自演化方法使离线视频模型适应流式助手任务，仅需1000个自生成样本即可提升RealStreamEval评分，并保持离线性能。
Comments 33 pages, 9 figures
ProteinOPD：迈向蛋白质设计的有效和高效偏好对齐
机构 * Tsinghua University（清华大学） ； International Digital Economy Academy（国际数字经济学院） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出ProteinOPD框架，通过结合On-Policy Distillation方法，有效平衡多目标偏好，提升蛋白质设计效率与稳定性，实验显示在目标偏好上表现优异且训练速度更快。
响应-G1：面向前瞻性流视频理解的显式场景图建模
机构 * Northwestern Polytechnical University（北华大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Harbin Engineering University（哈尔滨工程大学）
AI总结 响应-G1通过显式场景图建模提升前瞻性流视频理解，通过三阶段流程实现视频证据与查询条件的结构化对齐，提高响应时机的可解释性和准确性。
Comments Accepted to ACL 2026
ReCAPA：分层预测性修正以缓解级联故障
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； South China Normal University（华南师范大学）
AI总结 ReCAPA通过分层预测修正和对齐架构，缓解多模态环境中多步骤任务执行中的级联故障问题，引入新的指标量化误差传播与恢复过程，实验表明其在多个代理基准测试中表现优异。
SCORP：具有稳定在线强化学习后训练的场景一致多智能体扩散规划用于协作驾驶
机构 * School of Information Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）信息科学与技术学院） ； Middle East Technology University (METU)（中东技术大学） ； Robotics and Autonomous Systems Thrust, Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统方向） ； School of Computer Science and Technology, Qinghai University（青海大学计算机科学与技术学院）
AI总结 SCORP通过场景条件多智能体去噪架构和两层马尔可夫决策过程提升多智能体协作驾驶的场景一致性和效率，实验表明其在安全性和效率指标上优于现有基线方法。
GUARD：通过自适应角色扮演和 Jailbreak 诊断进行 LLM 的指南合规性测试
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Lapis Labs（Lapis实验室） ； Capital One
AI总结 GUARD 通过自适应角色扮演和 Jailbreak 诊断，将指南转化为具体违规问题，验证 LLM 的合规性，经八种 LLM 测试验证有效性。
Comments 56 pages
等价体积分抓取
机构 * KU Leuven, Dept. Mechanical Engineering, Research unit Robotics, Automation and Mechatronics（库勒芬大学机械工程系，机器人、自动化与机电一体化研究单元） ； KU Leuven, Dept. Electrical Engineering, Research unit Processing Speech and Images（库勒芬大学电气工程系，语音与图像处理研究单元） ； AI Thrust, HKUST(GZ)（人工智能推动部门，香港科技大学（广州））
AI总结 本文提出了一种等价体积分抓取模型，通过垂直轴旋转的等价性提升采样效率。模型采用三平面体积分表示，并引入新的三平面特征设计，使水平平面特征在90度旋转下保持等价性，而其他两个平面的特征和在反射下保持不变。
Comments 21 pages
容量感知推理：减轻混合专家中的滞后效应
机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 本文提出容量感知令牌丢弃和扩展丢弃方法，通过减少专家负载不平衡提升混合专家模型的推理效率和性能。
Comments ICLR 2026
MAGE：多智能体自进化与共进化知识图谱
机构 * University of New South Wales（新南威尔士大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 MAGE通过共进化知识图谱实现多智能体自进化，利用冻结弱骨干模型与任务级搜索带宽及技能级路由带宽协同更新，提升冻结学习者在多个领域任务中的表现。
Comments 25 pages, 3 figures
TrajDLM：基于块扩散语言模型的拓扑感知轨迹生成框架
机构 * University of New South Wales（新南威尔士大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 TrajDLM结合块扩散模型与拓扑感知嵌入，实现高效且真实的轨迹生成，优于现有方法，在速度和细粒度相似性上表现优异，并在跨领域迁移中表现出色。
Forcing-KV：用于高效自回归视频扩散模型的混合KV缓存压缩
机构 * ZJU（浙江大学） ； Video Rebirth（视频重生） ； HKUST（香港科技大学） ； BJTU（北京理工大学）
AI总结 本文提出Forcing-KV方法，通过混合KV缓存压缩技术，提升自回归视频扩散模型的生成速度和内存效率，实现高达2.82倍的速度提升。
Comments 10 pages
通过强化微调克服视觉连续学习中的灾难性遗忘
机构 * The University of Hong Kong（香港大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Hong Kong Generative AI Research and Development Center（香港生成式人工智能研究与开发中心）
AI总结 本文提出RaPO方法，通过轨迹级奖励塑造缓解强化微调在连续学习中的遗忘问题，实验证明其在视觉连续学习中有效减少灾难性遗忘。
几何冲突：解释和控制LLM持续微调中的遗忘
机构 * The Hong Kong Polytechnic University, PolyU（香港理工大学，PolyU） ； The Hong Kong University of Science and Technology, HKUST（香港科学与技术大学，HKUST） ； PolyU-Daya Bay Technology and Innovation Research Institute（PolyU-大亚湾技术与创新研究院）
AI总结 本文研究LLM持续微调中的遗忘现象，通过任务几何分析揭示遗忘驱动因素及控制方法，提出GCWM算法提升模型保留与最终性能。
关于图像到3D模型中有害几何的生成与缓解
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Xidian University（西安电子科技大学） ； Zhejiang University（浙江大学） ； Wuhan University（武汉大学）
AI总结 研究探讨了图像到3D模型生成有害几何的风险及缓解方法，通过系统评估发现当前模型能有效重建有害几何，但现有防护措施存在不足，提出堆叠防御策略以降低有害几何留存率。
穆隆优化器中的无维度鞍点逃离
机构 * xLeaF Lab, The Hong Kong University of Science and Technology (Guangzhou)（xLeaF实验室，香港理工大学（广州））
AI总结 本文分析了穆隆优化器的鞍点逃离动态，证明其通过非线性谱形变机制避免维度诅咒，实现无维度的确定性逃离。
Comments 33 pages, 5 figures. Preprint
MARS-SQL: 一种用于文本到SQL的多智能体强化学习框架
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Hong Kong Polytechnic University（香港理工大学）
AI总结 MARS-SQL通过多智能体框架解决文本到SQL任务中的逻辑与模式对齐问题，采用生成代理与验证机制提升交互学习效果，实现77.84%和89.75%的准确率。
基于频率监督的傅里叶轮廓的桥体缺陷检测与紧凑数字存档
机构 * State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University（测绘遥感信息工程国家重点实验室，武汉大学） ； Sustainability X-Lab, The University of Hong Kong（可持续性X实验室，香港大学） ； Department of Cyber Security, Southeast University（安全与保密系，东南大学） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（香港理工大学电子与计算机工程系）
AI总结 本文提出频率监督傅里叶系列检测方法，用于将桥体缺陷表示为紧凑可恢复的轮廓向量记录，提升工程审查和后续信息流程的效率。
Comments 46 pages,13 figures
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