高校专区
FlexDraft: 通过注意力调节和奖励引导校准实现灵活的推测解码
机构 * EPIC Lab, SJTU（上海交通大学EPIC实验室） ； UESTC ； School of Software Engineering, HUST（华中科技大学软件工程学院） ； Tsinghua University（清华大学） ； HKUST(GZ)（香港科技大学（广州）） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出FlexDraft框架，通过注意力调节和奖励引导校准，灵活适应不同批处理大小，解决传统并行推测解码在大批次时的吞吐量下降问题。
从稀疏航拍视图进行前馈高斯点扩散
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Peking University（北京大学） ； The Ohio State University（俄亥俄州立大学）
AI总结 本文提出AnyCity框架，通过观察驱动的生成重建方法，解决稀疏航拍视图中大规模城市场景重建中的证据不平衡问题，通过几何潜在表示和条件化空中完成标记预测，实现高质量的3D高斯点场重建。
Tango3D: 向全局和局部2D-3D对应关系对齐迈进
机构 * HKUST（香港科技大学） ； Tencent Hunyuan（腾讯混元）
AI总结 本文提出Tango3D，一种统一密集对应和全局检索的3D基础模型，通过几何感知的2D视觉骨干网络和预训练的3D VAE将图像编码为2D片段，点云编码为3D标记，并映射到共享空间以实现局部像素-点对齐和全局语义对齐。
通过块近似稀疏注意力实现扩散语言模型的高效长上下文建模
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出了一种块近似稀疏注意力框架（BA-Att），通过块级预下采样操作识别信息区域，避免依赖脆弱的位置先验，从而在保持高性能的同时提升计算效率，实验表明其在注意力计算上比FlashAttention快6.95倍，并在50%稀疏度下保持接近全注意力性能。
Comments CVPR 2026 Findings paper
ContextFlow：长周期具身智能体的分层任务-状态对齐
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Qiuzhen College, Tsinghua University（清华大学启祯学院） ； Beijing Institute of Mathematical Sciences and Applications（北京数学科学研究院） ； Department of Data Science and Analytics Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）数据科学与分析部门） ； Institute of Microelectronics, Chinese Academy of Sciences（中国科学院微电子研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文研究了长周期具身智能体中任务-状态不一致问题，提出ContextFlow框架通过显式合同表示阶段、运行时观测转为证据包以及应用作用域更新来实现任务前沿对齐，提高任务执行的连贯性和可审计性。
MMGS: 通过多视图排序基于最优传输的10倍压缩3DGS
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 本文提出了一种基于最优传输聚合的多视图排序方法，通过全局几何分布匹配问题优化高斯参数，实现3DGS的10倍压缩和10倍加速训练速度，同时保持高质量渲染效果。
Comments 19 pages
潜在动作重参数化用于高效智能体推断
机构 * Université de Montréal（蒙特利尔大学） ； The University of Sydney（悉尼大学） ； Fudan University（复旦大学） ； Yale University（耶鲁大学） ； DeepWisdom ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon Science（亚马逊科学） ； Stanford University（斯坦福大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Mila - Quebec AI Institute（蒙特利尔人工智能研究所）
AI总结 本文提出Latent Action Reparameterization (LAR)框架，通过学习紧凑的潜在动作空间来提升大语言模型智能体的推断效率，减少有效动作 horizon 并保持原始动作空间的表达性。
DiagEval: 用于通过GUI代理进行可靠软件评估的轨迹条件诊断
机构 * DeepWisdom（深智科技） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 该研究提出DiagEval，一种基于轨迹的诊断评估协议，用于在GUI代理评估交互式软件后失败时进行诊断。通过重用失败轨迹选择针对性的诊断探针，并将结果聚合为内部归因信号，从而提高准确性，优于基于重试的基线方法。
TwinRL: 基于数字孪生的强化学习用于真实世界机器人操作
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息处理国家重点实验室，计算机学院，北京大学） ； Simplexity Robotics（Simplexity机器人） ； Tsinghua University（清华大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出TwinRL框架，通过数字孪生与真实世界协同训练，提升视觉-语言-动作模型在真实世界中的探索效率和收敛速度，实现高成功率和快速收敛。
MaxShapley：迈向具有公平上下文归因的激励兼容生成搜索
机构 * Carnegie Mellon University（卡内基梅隆大学） ； HKUST（香港科技大学）
AI总结 本文提出MaxShapley算法，用于在生成搜索流程中公平地归因和补偿内容提供者，该算法基于Shapley值的特例，通过可分解的max-sum效用函数在多项式时间内计算归因，相比Shapley值的指数成本具有更高的效率。
ERIS: 一种面向分布外时间序列分类的能量引导特征解耦框架
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出ERIS框架，通过能量引导机制和语义指导，解决时间序列分类中分布外数据的可靠特征解耦问题，提升模型鲁棒性和泛化能力。
Journal ref Information Fusion 135, 104407 (2026)
PEPL: 精度增强的伪标签法用于半监督学习中的细粒度图像分类
机构 * HKUST(GZ)（香港科技大学（广州）） ； Institute of Deep Perception Technology, JITRI（感知技术研究所，JITRI） ； University of Liverpool（利物浦大学） ； Nanchang University（南昌大学） ； DI^2 Lab（DI²实验室）
AI总结 本文提出PEPL方法，通过生成高质量的伪标签来解决细粒度图像分类中标注数据稀缺的问题，利用CAMs进行语义混合伪标签生成，提升分类精度和鲁棒性。
Comments Accepted by ICASSP 2025
VCR：学习不完整可穿戴信号的有效上下文表示
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 本文提出VCR框架，通过学习鲁棒于模态缺失的表示，解决可穿戴信号不完整问题，提升在多种健康监测任务中的性能和鲁棒性。
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