Closed Loop Dynamic Driving Data Mixture for Real-Synthetic Co-Training
闭环动态驾驶数据混合用于真实-合成协同训练
机构 * Li Auto（力汽车） ； HKUST（香港科技大学） ； HKUST (GZ)（香港科技大学（广州））
AI总结 本文提出了一种闭环动态数据混合方法，通过动态优化过程调整训练数据混合比例，以提升模型性能，解决了在有限预算下优化数据混合的关键问题。
高校专区
The Hong Kong University of Science and Technology（香港科技大学）
Learning Structural Latent Points for Efficient Visual Representations in Robotic Manipulation
为机器人操作中的高效视觉表征学习结构潜在点
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； X-Humanoid Robots（X-Humanoid机器人） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学）
AI总结 本文提出了一种新的预训练框架，通过学习混合表示-结构潜在点，结合隐式表示的表达能力和显式表示的结构先验，以提高机器人操作中的视觉表征效率和鲁棒性。
Journal ref International Conference on Robotics and Automation 2026
RankE: End-to-End Post-Training for Discrete Text-to-Image Generation with Decoder Co-Evolution
RankE: 用于离散文本到图像生成的端到端后训练方法 with Decoder Co-Evolution
机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 本文提出RankE，一种端到端的后训练框架，通过解码器与策略的协同进化，解决离散自回归文本到图像生成中策略优化导致的潜在协变量偏移问题，同时提升图像质量和对齐度。
UniT: Unified Geometry Learning with Group Autoregressive Transformer
UniT: 基于群自回归变换器的统一几何学习
机构 * Intelligent Transportation Thrust of the Systems Hub, The Hong Kong University of Science and Technology (GZ), Guangzhou, P.R.China（香港理工大学（广州）系统中心智能交通研究组，中国广东省广州市） ； The National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Xi’an Jiaotong University, Xi’an, P.R.China（人机混合增强智能国家级重点实验室，西安交通大学，中国陕西省西安市） ； Applied Science, Amazon.com, Inc., USA（亚马逊公司应用科学部，美国）
AI总结 本文提出UniT模型，通过群自回归变换器统一了几何感知中的多种能力，包括在线感知、离线重建、多模态融合、长视界扩展和度量尺度估计，并引入了适应性几何损失以提升跨场景的度量尺度泛化能力。
Comments Submitted to IEEE T-PAMI
ROAR-3D: Routing Arbitrary Views for High-Fidelity 3D Generation
ROAR-3D: 为高保真3D生成实现任意视角路由
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Tencent Hunyuan（腾讯文生）
AI总结 本文提出ROAR-3D方法，通过改进预训练单视角模型以支持任意数量的未置位图像，利用视图路由和双流注意力设计实现高效的多视角3D生成，显著提升生成质量并支持测试时视角扩展。
Learning to Think in Physics: Breaking Shortcut Learning in Scientific Diffusion via Representation Alignment
学习物理中的推理：通过表征对齐打破科学扩散中的捷径学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Shandong University（山东大学） ； LimX Dynamics Technology Co., Ltd.（LimX动态技术有限公司） ； Xidian University（西安电子科技大学） ； Peking University（北京大学） ； Institute of Deep Perception Technology, Jiangsu Industrial Technology Research Institute (JITRI)（感知技术研究院，江苏工业技术研究院（JITRI）） ； Griffith University（格里菲斯大学）
AI总结 该研究提出了一种无需教师的框架REPA-P，通过使用原理残差对中间特征与物理状态进行对齐，以解决物理信息扩散模型中中间表示在边界条件变化时容易产生捷径学习的问题，从而在四个PDE任务中提高了收敛速度、减少了物理残差并增强了分布外鲁棒性。
Unlocking Dense Metric Depth Estimation in VLMs
解锁VLMs中的密集度量深度估计
机构 * Zhejiang University（浙江大学） ； Tencent Hunyuan LLM（腾讯混元大模型） ； HKUST（香港科技大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 本文提出DepthVLM，一种将单个VLM转换为原生密集几何预测器的简单有效框架，同时保持其多模态能力。通过在LLM主干上附加轻量级深度头，并在统一的视觉-文本监督范式下进行训练，DepthVLM能够在单次前向传递中生成高分辨率深度图和语言输出。此外，还引入了一个统一的室内-室外度量深度基准，实验表明DepthVLM在推理效率、复杂3D空间推理等方面均优于现有VLMs和纯视觉模型。
Comments Project Page: https://depthvlm.github.io/
Before the Body Moves: Learning Anticipatory Joint Intent for Language-Conditioned Humanoid Control
在身体移动之前：为语言条件的人形控制学习预见性关节意图
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； LimX Dynamics Technology Co., Ltd.（LimX动态技术有限公司） ； Shandong University（山东大学） ； Data61/CSIRO ； Griffith University（格里菲斯大学） ； Institute of Deep Perception Technology, Jiangsu Industrial Technology Research Institute (JITRI)（深度感知技术研究院，江苏省工业技术研究院（JITRI））
AI总结 该研究提出DAJI框架，通过学习语言生成与闭环控制之间的预见性关节意图接口，解决语言条件人形机器人中预见未来物理转换的需求，实现了在HumanML3D风格生成和BABEL任务中的高性能表现。
Spiking Personalized Federated Learning for Brain-Computer Interface-Enabled Immersive Communication
基于脑机接口的沉浸式通信的脉冲个性化联邦学习
机构 * School of Electrical and Data Engineering, University of Technology Sydney（悉尼技术大学电气与数据工程学院） ； Thrust of Internet of Things, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）物联网研究所）
AI总结 本文提出了一种利用脑机接口获取脑信号以推断用户中心状态（如意图和感知相关不适）的沉浸式通信框架，通过个性化联邦学习模型处理脑信号，以适应神经多样性数据并防止敏感脑信号信息泄露，同时通过嵌入脉冲神经网络降低能耗，实验表明在真实脑信号数据集上识别准确率最高且能耗降低6.46倍。
Comments 6 pages, 3 figures
Journal ref INFOCOM Workshop, 2026
Affordance-R1: Reinforcement Learning for Generalizable Affordance Reasoning in Multimodal Large Language Model
Affordance-R1: 为多模态大语言模型中的通用化 affordance 推理设计的强化学习
机构 * The Hong Kong University of Science and Technology (GZ)（香港科技大学（广州）） ； National University of Singapore（新加坡国立大学） ； ShanghaiTech University（上海科技大学） ； East China Normal University（华东师范大学） ； Nanjing University of Information Science & Technology（南京信息工程大学） ； Zhejiang University（浙江大学） ； Institute of Automation, Chinese Academy of Science（中国科学院自动化研究所） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出 Affordance-R1，一种结合认知 CoT 引导的 Group Relative Policy Optimization (GRPO) 的统一 affordance 地标框架，通过强化学习实现零样本泛化和测试时推理能力。
On the Suboptimality of GP-UCB under Polynomial Effective Optimism
关于多项式有效乐观性下GP-UCB的次优性质
机构 * Department of Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理系） ； Department of Industrial Engineering and Decision Analytics, The Hong Kong University of Science and Technology（香港科学与技术大学工业工程与决策分析系）
AI总结 本文研究了GP-UCB在多项式有效乐观性下的次优性质，通过定义有效乐观性水平（核岭回归中的探索系数与正则化参数的乘积），在统一置信假设下证明了GP-UCB在Matérn核下的新后悔下界，表明有效乐观性水平的多项式增长排除了最小最大最优后悔率，揭示了标准GP-UCB证明最小最大最优性的障碍。
GrandGuard: Taxonomy, Benchmark, and Safeguards for Elderly-Chatbot Interaction Safety
GrandGuard：面向老年人与聊天机器人交互安全的分类、基准及防护措施
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出GrandGuard框架，用于评估和缓解LLM交互中的老年人特定风险，通过建立包含50种细粒度风险类型的三级分类体系，构建了10,404个标注提示和响应的基准，展示了主流LLM在处理老年人特定情境风险时的不足，并通过两种防护措施实现了高达96.2%和90.9%的不安全提示检测准确率。
