高校专区
从刚性到动态：面向长上下文LLM的熵引导自适应推理
机构 * Department of Computing, PolyU（香港理工大学计算学系） ； DSA, HKUST(GZ)（香港科技大学（广州）数据科学与分析学域） ； CSE, HKUST（香港科技大学计算机科学与工程学系）
AI总结 提出EntropyInfer框架，利用注意力熵在预填充阶段自适应分配计算资源，并在解码阶段通过生成令牌压缩KV缓存，实现长上下文LLM的高效推理。
逃离在线策略蒸馏中的KL一致陷阱
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学）
AI总结 针对在线策略蒸馏中学生陷入低KL一致陷阱导致训练信号弱的问题，提出KAT动态终止规则，过滤弱监督，在数学基准上提升avg@k 2.66%和pass@k 3.43%，同时减少59.73%的rollout长度。
Comments 13 pages, 8 figures
打破分词器壁垒：跨模型系列的在线策略蒸馏
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tencent（腾讯） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出跨分词器在线策略蒸馏方法，通过精确的token映射算法使教师模型概率分布信号能跨不同分词器传播，显著提升计算效率。
从粗到细：管理时空数据中的时间粒度以实现细粒度交通预测
机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与技术学院） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Guangzhou University（广州大学）
AI总结 针对粗粒度采样数据难以支持细粒度预测的问题，提出时空细化预测器（STRP），通过树卷积和逆膨胀卷积实现高效时空建模，在六个数据集上显著优于现有方法。
VAIC: 基于解耦命令的视觉引导人形机器人敏捷物体交互控制
机构 * Tsinghua University（清华大学） ； HKUST(Guangzhou)（香港科技大学（广州）） ； Xiaomi Robotics Lab（小米机器人实验室）
AI总结 提出VAIC框架，通过解耦命令和两阶段蒸馏范式，仅依靠机载深度、历史本体感知实现人形机器人的敏捷物体交互，在箱体搬运、推车、滑板等动态任务中超越基线。
Comments Webpage: https://vaic-humanoid.github.io/
MotionWAM：迈向实时人形机器人全身操作的基础世界动作模型
机构 * Mondo Robotics ； HKUST (GZ)（香港科技大学（广州）） ； HKUST（香港科技大学）
AI总结 提出MotionWAM，一种实时世界动作模型，通过统一运动潜变量和全身动作令牌，实现单目相机驱动的自主人形机器人全身操作，在真实任务上成功率比VLA基线高30%以上。
看得更多，思考更深：面向长视频理解的查询扩展视觉证据与答案线索引导反思
机构 * Baidu Inc.（百度公司） ； Harbin Institute of Technology（哈尔滨工业大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出CoVER框架，通过动态收集查询扩展视觉证据和答案特定视觉反馈验证草稿答案，实现从答案中心生成到证据中心和视觉可验证推理的转变，在长视频理解任务上超越同规模模型及部分闭源模型。
RTL-BenchLS：面向大语言模型的RTL推理与生成的大规模基准
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出大规模基准RTL-BenchLS，包含超1万个形式验证的Verilog设计，并引入三项自监督推理任务，解决现有基准规模小、任务单一的问题，评估显示当前最佳模型性能较低。
从法规到控制流：基于跨度义务树的可废止范围解析
机构 * 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）
AI总结 提出NormBench基准和跨度义务树（SG-DT）中间表示，用于诊断和缓解规则遵循模型中的静默范围遗漏（SSO）问题，揭示递归衰减和可审计性陷阱两种病理，并通过约束输出改善树结构保真度。
MaskAlign: 面向高效扩散训练的令牌子集表示对齐
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Kuaishou Technology（快手科技） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 针对扩散模型与预训练视觉模型表示对齐中令牌级信息不匹配问题，提出MaskAlign方法，通过随机采样令牌子集进行对齐，并引入预掩码令牌混合块减少信息损失，提升训练效率和生成质量。
Dream-Tac: 用于接触丰富机器人操作任务的统一触觉世界动作模型
机构 * Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Nanjing University（南京大学） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机学院多媒体信息处理国家重点实验室）
AI总结 提出Dream-Tac统一触觉世界动作模型，通过接触门控视觉-触觉融合和接触感知注意力偏置，联合建模动作、未来视觉观察和触觉动态，在六项接触丰富操作任务中平均动作准确率提升31.7%。
Comments 16 pages,13 figures
ConMem: 无训练多智能体系统中的结构化记忆引导自适应
机构 * Central South University（中南大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出ConMem框架，通过结构化记忆卡片和关系感知记忆图实现多智能体系统的高效自适应，无需额外训练，在多个基准上提升性能并降低推理开销。
LUNA-AD: 面向自动驾驶的轻量级不确定性感知语言模型与终身学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出LUNA-AD，一种结合三系统架构、多智能体分析、双头轻量模型和反思驱动终身学习的轻量级不确定性感知语言模型，在nuPlan上实现高成功率与低推理延迟。
Comments 16 pages,9 figures
GraspFoM：基于3D基础先验的重建驱动机器人抓取
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出GraspFoM框架，利用3D基础先验（SAM3D）构建共享3D物体潜变量，联合优化重建与抓取姿态预测，通过锚点初始化的截断姿态推理扩散器生成连续多模态抓取，实现高保真重建与最优抓取。
面向6G赋能信息物理系统的AI原生闭环安全：从边缘检测到全网缓解
机构 * Division of Science, Engineering, and Health Studies, School of Professional Education and Executive Development, The Hong Kong Polytechnic University（香港理工大学科学、工程与健康研究学院，专业教育与 executive 发展学院） ； School of Computing and Communications, Lancaster University（兰卡斯特大学计算机与通讯学院） ； Department of Computer Science, The Hang Seng University of Hong Kong（香港恒生大学计算机科学系） ； School of Computer Science and Electronic Engineering, University of Essex（埃塞克斯大学计算机科学与电子工程学院） ； School of Information and Communication Engineering, Xi’an Jiaotong University（西安交通大学信息与通信工程学院） ； Department of Applied Data Science, Hong Kong Shue Yan University（香港-Shue Yan大学应用数据科学系） ； Department of Electronic and Computer Engineering, 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 本文提出一种AI原生闭环安全架构，在6G CPS中利用MEC进行边缘检测，通过SDN/NFV/O-RAN实现全网缓解，并形式化定义了切片级延迟约束，系统综述了128篇研究并归纳了五个开放问题。
Comments 30 pages, 12 figures, survey paper, submitted to IEEE Communications Surveys & Tutorials (IEEE COMST)
跨释义不变性学习用于幻觉检测
机构 * Fuzhou University（福州大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出CPIL框架，通过构建正负样本对进行两阶段对比学习，仅用1%标注数据即在11个任务上超越基线，高效检测LLM幻觉。
Comments Accepted to ICASSP 2026
三思而后行：基于意图引导推理的LLM位置预测
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 提出IntentPOI框架，通过两阶段意图引导推理（先推断用户出行意图，再基于意图选择POI），将位置预测从直接轨迹匹配转化为意图推理，在三个真实数据集上超越11个基线。
HARP：高效数据选择用于微调大型语言模型
机构 * Cornell University（康奈尔大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出层次主动区域剪枝（HARP），一种高效的基于训练的数据选择方法，通过层次结构和经验贝叶斯推断降低选择成本，同时保持下游对齐，在多个基准上优于最强基线最多8.9分，且训练样本减少约7倍。
Struct-Searcher：代理式结构化思维推进多模态深度信息检索
机构 * CUHK（香港中文大学） ； LIGHTSPEED ； PKU（北京大学） ； Tongji University（同济大学） ； THU（清华大学） ； HKUST（香港科技大学）
AI总结 提出基于信念修正理论的结构化代理工作流Struct-Searcher，通过维护多模态结构图实现冲突感知的深度信息检索，在多个基准上平均相对准确率提升17.2%。
MM-Matryoshka：通过二维多模态套娃训练框架实现预算弹性视觉文档检索
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Alibaba Cloud Computing（阿里云计算） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出MM-Matryoshka，一种二维套娃训练框架，使视觉文档检索器在向量维度和编码器深度上实现弹性预算选择，无需为不同预算训练独立模型。
面向LEGO空间物理推理的样本高效后训练
机构 * HKUST(GZ)（香港科技大学（广州）） ； CUHK（香港中文大学） ； ZODA
AI总结 针对LLM生成LEGO组装时出现的物理有效但几何语义错位问题，提出基于模型的数据选择方法和样本高效强化学习PVPO，结合体素空间几何奖励，提升结构、语义对齐和物理有效性。
Comments Technical Report V1, 15 pages, 6 figures, 3 tables
ABLE：基于归因的大模型嵌入表示与映射
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Deep Interdisciplinary Intelligence Lab (DI2 Lab)（深度跨学科智能实验室（DI2 Lab））
AI总结 提出ABLE框架，利用梯度特征归因和分词器无关的词级对齐构建模型嵌入，实现异构LLM的高效比较，在关系预测、模型路由和基准分数预测上表现优异。
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