高校专区
深度旅行：用于自主旅行规划智能体的端到端智能强化学习框架
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Didichuxing Co. Ltd（滴滴出行有限公司）
AI总结 研究针对旅行规划智能体灵活性和自主性不足问题，提出深度旅行框架，通过构建旅行沙盒、开发分层奖励建模系统及回复增强强化学习方法，使训练后的智能体在行程生成准确率和性能上表现出色。
Comments KDD 2026
SheetMind：一个由端到端大语言模型驱动的用于电子表格自动化的多智能体框架
机构 * Cornell University（康奈尔大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Michigan（密歇根大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Hong Kong University of Science and Technology (GZ)（香港科学与技术大学）
AI总结 介绍由大语言模型驱动的多智能体框架SheetMind用于电子表格自动化，其分层系统含三个智能体，经评估在SheetCopilot基准测试中执行成功率达100%、功能正确性54.8%超对手，消融研究验证配置优势，还集成到谷歌表格。
Motion4Motion：推理时跨主体的运动转移
机构 * Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究视频间运动转移，此前方法依赖骨骼结构有局限。提出免训练的Motion4Motion框架，对角色运动流建模，突破跨物种运动转移难题，实验结果显示该方法优于基线。
Comments SIGGRAPH 2026
HandFlow：基于流匹配的全生成式4D手部恢复
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Google（谷歌）
AI总结 针对单目4D手部重建难题，HandFlow提出全生成式流匹配框架，利用ODE积分、双流变压器和掩码机制，在世界空间精度、时间平滑性及重建速度上表现优异，性能达最优。
PAKE：利用部分运动学嵌入学习全身移动操作
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 研究针对高自由度机器人全身移动操作面临的挑战，提出将其分解为部分参考运动生成和低级模仿控制的框架，用KNF模型生成参考运动，经高低级控制器实现精确控制，在模拟和硬件实验中均表现优异，为相关操作提供实用方案。
AsySplat：用于长序列场景建模的高效非对称3D高斯点云渲染
机构 * HKUST（香港科技大学） ； Huawei Noah’s Ark Lab（华为诺亚方舟实验室） ； CityU（城市大学）
AI总结 研究针对长序列场景建模中3D高斯点云渲染的冗余计算问题，提出非对称架构解耦几何与外观建模，通过双边连接交互，减少计算冗余，提高参数效率，在32视图960P输入上大幅提升效率并超越零样本性能。
Comments The project page is at https://zhongyingji.github.io/asysplat/
OmniX：通过前馈轨迹场进行任意视角和任意时刻的4D重建
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Hunyuan（腾讯混元） ； HKUST（香港科技大学） ； Beijing Key Laboratory of Super Intelligent Security of Multi-Modal Information（多模态信息超智能安全北京重点实验室） ； School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）
AI总结 针对前馈4D重建方法局限，提出OmniX框架，通过解耦动态运动建模与静态几何预测，利用动态令牌和3D运动结构生成轨迹场，并构建数据引擎和数据集，在多任务上取得领先性能。
Comments Accepted by ECCV 2026, project page: https://omnix4d.github.io/
h-Flow：通过杜布h变换实现基于灵活流的图像编辑
机构 * East China Normal University（华东师范大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出h-Flow，一个无需训练且基于理论的基于流的图像编辑框架。受杜布h变换启发，将图像编辑重述为条件生成，通过构建等效SDE扩展h变换，设计专用h函数并引入速度正交分解，实现有效、稳健且灵活的图像编辑。
探索开源模型生态系统：艺术图像生成中创作者实践的实证研究
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 本文针对开源图像生成生态系统中创作者模型使用行为展开实证研究，构建含600万张图像及生成元数据的数据集，关联基础模型与LoRA模型使用情况，揭示其优劣势，公开数据集，为创作者和研究人员提供参考。
Comments Accepted to MM'26: The 34th ACM International Conference on Multimedia
未知多房间家庭环境中多目标搜索的交错部分可观测马尔可夫决策过程规划
机构 * Georgia Institute of Technology（佐治亚理工学院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Ising AI（伊辛人工智能公司） ； MIT（麻省理工学院） ； Notre Dame University（圣母大学）
AI总结 研究未知多房间家庭环境下多目标搜索问题，提出Inter-POMDP算法，通过高级POUCT规划器与低级运动规划器相互作用，平衡规划质量与效率，相比基线方法减少碰撞、导航步数及检测次数。
VINE：驯服强化学习中的生成控制策略
机构 * AgiBot（未知机构） ； The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学）
AI总结 研究针对流匹配策略在值梯度强化学习中训练不稳定的问题，提出VINE方法。该方法通过在去噪步骤重建插值状态，创建稳定可微路径，实现稳定的端到端值梯度优化，在相关基准和任务中表现优于现有方法。
潜在世界模型中可预测性的控制理论
机构 * University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong Baptist University（香港浸会大学）
AI总结 研究潜在世界模型中可预测性的控制理论，指出当前以预测误差为目标不可靠，重新定义目标为预测与真实计划成本的差异，证明规划器次优性受其限制，通过实验证实相关结论。
Comments Preprint about latent world models, Koopman operator and control theory, 33 pages, 1 figure. Main text about 10 pages
用于弱监督视频异常检测的结构化证据选择
机构 * China University of Petroleum (East China)（中国石油大学（华东）） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 针对弱监督视频异常检测中难以准确定位异常事件及检测性能不稳定的问题，提出结构化证据选择框架SESAD，通过结构化推理、上下文条件选择抑制干扰，引入轻量级模块基于几何关系决策，实验证明其在多数据集上AUC高且效率稳定。
智能交易系统能否为自身智能付费？
机构 * HKUST(GZ)（香港科技大学（广州）） ； Paradoox AI（悖论人工智能公司） ； E Fund Management Co., Ltd（易方达基金管理有限公司） ； MBZUAI（Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）） ； The University of Tokyo（东京大学）
AI总结 研究基于LLM的交易系统中智能体能否为自身智能付费的问题，引入TradeLens工具包进行评估，通过多方面分析发现可行性取决于智能到利润的转化，不同模型有不同失败模式，重构了此类交易智能体的评估方式。
用于无训练语言模型推理的深度熵引导采样
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究旨在提升无训练语言模型推理能力，提出深度熵引导采样（DEGS）方法，利用逐层熵坍缩作为质量信号，结合序列似然性与深度熵结构，在多个模型和基准测试中达到无训练最优精度，在域外和难题测试中表现出色。
程序合成驱动的通用酉算子自动设计
机构 * Key Laboratory of Nuclear Physics and Ion-beam Application (MOE), Institute of Modern Physics, Fudan University, Shanghai 200433, China（核物理与离子束应用重点实验室（教育部），现代物理研究所，复旦大学，上海200433，中国） ； Research Center for Theoretical Nuclear Physics, NSFC and Fudan University, Shanghai 200438, China（理论核物理研究中心，国家自然科学基金委员会和复旦大学，上海200438，中国） ； Huawei Technologies Co., Ltd, Beijing 100095, China（华为技术有限公司，北京100095，中国） ； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology, HongKong, China（工业工程与决策分析系，香港科技大学，香港，中国） ； Hunan Key Laboratory of Mechanism and Technology of Quantum Information, Changsha 410073, China（湖南量子信息机制与技术重点实验室，长沙410073，中国） ； School of Information Science and Technology, Fudan University, Shanghai 200433, China（信息科学与技术学院，复旦大学，上海200433，中国） ； Research Institute of Intelligent Complex Systems, Fudan University, Shanghai 200433, China（智能复杂系统研究所，复旦大学，上海200433，中国） ； Institute of Atomic and Molecular Physics, Jilin University, Changchun 130012, China（原子与分子物理研究所，吉林大学，长春130012，中国） ； School of Physics, East China Normal University, Shanghai 200062, China（物理学院，华东师范大学，上海200062，中国）
AI总结 研究利用人工智能驱动的程序合成，通过扩展DreamCoder到复值线性代数，发现光子网络中酉矩阵分解策略，其生成的程序编码与维度无关的不变量及构造规则，还能利用矩阵结构减少干涉仪数量，为酉算子自动设计提供可扩展范式。
RotateAttention：用于视频生成中INT4量化注意力的RoPE感知旋转与范围校正
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Independent Researcher（独立研究员）
AI总结 针对基于DiT的视频生成模型中注意力机制的计算瓶颈，提出RotateAttention框架，采用选择性FP16回退，引入RoPE感知旋转和范围优化P量化技术，提升速度并保持生成质量。
FARS：一个大规模部署的全自动研究系统
机构 * Analemma ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； University College Dublin（都柏林大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； ByteDance（字节跳动） ； ShanghaiTech University（上海科技大学） ； University of Warwick（华威大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； East China Normal University（华东师范大学） ； Stanford University（斯坦福大学） ； Tencent（腾讯） ； The University of Hong Kong（香港大学） ； Shanghai Innovation Institute（上海创新研究院） ； Nex-AGI Team（Nex-AGI团队）
AI总结 提出FARS系统，通过分阶段智能体协作自动生成研究项目，在67个AI/ML主题上产出166篇论文，经282份评审验证其可产出有价值成果，同时暴露实验范围窄、方法局限和诚信问题。
LiveEdit：迈向基于扩散的实时流式视频编辑
机构 * THU（清华大学） ； HKUST（香港科技大学）
AI总结 提出一种因果逐帧编辑的流式视频框架，通过三阶段蒸馏将双向模型能力迁移至单向流式编辑器，结合AR掩码缓存实现12.66 FPS的实时编辑，并保持背景稳定。
Comments Accepted by ECCV 2026, Project page: https://live-edit.github.io
AI研究代理缩小科学探索范围
机构 * The Hong Kong University of Science and Technology（香港理工大学）
AI总结 本研究通过四个AI研究代理框架和六个大语言模型生成37,802个科学想法，发现AI生成的想法比人类论文更集中、更接近起始文献，且与低引用论文相似，表明当前AI代理更适合局部细化而非拓宽科学探索。
TactileReflex：基于噪声统计的视觉-触觉反射控制用于力敏感操作
机构 * Thrust of Robotics and Autonomous Systems, The Hong Kong University of Science and Technology (Guangzhou)（机器人与自主系统研究所，香港科学与技术大学（广州）） ； School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械工程学院）
AI总结 针对易变形容器操作中的力控制难题，提出基于噪声统计的标定驱动反射控制范式，利用视觉触觉传感器提取图像级代理并实现约12Hz的优先反射通道，无需外部标定或手动调参。
Comments 8 pages, 4 figures, 6 tables
Incantation: 自然语言作为多实体视频世界模型的动作接口
机构 * SJTU（上海交通大学） ； NVIDIA Research（英伟达研究） ； USTC（中国科学技术大学） ； UCAS（乌兹别克斯坦科学院） ； NUS（新加坡国立大学） ； UWaterloo（滑铁卢大学） ； HKUST（香港理工大学） ； HKU（香港大学） ； ZGCA（浙江大学）
AI总结 本研究提出了一种基于自然语言的动作接口，用于多实体视频世界模型，解决了传统接口在细粒度多实体控制和跨实体、跨世界泛化能力上的不足，通过引入自然语言条件化实现了更强大的表达能力。
IntentVLA：用于有歧义机器人操作的短周期意图建模
机构 * HUST（华中科技大学） ； ZGCA（中钢集团人工智能研究院） ； ZGCI（中钢智能科技有限公司） ； HIT（哈尔滨工业大学） ； HKUST(GZ)（香港科技大学（广州）） ； BUAA（北京航空航天大学） ； ZZU（浙江工业大学） ； ECNU（华东师范大学） ； USTC（中国科学技术大学） ； DeepCybo
AI总结 IntentVLA通过编码近期视觉观测为紧凑的短周期意图表示，提升机器人操作的执行稳定性，并在多个基准测试中优于现有VLA基线。
Comments Code can be found in https://github.com/ZGC-EmbodyAI/IntentVLA
基于属性引导的大型语言模型持续学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； The Beijing University of Posts and Telecommunications（北京邮电大学）
AI总结 本文提出基于属性引导的持续学习框架，通过估计每个Transformer层中参数的重要性，调节梯度以保留旧任务知识，实验表明在持续学习基准上优于基线方法。
大语言模型在经济因果推理中的意识形态偏见
机构 * Graduate School of Data Science, KAIST（韩国科学技术院数据科学研究生院） ； College of Business, KAIST（韩国科学技术院商学院） ； School of Computing, KAIST（韩国科学技术院计算机学院） ； Division of Social Science, HKUST（香港科技大学社会科学系）
AI总结 研究探讨LLM在经济因果推理中的意识形态偏见，通过扩展EconCausal基准测试，评估20种先进LLM在处理意识形态冲突案例时的准确性，发现LLM在意识形态冲突案例上表现更差，且存在系统性偏倚。
Comments Accepted at COLM 2026
零努力图像到音乐生成：一种可解释的基于RAG的视觉语言模型方法
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The University of Hong Kong（香港大学） ； The Hong Kong University of Science（香港科学大学） ； The Hong Kong Polytechnic University Hong Kong China（香港理工大学香港中国） ； The University of Hong Kong Hong Kong China（香港大学香港中国）
AI总结 本文提出一种基于RAG的视觉语言模型方法，实现图像到音乐生成，通过ABC记谱法连接文本与音乐模态，并利用多模态检索增强生成和自反思技术，提供高可解释性且低计算成本的音乐生成方案。
ProAct：用于结构感知主动响应的基准和多模态框架
机构 * Department of Computer Science and Engineering, The Hong Kong University of Science and Technology (HKUST), Hong Kong SAR, China（香港科技大学计算机科学与工程系） ； Tencent, Shenzhen, China（腾讯（中国深圳）） ； Shenzhen Institute of Advanced Technology (SIAT), Chinese Academy of Sciences, Shenzhen, China（深圳先进技术研究所（SIAT），中国科学院）
AI总结 针对主动智能体开发受资源缺乏阻碍的问题，引入ProAct-75基准，提出由多模态大语言模型驱动的ProAct-Helper，其利用任务图进行行动选择，实验证明该方法在触发检测等方面优于闭源模型。
Glob3R：基于3D基础模型的全局运动恢复结构
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； Nanjing University（南京大学） ； Fudan University（复旦大学）
AI总结 研究针对3D基础模型重建结果不准确及处理长序列或大图像集有缺陷的问题，提出Glob3R方法，通过增强主干、转换扭曲为特征轨迹、引入关联策略及进行全局优化等，实现强大准确重建，提升神经渲染质量。
3D软件中用于批量编辑碰撞网格的示例编程
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 针对3D软件中碰撞网格编辑难题，提出神经符号程序合成方法，将任务转化为例程编程问题，通过MeshForge工具实现，在6 hundred个碰撞网格的24个任务中评估，成功合成多数任务，平均所需演示次数和合成时间较少。
Lean-QIT：迈向量子信息理论的形式化基础设施
机构 * QudeLeap Research（QudeLeap研究院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Quantum Science Center of Guangdong-Hong Kong-Macao Greater Bay Area（粤港澳大湾区量子科学中心） ； The University of Hong Kong（香港大学）
AI总结 研究旨在为量子信息理论构建形式化基础设施，通过Lean 4库LeanQIT提供相关接口，将多个重要定理形式化，分离操作定义与解析表征，为形式化QIT及相关推理提供基础和知识底物。
Comments 24+5 pages, 3 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