高校专区
用LLM进行视频通话：对六个主流应用的测量活动
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文通过自定义测试平台和在线平台，从质量、延迟、内部机制和系统开销四个维度对六个主流AI视频聊天应用进行基准测试，发现AI视频通话的网络延迟影响小于人类视频通话，AI代理能力对用户体验影响最大。
T-POP：基于在线偏好反馈的测试时个性化
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； East China Normal University（华东师范大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Tianjin University（天津大学） ； The Chinese University of Hong Kong（香港中文大学） ； Beihang University（北京航空航天大学） ； City University of Hong Kong（香港城市大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州））
AI总结 针对新用户冷启动问题，提出T-POP算法，通过在线成对偏好反馈和决斗式强盗机制，在不更新模型参数的情况下实时学习用户偏好并引导解码过程，实现快速数据高效的个性化。
Comments Accepted to ICML 2026
Seg-Zero: 通过认知强化学习的推理链引导分割
机构 * The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Renmin University of China（中国人民大学）
AI总结 提出Seg-Zero框架，通过解耦的推理模型和分割模型，结合GRPO强化学习与格式-精度奖励机制，实现零样本推理分割，在ReasonSeg基准上超越LISA-7B 18%。
关于语言模型可重复评估的前线经验教训
机构 * MBZUAI ； IIIT Hyderabad ； EleutherAI ； HiTZ Center - Ixa, UPV/EHU ； Ivy Natal ； University of Michigan ； HubSpot ； LibrAI ； Kensho ； Contextual AI ； Brown University ； New York University ； Amazon ； Yale University ； HKUST ； Sorbonne University ； CMU
AI总结 本文基于开发Language Model Evaluation Harness框架的三年经验，总结了语言模型评估中面临的方法论挑战、缺乏可重复性和透明度等问题，并提供了改进评估严谨性和信心的建议。
HypoAgent: 一种用于知识图谱上交互式溯因假设生成的智能体框架
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Beihang University（北航） ； Hong Kong Baptist University（香港 Baptist 大学）
AI总结 提出HypoAgent框架，通过三个智能体（意图识别、假设生成、根因分析）实现知识图谱上的交互式溯因假设生成，在常识和生物医学领域知识图谱上达到最优语义相似度。
Comments Under Review
学习面向感知的腿式移动操作的地形感知全身控制
机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（机器人与自主系统方向，香港科技大学（广州））
AI总结 提出TA-WBC框架，通过混合外感受编码器提取地形特征、基于脚接触平面的末端执行器采样方法以及双策略蒸馏模块，实现腿式机械臂在复杂地形上的全身移动操作控制。
通过图约束路径选择扩展多跳训练数据
机构 * 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发展中心） ； Hong Kong Baptist University（香港 Baptist 大学）
AI总结 针对专业文档的组成推理，提出基于图约束路径选择的方法，通过解耦路径发现与语言化，利用图约束过滤无效路径，显著扩展可用语料并提升模型性能。
Comments 21 pages, 5 figures
迈向基于原则性样本选择的高效LLM退火
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文通过损失景观的谱几何特性，将退火阶段的数据选择建模为有约束优化问题，提出DiReCT框架，利用Hessian谱对梯度施加方向约束，实现高效样本选择，显著提升模型性能。
SpatialAct：探测VLM智能体在3D场景中的空间推理到行动能力
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Zhongguancun Academy（中关村学院） ； Tsinghua University（清华大学） ； Helsinki University（赫尔辛基大学）
AI总结 本文提出SpatialAct基准，通过多轮交互细化、单步错误检测与修复等任务，揭示当前视觉语言模型在3D场景中从空间推理到行动存在显著差距。
TARIC: 语义线索中断下基于记忆增强的可通行性感知户外视觉语言导航
机构 * Shenzhen Key Laboratory of Robotics and Computer Vision（深圳机器人与计算机视觉重点实验室） ； Southern University of Science and Technology（南方科技大学） ； CKS Robotics Institute（CKS机器人研究所） ； Hong Kong University of Science and Technology（香港科技大学） ； College of Electrical and Information Engineering（电气与信息工程学院）
AI总结 针对户外视觉语言导航中语义线索中断导致导航退化的问题，提出统一框架，通过可通行性一致的执行引导和不确定性感知的3D线索记忆，在长时间无线索阶段维持稳定导航，在四足和轮式平台上成功率提升显著。
跨模态临床知识整合用于乳腺X线报告生成
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Lingnan University（岭南大学） ； The Third Affiliated Hospital of Kunming Medical University, Yunnan Cancer Hospital, Peking University Cancer Hospital Yunnan（昆明医科大学第三附属医院、云南癌症医院、北京大学肿瘤医院云南分院） ； Guangzhou First People's Hospital, South China University of Technology（广州第一人民医院、华南理工大学） ； The Third Affiliated Hospital, Sun Yat-Sen University（中山大学第三附属医院） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（香港科技大学深圳-香港协同创新研究院）
AI总结 提出MammoRG框架，通过两阶段训练模拟临床报告流程，整合BI-RADS指南和先验知识，提升报告生成的临床一致性。
Comments 16 pages, 5 figures
通过数据为中心的编译对抗在线金融问答中的数值幻觉
机构 * Shenzhen Technology University（深圳科技大学） ； FiT, Tencent（腾讯金融科技部） ； South China University of Technology（华南理工大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Huazhong University of Science and Technology（华中科技大学） ； McGill University（麦吉尔大学）
AI总结 提出数据为中心推理编译器（DCRC），通过对抗数据构建、多阶段训练和编译执行推理流程，解决在线金融问答中检索增强生成面临的噪声敏感、计算脆弱和可审计性危机，实现可靠的数值推理。
Comments Accepted by KDD 2026 ADS track
组合合成：通过原子分解与重组扩展代码RLVR
机构 * Chinese Information Processing Laboratory, Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所信息处理实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Lero the Research Ireland Centre for Software, University of Limerick（利默尼克大学爱尔兰软件研究中心） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出原子分解与重组（ADR）框架，通过将代码任务分解为原子元素并受控重组，生成新颖且具有挑战性的可验证代码任务，以解决RLVR训练数据稀缺和扩展性问题，实验表明在多个下游领域显著提升代码能力。
Comments Work in progress
视觉信息在视觉-语言-动作模型驾驶行为中是否起决定性作用？
机构 * Intelligent Transportation Thrust, The Hong Kong University of Science and Technology (Guangzhou)（科技与交通智能 thrust，香港科学与技术大学（广州））
AI总结 本文提出结构化多级视觉扰动框架，系统分析VLA驾驶模型对视觉信息的依赖程度，揭示依赖模式随评估方式变化且在不同抽象层次上不均匀。
重新审视零阶Hessian近似：单步策略优化视角
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai University of Finance and Economics（上海财经大学）
AI总结 本文通过单步策略优化视角统一零阶Hessian估计，提出方差缩减的ZoVH框架，实现全Hessian矩阵、正则化逆及偏差校正逆Hessian-梯度积的高效估计。
IAF-Net：用于低光照城市道路分割的照明自适应融合网络
机构 * The Shandong University（山东大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出IAF-Net，通过照明自适应融合模块动态调整RGB与几何特征的融合权重，并利用亮度调制注意力解码器增强低光照特征选择，实现不同光照条件下鲁棒的道路分割。
MergeTok: 通过令牌合并实现统一连续和离散视觉令牌化
机构 * Tsinghua University（清华大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； OPPO ； Shanghai AI Lab（上海人工智能实验室）
AI总结 提出MergeTok统一令牌化器，通过令牌合并技术联合优化连续VAE和离散VQ令牌化器，实现高保真重建与语义可控离散表示的兼顾。
Comments 11 pages (main text), 7 figures. Preprint. Under review at NeurIPS 2026
超越一致性：为策展人分类对面板筛选的生物医学实体候选进行评分
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； The Hong Kong University of Science and Technology, Guangzhou（香港科学与技术大学（广州）） ； ShanghaiTech University（上海科技大学） ； University of North Carolina, Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 提出BioConCal评分器，利用无金标准的一致性、提及、表面可用性和文档特征，对多LLM面板筛选的候选实体进行评分，显著提高候选筛选的精确率和召回率。
基于视觉的密集城市环境定位：中国城中村案例研究
机构 * Thrust of Urban Governance and Design, Society Hub, The Hong Kong University of Science and Technology (Guangzhou)（城市治理与设计 thrust，社会枢纽，香港科技大学（广州））
AI总结 针对密集城市环境中GPS信号不可靠和地图数据不完整的问题，提出一种基于双摄像头系统的低成本视觉地理定位方法，并在广州石牌村数据集上评估现有模型性能。
逃离线性陷阱：针对歌声音频深度伪造检测的黑盒对抗攻击的流形绕行策略
机构 * Wuhan University（武汉大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 针对自监督学习（SSL）歌声深度伪造检测（SVDD）的对抗攻击失败源于线性陷阱，提出MARS框架通过双层优化逃离线性陷阱，显著提升黑盒迁移攻击成功率。
SpatialBench: 你的空间基础模型是全能选手吗？
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Nanyang Technological University（南洋理工大学） ； Northwestern Polytechnical University（西北工业大学） ； Southeast University（东南大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 提出SpatialBench基准，通过跨范式、多域、确定性采样的评估，揭示当前空间基础模型在多样化下游任务中的泛化能力不足，并引入DA-Next-5M数据集和DA-Next模型推动空间表示学习。
Comments Project Page: https://ropedia.github.io/SpatialBench/
GEM: 用于最优LLM数据策展的几何熵混合
机构 * The Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科学与技术大学） ； Peking University, Beijing, China（北京大学） ； University of Science and Technology of China, Hefei, China（中国科学技术大学）
AI总结 提出GEM框架，通过将数据策展重构为超球面上的变分问题并采用MM算法优化，解决了分类缺陷和嵌入各向异性问题，在1.1B参数模型上实现下游准确率提升1.2%。
Comments ICML 2026 Poster
SpaMEM：具身环境中通过感知-记忆集成进行动态空间推理的基准测试
机构 * The University of New South Wales（新南威尔士大学） ； The University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Xinjiang University（新疆大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出SpaMEM基准，通过动作条件场景变换和多模态数据，分层评估多模态大模型在具身环境中的空间信念演化能力，揭示坐标一致性和视觉记忆瓶颈。
LiteViLNet: 轻量级视觉-激光雷达融合网络用于高效道路分割
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Shandong University（山东大学）
AI总结 提出轻量级多模态网络LiteViLNet，通过双流编码器、深度可分离卷积和多尺度特征融合模块，在KITTI数据集上以14.04M参数达到96.36% MaxF，实现精度与效率的平衡。
LangForce: 通过潜在动作查询对视觉语言动作模型进行贝叶斯分解
机构 * Huazhong University of Science and Technology（华中科技大学） ； Beijing Zhongguancun Academy（北京中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Zhengzhou University（郑州大学） ； Beihang University（北航） ； East China Normal University（东华大学） ； DeepCybot Co., Ltd.（DeepCybot有限公司）
AI总结 针对VLA模型在训练中因数据偏差导致语言信息被忽略的问题，提出LangForce框架，通过贝叶斯分解和潜在动作查询构建双分支架构，最大化动作与指令的点互信息，无需新数据即可显著提升泛化能力。
Comments ICML 2026
考虑混合交通中异构动态协作的意图驱动换道框架
机构 * Intelligent Transportation Thrust, Systems Hub, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）智能交通研究所，系统中心） ； Guangdong Provincial Key Lab of Integrated Communication, Sensing and Computation for Ubiquitous Internet of Things（广东省集成通信、感知与计算 ubiquitous internet of things 关键实验室） ； Robotics and Autonomous Systems Thrust, Systems Hub, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）机器人与自主系统研究所）
AI总结 提出一种结合驾驶风格识别、协作感知决策与运动规划的意图驱动换道框架，通过深度学习和逆强化学习实现混合交通中安全高效的换道。
Journal ref IEEE Transactions on Intelligent Transportation Systems, May, 2026
NGDBench：迈向神经图数据管理
机构 * HKUST（香港理工大学） ； Beijing Institute of Technology（北京理工大学） ； Hong Kong Baptist University（香港 Baptist 大学） ； Guangdong University of Technology（广东技术大学）
AI总结 针对现有数据管理系统在噪声、不完整和动态更新下缺乏隐式结构发现和推理能力的问题，提出NGDBench基准，通过统一结构化与非结构化来源的图视图，评估神经查询方法在噪声和动态状态跟踪中的表现。
MASPOB: 基于图神经网络的多智能体系统提示优化方法
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； South China University of Technology（华南理工大学） ； Ritsumeikan University（立命馆大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 提出基于赌博机的样本高效框架MASPOB，利用UCB平衡探索与利用、GNN捕获拓扑先验、坐标上升分解优化，解决多智能体系统提示优化中的样本效率、拓扑耦合和组合爆炸问题。
Comments ICML 2026 Spotlight
DTBench：文档到表格提取的合成基准
机构 * Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science（香港科学与技术大学）
AI总结 提出DTBench合成基准，通过反向Table2Doc范式和多智能体合成流程生成文档，系统评估LLM在文档到表格提取中的多种能力。
Comments KDD26
测试时的自反生成
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； University of Edinburgh（爱丁堡大学） ； City University of Hong Kong（香港城市大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 提出SRGen框架，通过动态熵阈值识别高不确定性token并训练校正向量，在测试时进行自反生成以纠正概率分布，提升大模型推理的可靠性。
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