高校专区
LooperMuscle：基于结构化混合专家的人形机器人全身跟踪快速稳定学习方法
机构 * DeepMirror Inc.（深镜公司） ； HKUST（香港科技大学） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学）
AI总结 本文提出LooperMuscle框架，结合结构化混合专家等组件，弥合FastSAC与PPO在人形机器人全身跟踪任务中的速度-性能差距，训练效率高且跟踪精度优。
SIPTraj：无高精地图的物理引导场景交互端到端轨迹预测
机构 * School of Data Science and Engineering, Xingzhi College, South China Normal University（华南师范大学行知学院数据科学与工程学院） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Macau（澳门大学） ； College of Intelligence Science and Technology, National University of Defense Technology（国防科技大学智能科学学院） ； School of Electronic Science and Engineering, South China Normal University（华南师范大学电子科学与工程学院）
AI总结 SIPTraj是一种无高精地图的端到端轨迹预测框架，通过分层智能体-场景编码器和物理引导迭代解码器解决场景锚定与物理可行性问题，在两个数据集上性能优于现有方法，推理无需高精地图。
生成图像更易被遗忘：合成图像检测的机器遗忘视角
机构 * University of Science and Technology of China（中国科学技术大学） ； Hong Kong Baptist University（香港浸会大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The University of Sydney（悉尼大学）
AI总结 该研究针对合成图像检测任务，发现大规模视觉模型在机器遗忘时对生成图像的特征退化更快，据此提出两种基于机器遗忘的检测方法，其性能优于传统方法，为合成图像检测建立了新范式。
Comments 19 pages, 10 figures
智能体图令牌推理
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本研究提出智能体图令牌推理，将图令牌化融入推理过程，通过三阶段训练实现，在七个图领域评估中大幅优于基线，可零样本迁移至未见领域，推动图分析向智能体范式发展。
儿童步态行为解码
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； PediaMed AI ； Shenzhen Children’s Hospital（深圳市儿童医院） ； Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 针对儿童步态分析的临床需求，本文构建含110名受试者的1100余条高帧率视频数据集，指出现有先进模型难以解析其临床细节，提出统一端到端框架并建立自动化儿童步态评估基线。
Journal ref ECCV 2026
SafeBuild-Bench：一种具有图增强数据挖掘能力的时序鲁棒建筑安全基准
机构 * 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）
AI总结 研究人员构建了图增强数据挖掘的时序鲁棒建筑安全基准SafeBuild-Bench，开发可扩展验证的GEMS流水线，发现现有多模态大语言模型对建筑安全理解仍不足。
Comments Accepted by KDD 2026. 12 pages, 6 figures
CoT-Core：通过感知思维链的核心集选择加速大语言模型评估
机构 * Nanjing University（南京大学） ； 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））
AI总结 CoT-Core是无训练的核心问题选择框架，通过感知大语言模型的思维链推理轨迹聚类问题，可大幅降低LLMs评估成本，且在GSM8K等多数据集上维持高保真度分数估计。
Comments 23 pages, 3 figures, 10 tables. Includes appendix
FlexComposer：支持灵活轨迹控制的从图像到动态素材的统一视频合成框架
机构 * HKUST（香港科技大学） ； ZJU（浙江大学） ； CUHK（香港中文大学） ； Stanford University（斯坦福大学）
AI总结 FlexComposer是支持灵活轨迹控制的统一视频合成框架，通过三项关键设计实现静态图像与动态素材的无缝整合，在视觉质量等指标上优于现有SOTA方法。
Comments 30 pages, 10 figures
Beacon：智能体何时及如何执行智能体视觉推理
机构 * Peking University（北京大学） ； Kling Team（Kling团队） ； HKUST(GZ)（香港科技大学（广州）） ； CUHK（香港中文大学） ； ZJU（浙江大学） ； THU（清华大学）
AI总结 本研究针对现有智能体视觉推理模型模式适应性有限、工具增益被损害抵消的问题，提出Beacon模型，通过强化学习相关机制提升性能与适应性，在多基准上表现优异。
Comments 33 pages
超越帧选择：用于长视频理解的生成式潜在证据聚合
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Baidu Inc.（百度公司） ； Alibaba Group（阿里巴巴集团） ； Xidian University（西安电子科技大学）
AI总结 该研究针对长视频理解的帧选择局限，提出GenEvA框架，通过查询条件化分布聚合跨帧潜在证据，在四个基准和两个视频多模态大语言模型主干上显著提升性能且开销极低。
LEDGERMIND：基于结构化证据账本的溯源约束多模态智能体推理
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； University of Sussex（萨塞克斯大学）
AI总结 该研究提出LedgerMind，通过结构化证据账本及三层依据协议等组件，解决多模态智能体推理中最终答案准确率无法反映轨迹可信度的问题，在多模态基准上同时提升了答案准确率与轨迹可信度。
EgoGenesis：基于在线锚定投影记忆与Action-3D RoPE的自我中心世界-动作建模
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团） ； Tianji KernalMind Co., Ltd.（天机芯智有限公司） ； The Hong Kong University of Science and Technology（香港科技大学） ； Southeast University（东南大学） ； Renmin University of China（中国人民大学） ； The University of Tokyo（东京大学）
AI总结 本文提出EgoGenesis模拟器，通过在线锚定投影记忆与Action-3D RoPE合成自我中心操作视频，扩充训练数据，显著提升了真实机器人单臂、双臂任务的分布外操作成功率。
Comments project page: https://egogenesis.github.io/
UniCross：统一跨技能灵巧操作合成
机构 * ETH Zürich（苏黎世联邦理工学院） ； inspire AG（inspire AG公司） ； HKUST (Guangzhou)（香港科技大学（广州））
AI总结 本研究提出UniCross框架，将抓取、重定位等四种灵巧操作技能统一建模，提炼出跨技能策略，可泛化到新物体、抗干扰，还能在不同手型间迁移，实现长时程操作。
Comments Project page: https://zdchan.github.io/UniCross/
超越改写：书籍级组织提升训练中合成教科书数据的质量
机构 * Peking University（北京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本研究提出可扩展的合成教科书数据流程，发现书籍级组织可提升语言模型训练中期的下游性能，在Llama3-8B上也验证了该设计维度的有效性。
Comments 31 pages, 3 figures, 11 tables
PerturbMap：单细胞扰动响应的跨上下文迁移
机构 * School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉科学学院） ； Institute of Computing Technology, CAS（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 PerturbMap 结合受体局部低秩基与源到受体岭专家提案，实现单细胞扰动响应跨上下文迁移，在 Perturb-CITE-seq 黑色素瘤队列上优于多种对照方法，提升了扰动效应预测精度。
Comments 14 pages, 5 figs
AutoSupervision：通过基于事实的修订验证闭合科学工作流中的反馈循环
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； University of California, Los Angeles（加州大学洛杉矶分校） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本研究提出AutoSupervision，利用《自然·通讯》5.6万篇文章的评审记录构建数据集，发现LLM刻画评审关切表现较好但证据验证是瓶颈，为AI辅助科学工作流提供反馈循环闭合方案。
SpecCal：面向红外光谱分子结构重建的歧义感知候选校准方法
机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； School of Mathematics, Jilin University（吉林大学数学学院） ； Information Hub, HKUST(GZ)（香港科技大学（广州）信息中心） ； School of Chemistry, Chemical Engineering and Biotechnology (CCEB), Nanyang Technological University（南洋理工大学化学、化学工程与生物工程学院） ； School of Software Engineering, University of Science and Technology of China（中国科学技术大学软件学院）
AI总结 本研究针对红外光谱分子结构重建的歧义问题，提出即插即用、与模型无关的SpecCal校准框架，可提升不同基础模型在SMILES和骨架水平的top-k重建性能。
RedFlow：将失败重定向为流匹配VLA策略的动作级修正
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 RedFlow是将失败转化为动作级修正监督的离线RL框架，在LIBERO基准及真实操纵任务上，其真实成功率达74.7%，优于现有离线RL基线，样本量仅为强在线方法的十分之一。
语言模型中的隐藏API：从分叉未来中发现可复用的因果接口
机构 * Nanyang Technological University（南洋理工大学） ； Southern University of Science and Technology（南方科技大学） ； Tianjin University（天津大学） ； Sun Yat-sen University（中山大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； The Hong Kong Polytechnic University（香港理工大学） ； Shenzhen University（深圳大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本研究从分叉未来采样后续操作以比较语言模型隐藏状态，发现共享接口在多模型评估中表现最优，支持测试操作库中存在可复用因果接口。
通过自监督语义扩散将技能像参数一样训练
机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 该研究提出受扩散模型启发的无监督自进化智能体框架，通过自监督信号更新外部文本技能库，提升了智能体在短剧剧本创作领域的生成能力。
Comments Preprint, work in progress
RLPF：基于性能反馈的代码生成强化学习
机构 * HKUST（香港科技大学）
AI总结 该研究提出RLPF方法，将执行结果转化为分阶段奖励，微调Qwen3-32B后提升了代码生成的正确性与效率，模型性能可适度迁移，验证了代码智能体可优化生成程序。
MultivationBench：多模态序列动机推理基准
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出MultivationBench基准，基于心理学框架评估多模态序列动机推理，发现现有模型难以在序列语境中保持一致的动机推理，暴露了静态识别与动态推理的差距。
Comments 31 pages, including appendices; 6 figures and 22 tables. Code: https://github.com/HKUST-KnowComp/MultivationBench
CaM-Wolf：面向社交推理游戏的因果感知多模态智能体
机构 * The 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） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 该研究针对现有SDG智能体多模态特性缺失的问题，提出首个整合多模态感知生成的CaM-Wolf，经实验验证其游戏性能与交互质量均有提升。
Comments Accepted by ACMMM 2026
面向可信赖的具身智能：一个系统框架与分级可信赖性水平
机构 * THU（清华大学） ； PKU（北京大学） ； HKUST (GZ)（香港科技大学（广州））
AI总结 该研究提出具身智能可信赖性的四层系统框架，构建涵盖多维度的可信赖性水平层级，为具身智能的可信赖部署、评估等提供依据。
Comments Website: https://xsparkai.com/sparklab/towards-trustworthy-eai
用于核辐射预测的大气扩散引导时空变换器
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） ； Shandong University（山东大学）
AI总结 研究针对核辐射预测难题，引入NRFormer+时空变换器，结合非平稳时间注意力、密度自适应空间注意力与大气扩散模块，能估计气象对辐射扩散的影响并注入网络，在多基线数据集上实现高精度预测，降低突发变化平均绝对误差。
CameraAnything：使用任意相机控制重新拍摄视频
机构 * The Chinese University of Hong Kong（香港中文大学） ； Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 CameraAnything是用于相机控制视频编辑的统一框架，采用逐像素普吕克光线注入等方法联合控制相机参数，开发合成管道克服数据稀缺，能在单过程中实现多种视频编辑操作，为视频制作提供实用价值。
Comments Project page: https://yixuanli98.github.io/cameraanything/
SIREN：借助基于经验的大语言模型智能体实现端到端极端天气预警
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 World Sustainable Development Institute（世界可持续发展研究所）
AI总结 研究借助大语言模型智能体实现端到端极端天气预警。开发了包含多任务问答实例的SIREN-Bench基准，发现现有框架差距后，构建基于经验的SIREN框架，结合多种技术，实验证明其在预警程序和预警链上优于基线。
MSVS-VAE：用于高保真3D重建的多尺度锚定向量集
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Lightspeed Studios（光速工作室）
AI总结 研究针对高保真3D重建中VAE的瓶颈问题，提出MSVS-VAE。通过分层点洗牌上采样 densify 锚定向量集潜在特征，用AVS-Conv取代全局交叉注意力，引入多尺度查询解码融合特征，实验表明其性能优于现有方法，解码速度和紧凑性有显著提升。
每个客户端都是一个环境：用于时空预测的联邦去混淆
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） ； Harbin Engineering University（哈尔滨工程大学）
AI总结 针对时空预测，提出联邦去混淆框架\method，将客户端视为不同因果环境，利用客户端异质性作为分布式环境证据，学习全局原型码本捕获共享环境模式，推导理论边界，实验证明其优于联邦基线，提供可转移等环境表示。
推理以规范：用于交通规则理解的思维链
机构 * CUHK-SZ, Shenzhen-FNii（香港中文大学（深圳），深圳高等金融研究院） ； HKUST(GZ)（香港科技大学（广州）） ； Tencent T Lab（腾讯T实验室）
AI总结 针对交通规则理解这一自动驾驶关键挑战，提出为视觉语言模型配备思维链能力的框架，设计整理管道，采用两阶段训练方案，显著提升了可解释性和准确性，建立首个基于推理的自动驾驶框架。
Comments Technical Report
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