高校专区
PASA：一种针对语义不变攻击的LLM生成文本的原则性嵌入空间水印方法
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州））
AI总结 提出PASA水印算法，在潜在嵌入空间的语义簇上嵌入和检测水印，通过理论框架实现检测精度、鲁棒性和失真的基本权衡，在强释义攻击下仍保持鲁棒性和文本质量。
HorizonStream: 用于流式3D重建的长程注意力
机构 * HKUST(GZ)（香港科技大学） ； Horizon Robotics（Horizon机器人） ； CASIA（中国科学院自动化研究所） ； CSU（中国科学技术大学）
AI总结 针对流式3D重建中长序列漂移和崩溃问题，提出HorizonStream模型，通过分解几何传播核为长程时间因子（几何线性注意力）和短程空间因子（几何局部注意力），实现恒定内存和线性时间下的稳定重建。
R$^3$L: 反思-重试强化学习与语言引导探索、关键信用和正向放大
机构 * Tongyi Lab（通义实验室） ； Soochow University（苏州大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出R$^3$L框架，通过反思-重试机制合成高质量轨迹，结合关键信用分配和正向放大，解决强化学习在LLM推理和智能体任务中的探索与利用难题，在多个任务上取得5%到52%的相对提升。
EvalVerse：面向专业电影级视频生成的流水线感知与专家校准基准测试
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Tencent（腾讯） ； Tsinghua University（清华大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Film Academy（北京电影学院） ； Stanford University（斯坦福大学） ； The Chinese University of Hong Kong（香港中文大学） ； Singapore Institute of Technology（新加坡理工学院）
AI总结 提出EvalVerse框架，通过将电影制作专业知识系统化为评估分类法、构建专家标注数据集并微调视觉语言模型进行链式推理，解决了现有基准忽视电影质量、缺乏领域特异性指标的问题，实现了对生成视频“正确性”与“优良性”的全面评估。
扩展更多，收缩更少：塑造有效秩动态以实现推荐中的密集扩展
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Tencent Inc.（腾讯公司） ； Tencent Inc. Shenzhen China（腾讯公司深圳中国）
AI总结 针对推荐模型扩展中的嵌入坍缩问题，提出RankElastor架构，通过参数化全混合和GLU改进的P-FFN模块缓解有效秩的阻尼振荡，提升表示表达能力并实现稳健扩展。
Comments Accepted at the 32st ACM SIGKDD Conference on Knowledge Discovery and Data Mining (Research Track), KDD 2026 February Cycle
GenEvolve: 通过工具编排的视觉经验蒸馏实现自我进化的图像生成智能体
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Meituan（美团） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； National University of Singapore（新加坡国立大学）
AI总结 提出GenEvolve框架，通过工具编排的视觉经验蒸馏，使图像生成智能体在多样化任务中自我进化，提升工具使用和生成质量。
并非所有任务量化平等：面向视觉几何Transformer的Fisher引导量化
机构 * Department of Electronic and Computer Engineering, HKUST（香港科技大学电子与计算机工程系） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院人工智能安全国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Data Science and Engineering, South China Normal University（华南师范大学数据科学与工程学院）
AI总结 提出Fisher引导量化方法，利用Fisher信息矩阵量化不同任务、块和通道的敏感性，在量化校准中保护关键通道和块，以解决前馈3D重建模型量化时任务间敏感性差异导致的精度损失问题。
GeoMAE：面向缺失值的时空图预测的掩码表示学习
机构 * College of Computer and Data Science, Fuzhou University（福州大学计算机与数据科学学院） ； JD Intelligent Cities Research（京东智能城市研究院） ； School of Computing and Artificial Intelligence, Southwest Jiaotong University（西南交通大学计算机与人工智能学院） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beijing Normal University（北京师范大学）
AI总结 提出GeoMAE自监督模型，通过输入预处理、注意力时空预测网络和掩码自编码器辅助任务，解决缺失数据下的时空图预测问题，在真实数据集上相对最优基线提升13.20%。
Comments 34 pages for pre-print version. This work has been published in *Neural Networks*. Please check the latest version via the following DOI
一种增强转向能力和适应性的重构轮腿机器人
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 提出一种名为FLORES的新型轮腿机器人，通过将前腿的髋关节横滚自由度替换为偏航自由度，并设计定制强化学习控制器，实现了高效转向和多地形适应。
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 7444-7451, June 2026
PLACE：面向大规模图属性社区搜索的提示学习
机构 * Shenzhen Institute of Computing Sciences（深圳计算科学研究院） ； Beijing Institute of Technology（北京理工大学） ； Chinese University of Hong Kong（香港中文大学） ； 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PLACE框架，利用图提示学习通过结构化和可学习提示令牌增强GNN，以识别与查询相关的结构凝聚性和属性相似性模式，并在9个真实图上平均F1分数提升22%。
Comments 14 pages, 9 figures
Journal ref KDD 2026
短视频多模态特征中信息感知价值的计算模型预测感官与行为参与
机构 * Department of Communication, University of Utah（犹他大学通讯系） ； Department of Communication, University of California, Davis（加州大学戴维斯分校通讯系） ； Department of Media and Communication, City University of Hong Kong（香港城市大学媒体与传播系） ； Division of Emerging Interdisciplinary Areas, Hong Kong University of Science and Technology（香港科学与技术大学新兴跨学科领域 division）
AI总结 基于信息感知价值理论，通过多模态特征分析和人工评估构建计算模型，预测短视频的感官与行为参与，发现MSV与感官参与正相关，与行为参与呈倒U型关系。
通过能力选择性子空间投影实现自我策略蒸馏
机构 * University of Cambridge（剑桥大学） ； HKUST（香港科技大学） ； University of Chicago（芝加哥大学）
AI总结 本文提出Self-Policy Distillation（SPD），通过从模型自身梯度中提取低维能力子空间，将关键值（KV）激活投影到该子空间，并在标准下一项预测损失下进行微调，实现了无需外部信号的通用且能力选择性的自我蒸馏方法。
AtomicMotion: 从不同人体部分学习人体动作
机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； South China University of Technology（华南理工大学） ； Department of Computer Science and Engineering（计算机科学与工程系） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 该研究提出AtomicMotion框架，通过解耦和重新整合身体动态，解决从稀疏头部和手部轨迹准确重建完整身体姿态的挑战，核心方法是逻辑身体分区、全身体预条件化策略和运动学注意力机制，实验表明其在AMASS数据集上显著优于现有基线。
OSS: 2024-2025 开放缝合技能基于视觉的评估挑战
机构 * Department of Translational Surgical Oncology, National Center for Tumor Diseases (NCT/UCC) Dresden（转化外科肿瘤学部，肿瘤疾病国家中心（NCT/UCC）德累斯顿） ； The Centre for Tactile Internet with Human-in-the-Loop (CeTI), TUD Dresden University of Technology（具有人环路触觉互联网中心（CeTI），德累斯顿技术大学） ； Department of Oral and Maxillofacial Surgery, University Hospital RWTH Aachen（口腔和颌面外科部，亚琛大学医院） ； Center for Tooth-, Mouth- and Jaw Medicine, University Göttingen（牙科、口科和颌科医学中心，哥廷根大学） ； Institute of Medical Informatics, University Hospital RWTH Aachen（医学信息学研究所，亚琛大学医院） ； Faculty of Medicine and University Hospital Carl Gustav Carus, TUD Dresden University of Technology（医学系和卡尔·戈斯塔·卡鲁斯大学医院，德累斯顿技术大学） ； German Cancer Research Center (DKFZ)（德国癌症研究中心（DKFZ）） ； Muroran Institute of Technology（牟然技术学院） ； Niigata University of Health and Welfare（北九州市保健福利大学） ； Konica Minolta, Inc.（柯尼卡美能达公司） ； Jmees, Inc.（Jmees公司） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（计算机科学与工程部，香港科学与技术大学） ； Center Algoritmi/LASI, University of Minho（算法中心/ALASI，米尼奥大学） ； Life and Health Sciences Research Institute (ICVS), School of Medicine, University of Minho（生命与健康科学研究院（ICVS），医学院，米尼奥大学） ； ICVS/3B's - PT Government Associate Laboratory（ICVS/3B's - PT政府附属实验室） ； Institute for AI in Medicine (IKIM), University Medicine Essen（医学人工智能研究所（IKIM），埃森大学医学部） ； The Faculty of Data and Decisions Science, Technion - Israel Institute of Technology（数据与决策科学系，技术学院-以色列理工学院） ； UCL Hawkes Institute, University College London（UCL Hawkes研究所，伦敦大学学院） ； School of Computing, Queen's University（计算学院，皇后大学） ； Department of Transdisciplinary Medicine, Seoul National University Hospital（跨学科医学部，首尔国立大学医院） ； Interdisciplinary Program in Medical Informatics, Seoul National University（医学信息学跨学科项目，首尔国立大学） ； Department of Clinical Medical Sciences, Seoul National University（临床医学科学部，首尔国立大学） ； Institute of Convergence Medicine with Innovative Technology, Seoul National University Hospital（融合医学与创新技术研究所，首尔国立大学医院） ； Department of Surgery, Seoul National University College of Medicine and Seoul National University Hospital（外科部，首尔国立大学医学院和首尔国立大学医院）
AI总结 本文提出OSS挑战，旨在通过基于视觉的评估方法提升开放手术技能训练，通过挑战数据集和多任务评估，评估不同方法在开放手术技能评估中的表现，揭示视频评估的潜力与限制。
Comments Stefanie Speidel and Behrus Hinrichs-Puladi jointly supervised this work. Submitted to MEDIA
LVDrive: 基于潜在视觉表征的视觉-语言-动作自动驾驶模型
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Xiaomi EV（小米电动车）
AI总结 本文提出LVDrive，一种增强视觉-语言-动作能力的自动驾驶模型，通过引入未来场景预测任务，在高维潜在空间中学习语义丰富的场景表示，从而提升闭环驾驶性能。
ParaVT: 平衡工具先验悖论以实现代理视频强化学习中的并行工具使用
机构 * MiroMind ； NTU（国立台湾大学） ； HKU（香港大学） ； HKUST(GZ)（香港科技大学（广州）） ； THU（清华大学） ； LMMs-Lab（LMMs实验室）
AI总结 本文提出ParaVT，一种用于并行视频工具调用的端到端强化学习框架，通过引入PARA-GRPO机制解决工具先验悖论，提升了长视频理解的性能。
Comments Project Page: https://evolvinglmms-lab.github.io/ParaVT/
Hölder Policy Optimisation
机构 * University College London（伦敦大学学院） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 本文提出HölderPO框架，通过Hölder均值统一token级概率聚合，解决固定聚合机制导致的训练崩溃与性能不足问题，理论证明不同p值对梯度集中度和方差的平衡作用，并通过动态退火算法实现训练周期内的p值调度，实验表明其在多个数学基准测试中取得更优的稳定性和收敛性。
学习预见：揭示在线蒸馏的解锁效率
机构 * USTC（中国科学技术大学） ； Tencent（腾讯） ； NUS（新加坡国立大学） ； HKUST(GZ)（香港科技大学（广州）） ； UCAS-IIE（中国科学技术大学国际交流学院） ； SHU（上海大学）
AI总结 本文研究了在线蒸馏（OPD）的效率来源，提出EffOPD方法通过适应性选择 extrapolation 步长和沿当前更新方向移动来加速OPD，实现了3倍的训练加速同时保持最终性能。
SpecBlock：带有动态树草案的块迭代推测解码
机构 * Hong Kong University of Science and Technology（香港科技大学） ； MetaX ； Zhejiang Normal University（浙江师范大学） ； Soochow University（苏州大学）
AI总结 该研究提出了一种结合路径依赖性和低成本草案的块迭代草案方法SpecBlock，通过动态树草案和路径依赖机制提高LLM推理效率，同时在部署时利用验证器反馈进行成本感知适应，从而在速度和成本上均优于现有方法。
SpaceMoE：在空间网络上实现分布式混合专家推理
机构 * Department of Electrical and Computer Engineering, The University of Hong Kong (HKU)（香港大学电子与计算机工程系） ； State Key Laboratory of Integrated Service Networks, Institute of Information Science, Xidian University（西安电子科技大学信息科学学院集成服务网络国家重点实验室） ； Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology (HKUST)（香港科学与技术大学电子与计算机工程系）
AI总结 本文提出SpaceMoE框架，旨在解决在卫星网络中高效部署大规模LLM的挑战，通过分层专家放置策略减少延迟，实现混合专家模型在空间环境中的高效推理。
超越一刀切：基于大语言模型的零样本图学习中的自适应子图去噪
机构 * JIUTIAN Research（JIUTIAN研究） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； MIIT Key Laboratory of Data and Decision Intelligence（信息与决策智能重点实验室） ； Beihang University（北航）
AI总结 本文提出GraphSSR框架，通过自适应子图提取和去噪方法，解决传统图神经网络在零样本学习中泛化能力不足的问题，提升大语言模型在图推理任务中的表现。
我们能否为伪造图像检测构建一个单一模型？SICA：语义诱导约束适应用于统一且具有判别性的伪影特征空间重建
机构 * Sichuan University（四川大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Science and Technology of China（中国科学技术大学） ； South China University of Technology（华南理工大学）
AI总结 本文提出了一种新的单体伪造图像检测模型SICA，通过语义诱导约束适应方法，解决伪影特征空间重建的统一与判别性矛盾，实验表明其优于15种现有方法。
UIKA：从无姿态图像快速生成通用头身模型
机构 * Nanjing University（南京大学） ； Ant Group（蚂蚁集团） ； HKUST（香港科技大学） ； Xi’an Jiaotong University（西安交通大学）
AI总结 本文提出UIKA，一种从任意数量的无姿态输入（包括单张图像、多视角捕捉和手机拍摄视频）生成可动画的高斯头身模型。与传统头身模型不同，UIKA通过模型表示、网络设计和数据准备重新思考任务，引入了UV引导的头身建模策略，设计了可学习的UV标记，并通过聚合所有输入视角的UV信息解码为标准高斯属性。
Comments CVPR 2026 Highlight. Code: https://github.com/ant-research/UIKA
LongVT: 通过原生工具调用激励'通过长视频思考'
机构 * MiroMind ； NTU（国立台湾大学） ； HKUST(GZ)（香港科技大学（广州）） ； THU（清华大学） ； LMMs-Lab（LMMs实验室）
AI总结 本文提出LongVT，一种端到端的代理框架，通过交错的多模态工具链式思考实现'通过长视频思考'，通过利用LMM的固有时间定位能力作为原生视频裁剪工具，以解决长视频推理中的幻觉问题，并通过VideoSIAH数据集提升训练和评估效果。
Comments CVPR 2026
EasyVFX: 用于资源高效视觉效果生成的频率驱动解耦
机构 * HKUST（香港科技大学） ； DUT（东华大学） ； THU（清华大学） ； MIT（麻省理工学院）
AI总结 本文提出EasyVFX框架，通过频率域分解解耦高频和低频成分，降低视觉效果生成的计算和数据依赖性，实现高效且高质量的视觉效果合成。
Comments Accepted by SIGGRAPH 2026. Project page: https://easy-vfx.github.io/
GA-VLN: 用于高效视觉-语言导航的几何感知鸟瞰图表示
机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Robbyant ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出GA-VLN框架，通过引入几何感知的鸟瞰图表示（GA-BEV），整合显式和隐式几何信息，提升视觉-语言导航的效率和性能，实验表明其在仅使用导航数据的情况下取得了最先进的结果。
LatentOmni: 通过统一的音频-视觉潜在推理重新思考多模态理解
机构 * School of AI, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Peking University（北京大学） ； HKUST（香港科技大学） ； CASIA（中国科学院自动化研究所） ； Nanjing University（南京大学） ； Renmin University of China（中国人民大学） ； Tsinghua University（清华大学）
AI总结 本文提出LatentOmni框架，通过统一的音频-视觉潜在空间进行多模态推理，利用特征级监督和Omni-Sync Position Embedding保持时间一致性，从而在多个音频-视觉推理基准测试中取得最佳性能。
Comments 21 pages, 15 figures
通过反事实强化学习学习视频大语言模型中的时空敏感性
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tencent（腾讯）
AI总结 本文提出CRPO方法，通过反事实强化学习提升视频大语言模型对时空动态的敏感性，通过构建反事实视频并引入反事实关系奖励，有效抑制了依赖静态线索的简略策略，从而在DyBench基准测试中提升了模型的时空敏感性。
Comments Project website: https://ddz16.github.io/crpo.github.io/
MLLMs Know When Before Speaking: Revealing and Recovering Temporal Grounding via Attention Cues
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Xi’an Jiaotong University（西安交通大学） ； Tencent（腾讯）
AI总结 本文研究了多模态大语言模型（MLLMs）在视频时间定位中的感知与生成之间的差距，提出了一种推理阶段的读取-再生成框架，通过利用注意力线索来提高时间定位的准确性，从而在三个视频时间定位基准上提升了MiMo-VL-7B、Qwen3-VL-8B和TimeLens-8B的性能。
Comments Project Website: https://ddz16.github.io/mllmsknowwhen.github.io/
幻觉作为利用：证据承载多模态智能体
机构 * Shenzhen University（深圳大学） ； HKUST（香港科技大学）
AI总结 本文研究了多模态智能体中幻觉导致授权失败的问题，提出证据承载多模态智能体（ECA）方法，通过分解工具调用、获取类型证书并使用确定性门控来授权，从而将模型的模糊信念转换为可审计的残余，提高了系统的安全性。
Comments 23 pages, 6 figures, 15 tables
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