高校专区
GrandGuard：面向老年人与聊天机器人交互安全的分类、基准及防护措施
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出GrandGuard框架，用于评估和缓解LLM交互中的老年人特定风险，通过建立包含50种细粒度风险类型的三级分类体系，构建了10,404个标注提示和响应的基准，展示了主流LLM在处理老年人特定情境风险时的不足，并通过两种防护措施实现了高达96.2%和90.9%的不安全提示检测准确率。
FlexDraft: 通过注意力调节和奖励引导校准实现灵活的推测解码
机构 * EPIC Lab, SJTU（上海交通大学EPIC实验室） ； UESTC ； School of Software Engineering, HUST（华中科技大学软件工程学院） ； Tsinghua University（清华大学） ； HKUST(GZ)（香港科技大学（广州）） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 本文提出FlexDraft框架，通过注意力调节和奖励引导校准，灵活适应不同批处理大小，解决传统并行推测解码在大批次时的吞吐量下降问题。
从稀疏航拍视图进行前馈高斯点扩散
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Peking University（北京大学） ； The Ohio State University（俄亥俄州立大学）
AI总结 本文提出AnyCity框架，通过观察驱动的生成重建方法，解决稀疏航拍视图中大规模城市场景重建中的证据不平衡问题，通过几何潜在表示和条件化空中完成标记预测，实现高质量的3D高斯点场重建。
Tango3D: 向全局和局部2D-3D对应关系对齐迈进
机构 * HKUST（香港科技大学） ； Tencent Hunyuan（腾讯混元）
AI总结 本文提出Tango3D，一种统一密集对应和全局检索的3D基础模型，通过几何感知的2D视觉骨干网络和预训练的3D VAE将图像编码为2D片段，点云编码为3D标记，并映射到共享空间以实现局部像素-点对齐和全局语义对齐。
通过块近似稀疏注意力实现扩散语言模型的高效长上下文建模
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出了一种块近似稀疏注意力框架（BA-Att），通过块级预下采样操作识别信息区域，避免依赖脆弱的位置先验，从而在保持高性能的同时提升计算效率，实验表明其在注意力计算上比FlashAttention快6.95倍，并在50%稀疏度下保持接近全注意力性能。
Comments CVPR 2026 Findings paper
ContextFlow：长周期具身智能体的分层任务-状态对齐
机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Qiuzhen College, Tsinghua University（清华大学启祯学院） ； Beijing Institute of Mathematical Sciences and Applications（北京数学科学研究院） ； Department of Data Science and Analytics Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）数据科学与分析部门） ； Institute of Microelectronics, Chinese Academy of Sciences（中国科学院微电子研究所） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 本文研究了长周期具身智能体中任务-状态不一致问题，提出ContextFlow框架通过显式合同表示阶段、运行时观测转为证据包以及应用作用域更新来实现任务前沿对齐，提高任务执行的连贯性和可审计性。
MMGS: 通过多视图排序基于最优传输的10倍压缩3DGS
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 本文提出了一种基于最优传输聚合的多视图排序方法，通过全局几何分布匹配问题优化高斯参数，实现3DGS的10倍压缩和10倍加速训练速度，同时保持高质量渲染效果。
Comments 19 pages
潜在动作重参数化用于高效智能体推断
机构 * Université de Montréal（蒙特利尔大学） ； The University of Sydney（悉尼大学） ； Fudan University（复旦大学） ； Yale University（耶鲁大学） ； DeepWisdom ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon Science（亚马逊科学） ； Stanford University（斯坦福大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Mila - Quebec AI Institute（蒙特利尔人工智能研究所）
AI总结 本文提出Latent Action Reparameterization (LAR)框架，通过学习紧凑的潜在动作空间来提升大语言模型智能体的推断效率，减少有效动作 horizon 并保持原始动作空间的表达性。
DiagEval: 用于通过GUI代理进行可靠软件评估的轨迹条件诊断
机构 * DeepWisdom（深智科技） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 该研究提出DiagEval，一种基于轨迹的诊断评估协议，用于在GUI代理评估交互式软件后失败时进行诊断。通过重用失败轨迹选择针对性的诊断探针，并将结果聚合为内部归因信号，从而提高准确性，优于基于重试的基线方法。
TwinRL: 基于数字孪生的强化学习用于真实世界机器人操作
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息处理国家重点实验室，计算机学院，北京大学） ； Simplexity Robotics（Simplexity机器人） ； Tsinghua University（清华大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出TwinRL框架，通过数字孪生与真实世界协同训练，提升视觉-语言-动作模型在真实世界中的探索效率和收敛速度，实现高成功率和快速收敛。
MaxShapley：迈向具有公平上下文归因的激励兼容生成搜索
机构 * Carnegie Mellon University（卡内基梅隆大学） ； HKUST（香港科技大学）
AI总结 本文提出MaxShapley算法，用于在生成搜索流程中公平地归因和补偿内容提供者，该算法基于Shapley值的特例，通过可分解的max-sum效用函数在多项式时间内计算归因，相比Shapley值的指数成本具有更高的效率。
ERIS: 一种面向分布外时间序列分类的能量引导特征解耦框架
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出ERIS框架，通过能量引导机制和语义指导，解决时间序列分类中分布外数据的可靠特征解耦问题，提升模型鲁棒性和泛化能力。
Journal ref Information Fusion 135, 104407 (2026)
PEPL: 精度增强的伪标签法用于半监督学习中的细粒度图像分类
机构 * HKUST(GZ)（香港科技大学（广州）） ； Institute of Deep Perception Technology, JITRI（感知技术研究所，JITRI） ； University of Liverpool（利物浦大学） ； Nanchang University（南昌大学） ； DI^2 Lab（DI²实验室）
AI总结 本文提出PEPL方法，通过生成高质量的伪标签来解决细粒度图像分类中标注数据稀缺的问题，利用CAMs进行语义混合伪标签生成，提升分类精度和鲁棒性。
Comments Accepted by ICASSP 2025
VCR：学习不完整可穿戴信号的有效上下文表示
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 本文提出VCR框架，通过学习鲁棒于模态缺失的表示，解决可穿戴信号不完整问题，提升在多种健康监测任务中的性能和鲁棒性。
Robo-Cortex: 通过双粒认知记忆和自主知识诱导实现自我进化具身智能体
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； X-Humanoid ； Institute of Automation, CAS（中国科学院自动化研究所） ； Beijing University of Aeronautics and Astronautics（北京航空航天大学）
AI总结 本文提出Robo-Cortex框架，通过双粒认知记忆和自主知识诱导机制，使机器人能够自主诱导导航启发式方法并优化认知策略，从而在复杂环境中实现自主导航和探索。
EnvFactory: 通过可执行环境合成和鲁棒强化学习扩展工具使用智能体
机构 * LARK, HKUST (GZ)（LARK，香港科技大学（广州）） ； University of Cambridge（剑桥大学） ； UCL（伦敦大学学院） ； Huawei Technologies Co., Ltd（华为技术有限公司）
AI总结 本文提出EnvFactory框架，通过自动合成可执行环境和鲁棒强化学习，解决工具使用智能体扩展中的环境可扩展性和训练数据不足问题，显著提升训练效率和下游性能。
Comments 11 pages
车载边缘计算中的异构任务卸载：一种联邦元深度强化学习方法
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Chengdu Neusoft University（成都新soft大学）
AI总结 本文提出了一种联邦元深度强化学习框架FedMAGS，用于解决车载边缘计算中异构任务卸载问题，通过图注意力网络捕捉DAG依赖关系，序列到序列策略生成结构化卸载决策，并利用联邦元学习实现跨分布式MEC服务器的快速适应。
聚焦强制：面向内容的每帧KV选择用于高效的自回归视频扩散
机构 * SJTU（上海交通大学） ； SDU（山东大学） ； HUST（华中科技大学） ； UTokyo（东京大学） ； HKUST（香港科技大学） ； SCUT（上海大学） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 本文提出了一种无需训练的KV选择方法，通过结合注意力分数和历史帧的多样性分数，保留最相关和有区别的历史帧，从而在不牺牲质量的情况下提高自回归视频扩散的效率。
具有任意相机轨迹可视化引擎的3D斜高斯散射
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出3D斜高斯散射（3DSGS），通过引入斜高斯分布来提升3D高斯散射的结构保真度和紧凑性，以解决对称高斯分布在捕捉形状和颜色不连续性方面的不足，从而提高可视化效果和空间数据探索的准确性。
Comments 16 pages
可扩展环境驱动可泛化的智能体
机构 * HKUST(GZ)（香港科技大学（广州）） ； DeepWisdom ； PKU（北京大学） ； NUS（新加坡国立大学） ； SUTD（新加坡科技设计大学） ； UdeM & Mila（蒙特利尔大学及Mila）
AI总结 本文探讨了可泛化智能体需要通过可扩展环境来适应多样任务和未见环境的问题，提出环境扩展的核心挑战，并提出了统一的分类方法和可扩展环境的构建范式。
声学干扰：利用声学潜在语义进行通用劫持的新范式，针对大型音频语言模型
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong Polytechnic University（香港理工大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出了一种新的声学干扰方法，通过利用声学潜在语义对大型音频语言模型进行通用劫持，揭示了安全对齐的脆弱性。
Comments 43rd International Conference on Machine Learning (ICML'26)
超越定位：从全景图像中对MLLMs的视角条件空间推理进行综合诊断
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Guangzhou University（广州大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； HKUST(Guangzhou)（香港科技大学（广州））
AI总结 本文研究了多模态大语言模型（MLLMs）在视角变化下的空间推理能力，提出了PCSR-Bench基准测试，评估了14种代表性MLLMs在不同任务上的表现，揭示了空间推理能力的显著差距，并探讨了通过强化学习进行优化的可能性。
Comments 10pages, 4 figures
KVDrive: 一个面向长上下文LLM推理的多层级KV缓存管理系统
机构 * Hong Kong University of Science and Technology China（香港科技大学中国） ； Xi’an Jiaotong University China（西安交通大学中国）
AI总结 本文提出KVDrive，一个面向长上下文LLM推理的多层级KV缓存管理系统，通过联合缓存放置、流水线调度和跨层级协调，实现了高吞吐量的推理，在有限的GPU预算下保持高精度。
MoASE++: 基于领域自适应在线蒸馏的激活稀疏专家混合模型用于持续测试时间适应
机构 * Nanjing University and The Hong Kong Polytechnic University（南京大学和香港理工大学） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学多媒体信息处理国家重点实验室，计算机科学学院） ； University of Arizona（亚利桑那大学） ； Hong Kong University of Science and Technology（香港科技大学） ； School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； Nanjing University（南京大学）
AI总结 本文提出MoASE++，通过结合领域自适应在线蒸馏的激活稀疏专家混合模型，解决持续测试时间适应中领域无关结构与领域特定纹理分离的问题，提升模型在动态视觉环境中的持续适应能力。
STS: 高效稀疏注意力与推测性标记稀疏性
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出STS，一种无需模型再训练的稀疏注意力机制，通过利用较小的草稿模型识别出的重要标记来预测更大目标模型的重要标记，从而在大规模语言模型推理中实现高效的稀疏注意力计算，显著提升速度并保持准确性。
Comments 14 pages, 12 figures
面向大语言模型的信息检索：一种去噪优先的视角
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出了一种以去噪为核心的信息检索方法，强调在信息检索全流程中，最大化可利用证据密度和可验证性是关键瓶颈，通过四个阶段框架和信号-噪声优化技术分类，探讨了信息检索中的挑战和解决方案。
Comments SIGIR 2026
单目开放词汇占用预测用于室内场景
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 该研究提出了一种基于几何的监督方法，用于单目开放词汇室内场景的占用预测，通过引入一种基于Poisson的透明度感知方法和逐步温度衰减调度，提高了几何和语义对齐的稳定性与精度，实验结果显示在Occ-ScanNet数据集上取得了较高的IoU和mIoU指标。
Comments Accepted at CVPR2026 Oral
CodeScaler: 通过奖励模型扩展代码大语言模型的训练和测试时间推理
机构 * LARK, HKUST(GZ)（LARK，香港科技大学（广州）） ； Kuaishou Technology（快手科技） ； UCL（伦敦大学学院） ； UZH（苏黎世联邦理工学院） ； NUS（国立新加坡大学）
AI总结 本文提出CodeScaler，一种通过奖励模型扩展代码生成模型的训练和测试时间推理的框架，通过精心编纂的偏好数据和语法感知的代码提取，实现了在四个编码基准上比基于执行的RL提升1.55分，在Qwen3-14B-Base上提升4.23分，并在无测试用例的情况下通过合成数据进一步提升14.64分，同时在推理时间减少10倍的延迟，且在代码、通用和推理领域均优于现有奖励模型。
观看、推理与搜索：一个面向开放网络的视频深度研究基准，用于代理视频推理
机构 * LZU（兰州大学） ； HKUST(GZ)（香港科技大学（广州）） ； UBC（不列颠哥伦比亚大学） ； FDU（福建大学） ； PKU（北京大学） ； USC（美国南加州大学） ； NUS（新加坡国立大学） ； UCAS（中国科学院大学） ； HKUST（香港科技大学） ； QuantaAlpha（量子Alpha）
AI总结 本文提出VideoDR基准，用于研究开放网络环境下视频代理推理，通过跨帧视觉锚点提取、交互式网络检索和多跳推理验证，揭示了长检索链中维持初始视频锚点、目标漂移和长时程一致性等关键挑战。
PhyAVBench: 一个具有挑战性的音频物理敏感性基准，用于物理基础的文本到音频视频生成
机构 * HKUST(GZ)（香港科技大学（广州）） ； Tencent（腾讯）
AI总结 本文提出PhyAVBench，一个用于评估文本到音频视频生成、图像到音频视频生成和视频到音频生成模型中音频-物理基础能力的基准，通过引入新的数据集和评估方法，揭示了当前模型在物理合理音频生成方面的不足。
Comments 6 major physical dimensions, 41 fine-grained test points, 337 groups of variable-controlled test samples, 11,605 newly recorded videos
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