高校专区
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
Lotus-2: 通过强大的图像生成模型推进几何密集预测
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出Lotus-2，一种两阶段确定性框架，用于稳定、准确和精细的几何密集预测，通过充分利用预训练生成先验，实现了单目深度估计和表面法线预测的新状态-of-the-art结果。
Comments v3: Fixed some typos. Project page: https://lotus-2.github.io/
长上下文建模与排名记忆增强检索
机构 * University of New South Wales（新南威尔士大学） ； 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） ； University of Southampton（南安普顿大学） ； Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 本文提出了一种增强的排名记忆增强检索框架，通过动态排名记忆条目和学习到的排名技术，提升语言模型在长上下文任务中的性能和可扩展性。
基于触觉的多模态融合在具身智能中的应用：视觉、语言和接触驱动范式的综述
机构 * School of Electronic Science and Engineering, Xi’an Jiaotong University, China（西安交通大学电子科学与技术学院） ； Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou), China（香港科技大学（广州）人工智能研究所） ； State Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室） ； Purple Mountain Laboratory, China（紫金山实验室） ； Institute for Math & AI, Wuhan University, China（武汉大学数学与人工智能学院） ； Centre for AI and Data Science Innovation and the School of Science and Engineering, James Cook University, Australia（詹姆斯库克大学人工智能与数据科学创新中心及科学与工程学院） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications, China（北京邮电大学人工智能学院） ； Institute of Big Data, Fudan University, China（复旦大学大数据研究院） ； Linkerbot (Beijing) Technology Co., Ltd, China（北京链动科技有限公司） ； School of Engineering, Swinburne University of Technology, Melbourne（斯威本技术大学工程学院）
AI总结 本文综述了多模态触觉融合在具身智能中的研究，探讨了如何通过整合视觉、语言和触觉信息来提升物理交互与语义推理的结合，提出了一种分层的分类体系，并总结了当前的研究挑战和未来方向。
Comments 20 pages, 8 figures
为单目视觉-惯性系统使用前馈3D模型实现高效的特征-free初始化
机构 * MBZUAI（马克斯·普朗克人工智能研究所） ； HKUST (GZ)（香港科技大学（广州）） ； Zhejiang University（浙江大学）
AI总结 本文提出了一种无需视觉特征跟踪的初始化框架，利用前馈3D模型预测的点云，从而提高了单目视觉-惯性导航系统的初始化可靠性与效率，实验表明其初始化成功率超过90%且数据需求显著减少。
注意力劫持：跨查询的视觉-语言模型响应操控
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北京航空航天大学）
AI总结 本文研究了视觉-语言模型中跨查询响应操控问题，提出了一种新的对抗攻击方法Attention Hijacking，通过引导内部注意力分布保持图像主导模式，提高攻击在不同查询下的有效性。
DISA: 分布匹配强化学习中的离线重要性采样
机构 * Shanghai Jiao Tong University（上海交通大学） ； Qwen Team, Alibaba Group（阿里集团Qwen团队） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The University of Science and Technology of China（中国科学技术大学） ； Nanjing University（南京大学） ； The University of Hong Kong（香港大学）
AI总结 本研究提出DISA方法，通过离线重要性采样解决分布匹配强化学习中的校准问题，分离了分区函数估计与策略学习，提高了策略多样性并在多个基准测试中表现出色。
Comments 21 pages, 7 figures, 7 tables. Abstract shortened to respect the arXiv limit of 1920 characters. Please see the PDF for the full abstract
VoxScene: 基于锚点的体素扩散用于室内场景布置
机构 * Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学） ； University of Cambridge（剑桥大学） ； Peking University（北京大学）
AI总结 本文提出VoxScene，一种基于锚点的体素扩散框架，用于3D场景合成。通过引入显式的、以物体为中心的体素表示，解决了现有方法在处理密集环境时的物理碰撞和结构纠缠问题，实现了高保真体素网格的生成，提升了场景布置的物理合理性和形状多样性。
潜在动作控制用于推理引导的统一图像生成
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州））
AI总结 本文提出Latent Action Control (LAC)，通过将推理表示为隐藏的连续动作，使推理过程可操作，从而在统一生成器中实现推理引导的图像生成。LAC通过角色结构化的潜在轨迹进行规划、内部视觉草图、诊断和细化，并将这些动作注入到条件流生成的隐藏流中，从而提升生成质量。
通过缺失模态控制决策漂移的多模态情感分析
机构 * Qingdao Institute of Software, College of Computer Science and Technology, China University of Petroleum (East China)（青岛软件研究所，计算机科学与技术学院，中国石油大学（华东）） ； Shandong Key Laboratory of Intelligent Oil & Gas Industrial Software（山东省智能油气工业软件重点实验室） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出了一种两级参考对齐框架，旨在解决多模态情感分析中因缺失模态和质量不平衡导致的决策漂移问题，通过稳定参考提升鲁棒性，实验表明在不同缺失模态设置下方法有效，且在全模态输入下达到最先进的性能。
Comments Accepted by IJCAI 2026
解耦KL与轨迹：为LLM蒸馏中的SFT、DAgger、离线RL和OPD提供统一视角
机构 * Eastern Institute of Technology（东技术院） ； The Hong Kong Polytechnic University（香港理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（人工智能 thrust，香港科学与技术大学（广州））
AI总结 本文探讨了知识蒸馏中KL散度与轨迹之间的耦合问题，通过解耦两个轴向，提出了四种有效的蒸馏目标，并通过实验揭示了KL方向、前缀源和训练长度之间的权衡关系，提出了KL混合和熵门长度课程等实用方法。
Comments Code available at https://github.com/EIT-NLP/Decoupled-Distill
H-OmniStereo：基于方向对齐法线先验的零样本全方位立体匹配
机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程系，香港科学与技术大学）
AI总结 本文提出H-OmniStereo框架，通过构建高质量合成数据集和引入方向对齐法线估计器，解决全方位立体匹配中数据稀缺和视角先验退化问题，实现更高精度和跨视角一致性。
Comments 8 pages, 9 figures
你的反事实能错到什么程度？在没有对照组的情况下，为连续治疗量化混杂偏倚
机构 * Department of Economics, Cornell University（康奈尔大学经济学系） ； Department of Family and Consumer Sciences, California State University, Long Beach（加州州立大学长滩分校家庭与消费者科学系） ； Society Hub, Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）社会枢纽）
AI总结 本文提出一种因果压力测试框架，通过假设未观测混杂因素对结果和宏观经济变量的加性影响，量化连续治疗下的混杂偏倚，并分析两种估计方法的误差界。
通过物理一致的物体间推理实现高密度环境下的现实到仿真
机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统方向） ； Institute of Data Science, The University of Hong Kong（香港大学数据科学学院）
AI总结 本文提出一种物理约束的现实到仿真管道，通过接触图建模空间依赖性，提升高密度环境中的物体姿态和物理属性的精确性，实现高物理保真度的仿真场景。
Comments Project page: https://physics-constrained-real2sim.github.io
通过确定性表格状态奖励增强表格推理
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； McGill University（麦吉尔大学） ； Université de Montréal（蒙特利尔大学） ； University College London（伦敦大学学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Manitoba（曼尼托巴大学）
AI总结 本文提出TABROUGE，一种无需训练的确定性状态奖励，通过改进的LCS指标评估表格状态，提升表格推理准确率并减少样本需求。
整体大于部分之和：一种兼容性感知的多教师CoT蒸馏框架
机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学） ； Nankai University（南开大学） ； The Hong Kong University of Science and Technology(Guangzhou)（香港科技大学（广州）） ； School of Software Engineering, State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（软件学院，人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学）
AI总结 本文提出COMPACT框架，通过动态加权不同教师的梯度，结合多维指标提升学生模型的推理能力，有效整合多样化推理能力并减少灾难性遗忘。
Comments 11pages, 9figures
TriALS: 三相辅助非增强CT肝脏病变分割基准
机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（香港理工大学电子与计算机工程系） ； AI Center of Excellence, Ain Shams University（爱思明大学人工智能中心） ； Department of Radiology, Ain Shams University（爱思明大学放射科） ； Department of Radiology, Guangdong Provincial Key Laboratory of Malignant Tumor Epigenetics and Gene Regulation, Sun Yat-Sen Memorial Hospital, Sun Yat-Sen University（广东省恶性肿瘤表观遗传与基因调控重点实验室，中山大学孙逸仙纪念医院放射科） ； Nanfang Hospital, Southern Medical University（南方医科大学南华医院） ； Division of Medical Image Computing, German Cancer Research Center (DKFZ), Heidelberg, Germany（德国癌症研究中心（DKFZ）医学影像计算部，海德堡，德国） ； Medical Faculty Heidelberg, Heidelberg University（海德堡大学医学院） ； Faculty of Mathematics and Computer Science, Heidelberg University（海德堡大学数学与计算机科学学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
AI总结 本文提出TriALS挑战，通过多中心150例数据评估自动肝脏病变分割算法，在非增强CT条件下取得人类水平性能，但表现受训练数据规模和预训练策略影响显著。
Comments TriALS challenge paper across MICCAI 2024 and 2025; data and code at https://github.com/xmed-lab/TriALS
超越合规：AI如何通过拒绝帮助创意作家
机构 * 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）） ； Computational Media and Arts (Guangzhou)（计算媒体与艺术（广州）） ； Hong Kong, China（香港，中国）
AI总结 本文探讨AI通过拒绝请求引入反思的可能性，通过22名创意作家的质性研究，发现不同情境、认知和关系维度下的偏好差异影响反思效果，提出摩擦性AI设计的策略。
Comments conditionally accepted to Creativity & Cognition 2026
医疗领域鲁棒多模态表征学习
机构 * University of California, Davis（加州大学戴维斯分校） ； HKUST (GZ)（香港科技大学） ； University of Rochester（罗切斯特大学） ； Tongji University（同济大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Fudan University（复旦大学） ； The University of British Columbia（不列颠哥伦比亚大学）
AI总结 本文提出双流特征去相关框架，通过结构因果分析处理医疗多模态数据中的系统性偏差，提升模型泛化能力，实验验证在MIMIC-IV、eICU和ADNI数据集上的性能提升。
在线资源分配与凸集机器学习建议
机构 * Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院） ； Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology（麻省理工学院电气工程与计算机科学系） ； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology（香港科学与技术大学工业工程与决策分析系）
AI总结 本文提出一种在线资源分配框架，结合凸集机器学习建议，平衡一致性与鲁棒性，通过动态保护水平提升在不确定环境下的性能。
Comments 77 pages, 8 figures
NanoResearch: 为个性化研究自动化共进化技能、记忆与政策
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Xi'an Jiaotong University（西安交通大学） ； East China University of Science and Technology（东华大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出NanoResearch框架，通过三重共进化解决研究自动化中的个性化需求，提升研究效率与用户体验。
Comments 40 pages, 14 figures, 7 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