Beyond Retrieval: Analytic Memory for Multimodal Agents
超越检索：多模态智能体的分析记忆
机构 * HKUST（香港科技大学） ； ByteDance（字节跳动）
AI总结 本文提出支持检索与分析记忆的AdaMM框架，在MemEye、MemGallery基准上分别提升多模态智能体长期记忆性能11.3%、7.3%，拓展了多模态记忆能力。
高校专区
The Hong Kong University of Science and Technology（香港科技大学）
TriGlue: a Biology-Inspired Generative Model for Generating Molecular Glue-Induced Ternary Complex
TriGlue：一种用于生成分子胶水诱导三元复合物的生物启发式生成模型
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Jilin University（吉林大学） ； University of Sydney（悉尼大学）
AI总结 研究针对分子胶水计算设计未充分探索的问题，提出生物启发式生成框架TriGlue，将三元复合物生成分解为界面估计和条件复合物生成两阶段，经实验验证其能生成有效分子和合理复合物，加速分子胶水发现。
Stream3D: Sequential Multi-View 3D Generation via Evidential Memory
Stream3D: 基于证据记忆的序列多视角3D生成
机构 * World Mind Lab, HKUST（世界心智实验室，香港科技大学） ； Media Lab and EECS, MIT（媒体实验室和电子工程与计算机科学系，麻省理工学院） ； Kempner Institute, Harvard University（凯普纳研究所，哈佛大学）
AI总结 提出Stream3D，一种无需训练的流式机制，通过维护紧凑的证据记忆缓存关键历史帧，将冻结的视角条件3D生成器转换为流式生成器，解决单目视频流中3D生成的时间不一致问题。
Comments Multi-view 3D Generation, Streaming 3D Generation
GS-Playground: A High-Throughput Photorealistic Simulator for Vision-Informed Robot Learning
GS-Playground：一种高吞吐量的视觉真实模拟器用于基于视觉的机器人学习
机构 * THU（清华大学） ； Motphys ； Dexmal ； DISCOVER Robotics ； HKUST(GZ)（香港科技大学（广州）） ； BIT（北京理工大学） ； NUS（新加坡国立大学） ； HITSZ（哈尔滨工业大学） ； XJTU（西安交通大学） ； NJU（南京大学） ； SJTU（上海交通大学） ； D-Robotics
AI总结 GS-Playground通过高吞吐量的多模态模拟框架，结合高效物理引擎和3DGS渲染管道，提升视觉强化学习的效率，降低大规模视觉RL的门槛，实现感知与物理的无缝衔接。
Comments Robotics: Science and Systems 2026
Talker-T2AV: Joint Talking Audio-Video Generation with Autoregressive Diffusion Modeling
Talker-T2AV：基于自回归扩散模型的联合说话音频视频生成
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； Independent Researcher（独立研究者）
AI总结 本文提出Talker-T2AV，通过共享骨干和模态特定解码器实现音频视频联合生成，提升跨模态一致性与生成效率。
Tarot-SAM3: Training-free SAM3 for Any Referring Expression Segmentation
Tarot-SAM3: 无需训练的SAM3用于任意指称表达分割
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）
AI总结 Tarot-SAM3通过引入推理辅助提示和自修复机制，实现对任意指称表达的高效分割，有效解决传统方法对长或隐含表达的处理难题。
Comments We need to make a huge revision
A Deployment-Friendly Foundational Framework for Efficient Computational Pathology
一种适用于部署的高效计算病理学基础框架
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） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（计算机科学与工程系，香港科学与技术大学） ； Department of Pathology, Nanfang Hospital, School of Basic Medical Sciences, Southern Medical University（病理学系，南芳医院，南方医科大学） ； Guangdong Province Key Laboratory of Molecular Tumor Pathology（广东省分子肿瘤病理学重点实验室） ； Jinfeng Laboratory, Chongqing, China（锦峰实验室，重庆，中国） ； Department of General Surgery (Colorectal Surgery), The Sixth Affiliated Hospital, Sun Yat-sen University（普外科（结直肠外科），中山大学第六附属医院）
AI总结 LitePath是一种高效计算病理学基础框架，通过压缩模型和自适应碎片选择器，显著降低计算成本，实现快速、节能的病理图像分析。
Prescribed-Basis Coefficient-to-Coefficient Neural Operator for Partial Differential Equations
通过固定基空间中的系数映射学习算子
机构 * Department of Mathematics（数学系） ； University of Michigan（密歇根大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Algorithms of Machine Learning and Autonomous Driving Research Lab（机器学习与自动驾驶算法研究实验室） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（香港科技大学深圳-香港协同创新研究机构）
AI总结 FB-C2CNet通过固定基空间中的系数映射学习算子，有效降低计算复杂度并提升训练效率。
ReCamDriving: LiDAR-Free Camera-Controlled Video Synthesis for Novel Trajectories
ReCamDriving：无需LiDAR的相机控制新型轨迹视频生成
机构 * Sun Yat-sen University（中山大学） ； ZYT ； Shenzhen Polytechnic University（深圳职业技术大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 ReCamDriving通过基于3DGS的密集渲染和两阶段训练策略，实现了无需LiDAR的相机可控新型轨迹视频生成，构建了ParaDrive数据集并展示了卓越的生成效果。
Comments Project page: https://recamdriving.github.io/
FGGS-LiDAR: Ultra-Fast, GPU-Accelerated Simulation from General 3DGS Models to LiDAR
FGGS-LiDAR：从通用3DGS模型到LiDAR的超快速GPU加速仿真
机构 * Tsinghua University, Shenzhen, China（清华大学深圳研究院） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； DISCOVER Robotics ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR））
AI总结 提出FGGS-LiDAR框架，通过体积离散化和TSDF提取将预训练3DGS资产转换为水密网格，结合GPU加速光线投射实现超500 FPS的LiDAR仿真，在并行设置中比Isaac Sim低一个数量级延迟。
RSC-GestureNet: Reliability-Aware Selective Causal Recognition of Chinese Traffic Police Gestures
RSC-GestureNet：面向中国交通警察手势的可靠性感知选择性因果识别模型
机构 * Academy of Interdisciplinary Studies, The Hong Kong University of Science and Technology（香港科技大学跨学科研究学院） ； Faculty of Innovation Engineering, Macau University of Science and Technology（澳门科技大学创新工程学院）
AI总结 本研究提出RSC-GestureNet，通过对不可靠姿态关节降权、因果聚合时序证据等方式提升中国交通警察手势识别的早期性、稳定性与鲁棒性，在CTPGesture数据集上取得最优性能。
Comments 2026 PRCV Oral; Project Page: https://github.com/chengli24/rsc-gesturenet-prcv2026
Beyond Global Latents: Chunk-Based Sparse Grid VAE for Scalable 3D Modeling
超越全局隐变量：面向可扩展3D建模的基于块的稀疏网格变分自编码器
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tencent Hunyuan（腾讯混元） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 该研究针对稀疏体素网格内存随分辨率快速增长的问题，提出基于块的ChunkVAE，通过局部算子和互补数据算子实现可扩展3D建模，在多基准测试中性能优于或相当基线，且内存与推理效率更优。
Comments 14 pages, 9 figures
DeepVoyager-VL: Incentivizing Vision-in-the-Loop Search for Long-Horizon Multimodal Agents
DeepVoyager-VL：为长视野多模态智能体激励视觉在环搜索
机构 * PKU（北京大学） ； HKUST(GZ)（香港科技大学（广州）） ； NUDT（中国人民解放军国防科技大学） ； OUC（中国海洋大学） ； HITSZ（哈尔滨工业大学（深圳）） ； Huawei Cloud BU（华为云业务部）
AI总结 针对现有多模态深度搜索忽视视觉中间推理作用的局限，提出DeepVoyager-VL框架，构建多模态事件图合成数据，设计智能体框架实现主动视觉获取，经10个基准实验验证其有效性。
LiveLight: Real-time Streaming Video Relighting with Interactive Control
LiveLight：具备交互式控制的实时流视频重光照
机构 * HKUST（香港科技大学） ； University of Macau（澳门大学） ； THU（清华大学） ； UoT（多伦多大学） ； University of Tuebingen（蒂宾根大学）
AI总结 本研究提出首个基于扩散模型的实时流视频重光照框架LiveLight，通过三项关键设计解决三大挑战，在实时速度下达到最优重光照质量，将公开发布相关资源以推动该领域研究。
Comments Accepted by TOG 2026. Project page: https://living-lighting.github.io
Dynamic Resolution Routing for Efficient Egocentric Grounding
面向高效自我中心 grounding 的动态分辨率路由
机构 * National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Nanyang Technological University（南洋理工大学）
AI总结 该研究针对自我中心视觉 grounding 中视觉 token 处理成本过高的问题，提出 SmartRes 框架，通过动态分辨率路由减少视觉 token，在 Ego4D 等数据集上实现 token 缩减与性能提升，代码将公开。
DocNavRAG: Document-Structured Graph RAG with Stateful Evidence Construction for Complex Document Question Answering
DocNavRAG：面向复杂文档问答的、具有状态化证据构建能力的文档结构化图RAG
机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出DocNavRAG，将文档结构组织为可导航图并维护证据状态，在四个文档QA基准上，相比最强基线平均提升答案质量7.8%、上下文充分性17.7%。
Comments 19 pages, 5 figures, 16 tables
Harnessing Adversarial Distillation to Customise Debiased, Disease-Specific Pathology Foundation Models for Breast Cancer
利用对抗蒸馏定制去偏差的、针对乳腺癌的疾病专用病理学基础模型
机构 * School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院） ； School of Computing and Mathematical Sciences, University of Leicester（莱斯特大学计算与数学科学学院） ； Leicester Cancer Research Centre, University of Leicester（莱斯特大学莱斯特癌症研究中心） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Nuffield Department of Medicine, University of Oxford（牛津大学纳菲尔德医学院） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程学系） ； ZoyMed（佐医医疗（ZoyMed））
AI总结 本研究提出SmartStu框架，通过多教师集成蒸馏与对抗蒸馏等技术，定制出比通用PFMs小30倍以上且性能相当的乳腺癌专用病理学基础模型。
Comments 11 pages, 2 figures, 2 tables. Accepted to MICCAI 2026 (early accept)
CORTIVA: Candidate-Score Fusion of Complementary Visual Teachers for EEG- and MEG-to-Image Retrieval
CORTIVA：用于EEG和MEG到图像检索的互补视觉教师的候选分数融合
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 CORTIVA是一种候选分数融合框架，通过保留互补视觉教师的异构证据，在EEG/MEG到图像检索任务中大幅提升了Top-1和Top-5准确率，为神经图像检索提供了更优方案。
Comments 31 pages, 19 figures; includes supplementary information. Code: https://github.com/Fuyunhan/CORTIVA
Remember-R1: Mitigating Long-Context Visual Forgetting through Reinforcement Learning
Remember-R1：通过强化学习缓解长上下文视觉遗忘
机构 * Northwestern Polytechnical University（西北工业大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang University（浙江大学）
AI总结 该研究针对多模态大语言模型的长上下文视觉遗忘问题，提出强化学习框架Remember-R1，通过过程级监督优化视觉依赖与注意力，提升了多模态推理性能。
Comments Accepted by ACM Multimedia 2026
LooperMuscle: Fast and Stable Learning of Humanoid Whole-Body Tracking via Structured Mixture-of-Experts
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: Map-Free End-to-End Trajectory Prediction via Physics-Guided Scene Interaction
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。
Generated Images Are Easier to Forget: A Machine Unlearning Perspective for Synthetic Image Detection
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
Agentic Graph Token Reasoning
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。
Decoding Children's Gait Behavior
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: A Temporal-Robust Construction Safety Benchmark with Graph-Enhanced Data Mining
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: Accelerating LLM Evaluation via CoT-Aware Coreset Selection
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
Distributional Matching for Vector Quantization: A Unified Theoretical and Empirical Framework
用于矢量量化的分布匹配：一个统一的理论和实证框架
机构 * University of Toronto（多伦多大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Boston College（波士顿学院） ； Lehigh University（里海大学） ； Southern University of Science and Technology（南方科技大学）
AI总结 针对现有矢量量化方法训练不稳定和码本崩溃问题，提出分布匹配框架，通过对齐特征和码向量分布缓解上述问题，经理论分析和实验验证，基于瓦瑟斯坦距离目标实例化该框架，在视觉tokenization基准上表现有效且鲁棒。
Comments 33 pages, 17 figures, and 16 tables. arXiv admin note: substantial text overlap with arXiv:2506.15078
Streaming Communication in Multi-Agent Reasoning
多智能体推理中的流式通信
机构 * HKUST(GZ)（香港科技大学（广州）） ； Alibaba Group（阿里巴巴集团） ； ZJU（浙江大学） ； HKUST（香港科技大学）
AI总结 提出流式多智能体推理系统StreamMA，通过将推理步骤实时流式传输给下游智能体来降低延迟，并意外地提升了效果，同时首次给出流式、串行和单协议三种模式的闭式联合分析。
Comments project page: https://zhenyangcs.github.io/StreamMA-website/
TeachArena: Are Language Agents Ready for Realistic Teaching Work?
代理是否准备好教学？一个多阶段基准用于现实世界教学工作流程
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Qwen Team, Alibaba Group（阿里集团通义实验室）
AI总结 本文提出EduAgentBench基准，用于评估教学代理的全面能力，发现当前模型在教学任务中的表现有限，但仍为开发未来教学代理提供了测量基础。
Comments Under review
When Differential Privacy Meets Wireless Federated Learning: An Improved Analysis for Privacy and Convergence
当差分隐私遇见无线联邦学习：一种改进的隐私与收敛分析
机构 * School of Informatics, Xiamen University, China（厦门大学信息学院，中国） ； Internet of Things Thrust, Hong Kong University of Science and Technology (Guangzhou), China（香港科技大学（广州）物联网研究组，中国）
AI总结 本文研究了差分隐私无线联邦学习中隐私损失的精确表征及收敛性，提出通用非凸损失目标下的分析方法，明确设备选择与小批量采样影响，证明隐私损失可收敛于常数，建立梯度裁剪下的收敛保证及隐私-效用权衡。
Comments need revision
