高校专区
MarineEVT：通过视觉工具推理推进以事件为中心的海洋视频理解
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 针对海洋视频理解面临的挑战，构建MarineEVT数据集，将其理解分解为EVT-R1过程，利用视觉工具驱动模型。实验显示EVT-R1优于多个SOTA VLMs，为海洋相关发展奠定基础并推动VLMs进步。
Comments Accepted to The 19th European Conference on Computer Vision (ECCV) 2026
MemVLN：用于视觉与语言导航的情景记忆和程序记忆
机构 * The Chinese University of Hong Kong（香港中文大学） ； LIGHTSPEED（光速） ； The University of Hong Kong（香港大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究连续环境中视觉与语言导航问题，提出MemVLN框架，利用视觉编码器、大语言模型，通过情景记忆管理和程序记忆，实现实时推理，提升导航成功率并降低推理延迟。
γ-桥：一种外观参数化扩散桥
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Macquarie University（麦考瑞大学） ； Ningxia University（宁夏大学）
AI总结 针对乘法伽马噪声在相干成像中的问题，提出γ-桥这一外观参数化扩散桥，通过特定调度连接噪声观测与干净极限，结合均匀补丁外观估计器，能处理多传感器数据，实现零样本恢复且结果领先，还提供可物理解释的控制。
Comments 13 pages, 9 figures
CARA：用于可解释碰撞预测的概念感知风险注意力
机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Pennsylvania（宾夕法尼亚大学） ； Renmin University of China（中国人民大学）
AI总结 研究自动驾驶碰撞预测问题，提出CARA框架，从事故叙述中获取风险概念并与视频帧对齐成轨迹，将语义风险因素作为动态证据，结合可解释性与预测过程，实验证明其能提高预测准确性和预警及时性。
Comments Accepted to ACM Multimedia 2026(Oral)
SceneActBench：智能体能否对其所看到的3D场景采取行动？
机构 * Tencent Hunyuan（腾讯混元） ； THU（清华大学） ； NJU（南京大学） ； HKUST（香港科技大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； PKU（北京大学）
AI总结 研究视觉语言模型智能体在3D场景行动能力，提出SceneActBench基准测试，涵盖五个3D任务，通过特定指标评估智能体输出，分析不同配置得分及失败情况，为评估智能体在多对象3D场景行动提供依据。
智能体基准测试能衡量能力吗？智能体人工智能时代的协议有效性
机构 * Tencent（腾讯） ； The Hong Kong University of Science and Technology（香港科技大学） ； Duke Kunshan University（昆山杜克大学）
AI总结 研究智能体基准测试分数能否衡量能力，提出协议有效性概念及HackDetect事后审计方法，通过审计多基准测试轨迹发现暴露和奖励破解证据，量化分数膨胀，强调基准测试报告应证明分数反映预期能力。
通过命令实现稀疏化：多任务推理加速器的任务条件计算跳过
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 研究多任务推理模型计算浪费问题，提出软硬件协同设计方法，通过轻量级门控网络预测执行掩码实现任务条件计算跳过，在自动驾驶任务中实验，显著减少计算量、延迟并降低能耗。
Comments Accepted at IEEE/ACM International Symposium on Microarchitecture (MICRO 2026)
FBLayout：为在移动GPU上高效微调大语言模型优化内存布局
机构 * University of Macau（澳门大学） ； University of Georgia（佐治亚大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究针对移动GPU上Transformer模型微调内存低效问题，提出FBLayout框架，通过统一布局、索引转换及激活引导选择等方法，在多手机多模型测试中实现加速，提高缓存效率并减少内存占用，助力设备上大模型微调。
Comments 13 pages, 21 figures, Mobisys 2026
FlowEvo：通过工作流和可执行技能的协同进化实现自我进化的智能体
机构 * Southeast University（东南大学） ； Rensselaer Polytechnic Institute（伦斯勒理工学院） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究旨在让大型语言模型智能体通过工作流解决复杂任务。提出FlowEvo框架，通过工作流到技能编译、技能到工作流反馈、技能管理三个机制，使智能体无需更新模型参数积累完善能力，实验显示其在基准测试中精度-成本权衡优，各机制有贡献。
抓取、交接、旋转：通过组合扩散和基于能量的优化实现双手物体重新定向
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 研究双手物体重新定向问题，提出基于组合扩散和能量的BiCompoDiff框架，联合优化多方面任务，结合预训练模型与能量模型，通过梯度引导和采样优化抓取姿态，实验表明其成功率和轨迹平滑度优于基线，实现有效模拟到现实转移。
Comments IROS 2026
WAT3R：前馈水下三维重建
机构 * 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） ； Peking University（北京大学）
AI总结 针对水下光衰减等导致三维重建难的问题，提出WAT3R前馈框架，利用退化适应及轻量级神经适应模块，单次前向传播直接输出三维点图和相机姿态，实验证明其在多类三维重建任务中优于现有方法。
FA-LAM：用于一次性4D可动画化高斯头部的焦点感知大型头像模型
机构 * HKUST（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； Beihang University（北京航空航天大学） ； Lingnan University（岭南大学）
AI总结 提出FA-LAM模型用于一次性创建可动画化高斯头部及实现3D、4D全头部恢复。通过分析注意力机制等确定影响因素，采用对称语义注意力正则化等方法解决问题，增强模型支持多视图和流式4D重建，提升了头部重建质量。
CMI-Mem：通过CMI增强的强化学习实现可泛化的长期内存管理
机构 * Alibaba Group（阿里巴巴集团） ； HKUST（香港科技大学） ； PolyU（香港理工大学） ； HKUST(GZ)（香港科技大学（广州））
AI总结 研究针对现有内存管理器模型局限，提出基于强化学习的CMI-Mem模型，结合下游问答正确性与内在条件互信息CMI作为混合奖励，可评估新输入信息，补充而非取代问答基础，实现可泛化的长期内存管理。
StrideDiffusion：加速用于时间序列生成的扩散模型
机构 * UNSW（新南威尔士大学） ； RMIT（皇家墨尔本理工大学） ； Aalto University（阿尔托大学） ； HKUST(GZ)（香港科技大学（广州））
AI总结 研究针对扩散模型推理时去噪步骤多限制实际应用的问题，提出StrideDiffusion采样器，依据频带活动自适应选步长，经实验验证该方法能大幅加速时间序列生成，保持或提升质量，为快速采样提供实用信号。
Comments Under Review
用于流式航空视频中小目标理解的内存增强多模态大语言模型
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Freiburg（弗莱堡大学） ； Hangzhou City University（杭州城市大学） ； XGRIDS（XGRIDS公司） ； Fudan University（复旦大学） ； Hong Kong Baptist University（香港浸会大学）
AI总结 研究针对流式航空视频中小目标理解难题，提出像素级开放词汇数据集DroneEyes，以及含语义感知令牌路由器和分层内存库的多模态大语言模型SkyAnchor，从数据和方法角度应对挑战。
无时间范围依赖的强化学习的渐近最优遗憾值
机构 * University of Washington（华盛顿大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究有限时间范围齐次表格马尔可夫决策过程的无时间范围遗憾值最小化，提出新算法，证明遗憾值上界\( \tilde O(\sqrt{SAK}+S^8A^3) \)，渐近最优且消除\( \log H \)依赖，改进先前结果。
Comments 78 pages
VizRAG：通过超图可视化增强检索增强生成
机构 * Southern University of Science and Technology（南方科技大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Huawei Research（华为研究院） ； Beihang University（北京航空航天大学）
AI总结 研究旨在增强检索增强生成，核心方法是通过视觉线索将超图感知整合到RAG系统中，引入VizRAG支持视觉超图结构感知，实验证明该方法显著优于基线，验证了超图可视化用于RAG系统的潜力。
用于深度弱监督图像分割的统一变分框架
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Hetao Institute of Mathematics and Interdisciplinary Sciences（河套数学与交叉科学研究所） ； Georgia Institute of Technology（佐治亚理工学院） ； Xiangtan University（湘潭大学） ； Norwegian Research Center（挪威研究中心）
AI总结 提出用于稀疏像素级监督图像分割的统一变分框架，基于特定模型产生能量泛函作训练损失，利用RKHS构建模糊隶属函数纳入稀疏标签，实验显示该方法比基线更优，无需真实分割图像即可有可比性能。
CR-Refiner：用于编辑条件3D场景检索的以对象为中心的最优传输重排器
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 研究编辑条件3D场景检索问题，提出CR-Refiner重排器，通过冻结语言模型解析编辑、不平衡最优传输问题评分候选对象、轴条件结构先验及语言模型验证器细化结果，在不同基础检索器上提升了硬子集检索指标。
GATE-3D：用于开放集3D形状检索的几何感知测试时自适应重排
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 研究针对开放集3D形状检索中几何与外观特征融合问题，提出GATE-3D轻量级查询自适应重排方法，通过捕捉模态不一致特征预测分数调整排名，实验表明该方法优于外观检索且更稳健，提升了mAP等指标，还发现线性路由在低数据时更有效。
动态环境中基于送货无人机的参与式传感的强化学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beijing Institute of Technology（北京理工大学）
AI总结 研究动态环境中基于送货无人机的参与式传感问题，提出双时间尺度强化学习框架TSRL，该框架分宏观和微观两层协作决策，实验表明其显著优于基线，在杭州和上海分别提升系统利润20.1%和46.6%。
VEHBench：用于大语言模型辅助振动能量采集器设计的阶段局部诊断基准测试
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 研究针对无电池物联网中振动能量采集器设计，引入VEHBench基准测试，评估大语言模型在耦合物理设计不同阶段的表现，通过763个任务及四个设计角色测试，发现模型能力依赖阶段，为评估、选择等工程大语言模型提供阶段感知基础。
优势聚合而非比率聚合：合作多智能体策略优化的规范形式分析
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究合作多智能体策略优化中聚合相邻智能体的问题，将设计选择形式化为支持矩阵，证明规范结构，得出聚合应在优势中按耦合邻域大小进行且保持每个智能体比率的设计原则。
ETAS：一种用于智能体系统的效果类型化语言
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 研究针对智能体系统设计ETAS语言，核心方法是通过规范一致性分配类型并用行为索引跟踪计算，主要贡献是为智能体执行相关推理提供编程语言基础，涵盖授权、非确定性等方面，还实现了该语言并形式化相关性质。
DRNOISE：在误导性证据环境中对深度研究代理进行基准测试
机构 * Hong Kong Baptist University（香港浸会大学） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究在误导性证据环境下深度研究代理的表现，引入DRNOISE基准，每个任务含正确答案及冲突文档，涵盖多类证据操作。测试发现代理存在验证惰性，通用提示可缩小差距，强调可靠深度研究需积极协调主张与证据。
Comments 16 pages, 2 figures, 11 tables
多模态情感分析中缺失模态总是需要修复吗？
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） ； Nanyang Technological University（南洋理工大学） ； Singapore Institute of Manufacturing Technology, A*STAR（新加坡制造技术研究所，新加坡科技研究局） ； Lingnan University（岭南大学）
AI总结 研究多模态情感分析中缺失模态是否总需修复，提出SIEVE方法，通过比较直接预测与修复分支，从样本损失差距得经验充分性信号，经证据门路由输入，与修复无关，实验证明其能改进修复主干并接近最优值。
EvolvingWorld：用于交互式文学世界中角色与世界模型协同进化的开放架构框架
机构 * Hong Kong University of Science and Technology（香港科技大学） ； LIGHTSPEED（光速） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 研究交互式文学世界中角色与世界协同进化问题，提出EvolvingWorld框架，含角色智能体和世界模型两个耦合模块，制定7个可训练任务，构建数据集并引入评估协议，实验证明其能有效改进长期模拟。
用人类策略解释和调整基于Transformer的语言模型在算术任务中的表现
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 研究基于Transformer的语言模型在算术任务中的表现，通过分解任务、分析损失收敛等，应用人类策略和方法提升其性能，并经多种验证展示有效性，探索其与人类学习者相似性以增强关键应用中的信任。
DepthART：将基础单目深度模型扩展到小型模型
机构 * University of Trento（特伦托大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学）
AI总结 研究旨在将基础单目深度模型扩展到小型模型，核心方法是结合抗偏差数据采样与相机条件微调策略的DepthART，主要贡献是在多数据集上取得更好的零样本泛化和度量精度，还提供了可扩展模型家族。
Comments Accepted in ACM Multimedia 2026 ; Code: https://github.com/xuefeng-cvr/DepthART ; Project page: https://xuefeng-cvr.github.io/DepthART ;
基于数值天气预报的傅里叶几何风力发电预测
机构 * 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） ； Tsinghua University（清华大学） ； Goldwind Science and Technology Co.,Ltd（金风科技股份有限公司）
AI总结 研究针对风力发电预测难题，提出多模态框架，整合SCADA数据与NWP预测。先分解输入特征，再用几何编码器和傅里叶神经算子建模，实验表明该模型优于现有基线，凸显基于物理设计的有效性。
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