高校专区
回归基础：让对话代理仅通过检索与生成来记忆
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 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 本文提出一种基于检索与生成的对话记忆框架，解决长对话中记忆退化问题，通过Turn Isolation Retrieval和Query-Driven Pruning实现高效记忆管理。
Comments 23 pages, 12 figures
RationalRewards: 基于理性反馈的视觉生成推理奖励
机构 * HKUST（香港科技大学） ； University of Waterloo（滑铁卢大学） ； Alibaba（阿里巴巴）
AI总结 RationalRewards通过显式多维反馈提升视觉生成模型，训练时提供可解释奖励，测试时通过生成-反馈-优化循环改进输出，无需参数更新。
Comments Project Page: https://tiger-ai-lab.github.io/RationalRewards/ ; Code, Dataset, Models are released
Stackelberg发言者：优化社会推断游戏中的说服性沟通
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Tencent（腾讯） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出基于Stackelberg竞争的强化学习框架，用于优化社会推断游戏中说服性沟通，通过实验展示其在三种不同游戏中的优越性。
Comments Accepted by ACL 2026
StarVLA-$α$：降低视觉-语言-动作系统复杂度
机构 * HKUST（香港科技大学） ； XJTU（西安交通大学） ； CUHK（香港中文大学） ； THU（清华大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； SmartMore Ltd.（SmartMore有限公司）
AI总结 本文提出StarVLA-$α$，通过简化架构与流程降低实验干扰，系统分析VLA设计关键因素，在多个基准测试中表现优异，优于现有模型20%。
CAGenMol：面向目标的扩散语言模型用于定向分子生成
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Jinan University, Guangzhou（暨南大学（广州））
AI总结 本文提出CAGenMol，一种条件感知的离散扩散框架，用于解决分子生成中异构约束冲突问题，通过结合扩散与强化学习提升生成效果。
学习思考的程度：面向图节点分类的难度感知动态MoE
机构 * Institute of Cyberspace Security, Zhejiang University of Technology（浙江工业大学网络空间安全研究院） ； Binjiang Cyberspace Security Institute of ZJUT（浙江工业大学滨江网络空间安全研究院） ； Soovar Technologies Co., Ltd.（Soovar科技有限公司） ； Department of Electronic and Computer Engineering, Hong Kong University of Science and Technology（香港科技大学电子及计算机工程学系）
AI总结 本文提出D2MoE框架，通过预测熵实现节点级专家资源分配，提升图节点分类任务的效率与准确性，实验表明其在异质图上优于现有方法，且在大规模图上节省内存和训练时间。
WM-DAgger: 通过世界模型实现模仿学习中的高效数据聚合
机构 * Peking University（北京大学） ； JD Logistics（京东物流） ； Nankai University（南开大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Rutgers University（罗格斯大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Institut Polytechnique de Paris（巴黎综合理工学院）
AI总结 本文提出WM-DAgger框架，利用世界模型合成OOD恢复数据，无需人工干预，提升机器人模仿学习效率，实验表明在少样本下显著提高任务成功率。
基于轨迹诱导的偏好优化的移动GUI代理隐私个性化
机构 * Shandong University（山东大学） ； 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） ； New York University（纽约大学） ； Xi'an Jiaotong University（西安交通大学） ； Australian National University（澳大利亚国立大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
AI总结 本文研究移动GUI代理的隐私个性化问题，提出轨迹诱导偏好优化方法，通过偏好强度加权和填充门机制提升隐私保护与任务执行效率。
Comments 10 pages, 6 figures, 3 tables
RoboStereo: 双塔4D具身世界模型用于统一策略优化
机构 * Tsinghua University（清华大学） ； X Square Robot ； HKUST（香港科技大学）
AI总结 本文提出RoboStereo，通过双塔4D具身世界模型实现统一策略优化，解决几何幻觉和缺乏统一优化框架的问题，实验显示在细粒度操作任务中平均相对提升超过97%。
风险感知注入：为安全校准视觉-语言模型而不牺牲实用性
机构 * Shien-Ming Wu School of Intelligent Engineering, South China University of Technology（华南理工大学吴贤铭智能工程学院） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； 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系） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 本文提出RAI框架，通过增强不安全信号恢复视觉-语言模型的安全识别能力，同时保持语义完整性，实验显示有效降低攻击成功率。
AtlasKV：在20GB VRAM中通过十亿级知识图谱增强大语言模型
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Theory Lab, Huawei（华为理论实验室）
AI总结 本文提出AtlasKV，一种通过十亿级知识图谱增强大语言模型的方法，利用子线性时间与内存复杂度实现高效知识整合，无需外部检索模块或长上下文先验。
Comments ICLR 2026
基于均场神经网络的连续时间在线学习：扩散环境中的遗憾分析
机构 * University of Michigan（密歇根大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文研究了由未知系数生成的数据的连续时间在线学习问题，采用两层神经网络进行非前瞻性参数更新，通过均场极限建立随机Wasserstein梯度流，并在扩散环境中推导出均场极限和有限粒子系统的遗憾界。
Comments 64 pages, 5 figures
超越固定水印：大语言模型中的自适应窃取水印
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出自适应窃取算法，通过位置基水印构建和自适应选择模块提升水印窃取效率，增强对抗攻击的灵活性和有效性。
Comments 18 pages,6 figures
基于深度生成的方法用于分层学习
机构 * University of Maryland（马里兰大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出两种深度生成框架用于分层空间分布学习，通过建立收敛速率和内在维度估计方法，验证了在分子动力学等数据集上的有效性。
Comments 79 pages, 5 figures
一种用于对抗具身推理中时空幻觉的渐进训练策略
机构 * Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Qingdao University（青岛大学） ； The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of YYY（YYY大学） ； Institute of WWW（WWW研究所）
AI总结 本文提出一种渐进训练框架，通过构建CoT数据集和弱标签数据提升视觉语言模型的时空推理能力，有效缩小了正反向性能差距。
从兰格罕视角重新思考扩散模型
机构 * Department of Mathematics, The Hong Kong University of Science and Technology（香港科技大学数学系）
AI总结 本文从兰格罕视角系统整理扩散模型，提供更直观的解释，探讨ODE和SDE模型统一框架及扩散模型优于VAE的理论依据。
Comments 20 pages, 7 figures
FORGE：面向制造场景的细粒度多模态评估
机构 * University of Waterloo（滑铁卢大学） ； University of Sydney（悉尼大学） ； Singapore Management University（新加坡管理大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Hunan University（湖南大学） ； Nanyang Technological University（南洋理工大学） ； Royal Melbourne Institute of Technology（皇家墨尔本理工大学） ； City University of Hong Kong（香港城市大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； City University of Hong Kong Shenzhen Research Institute（香港城市大学深圳研究院）
AI总结 本文提出FORGE，构建高质量多模态数据集并评估18种先进MLLM在制造任务中的表现，揭示领域知识不足是主要瓶颈，展示结构化标注可提升模型精度。
Comments Project Page:https://ai4manufacturing.github.io/forge-web
推理作为梯度：超越树搜索的MLE代理扩展
机构 * Nanjing University（南京大学） ； Microsoft Research Asia（微软亚洲研究院） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Wuhan University（武汉大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出Gome，一种基于梯度优化的MLE代理，通过将结构化诊断推理映射到梯度计算，实现更高效的优化。实验显示，随着模型能力增强，梯度优化在前沿模型中表现更优，且在受限预算下达到35.1%的任何奖牌率。
Comments 36 pages, 6 figures, 17 tables
探索跨模态流用于少样本学习
机构 * Department of CSE, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系）
AI总结 本文提出跨模态流匹配对齐（FMA）方法，通过多步调整提升跨模态对齐精度与鲁棒性，在多种基准和模型上均取得显著性能提升。
Comments Accepted by ICLR2026
StaMo：从紧凑状态表示中无监督学习通用机器人运动
机构 * State Key Laboratory of CAD & CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Nanjing University（南京大学） ； HKUST（香港科技大学） ； Ant Group（蚂蚁集团）
AI总结 本文提出StaMo方法，通过轻量编码器和预训练扩散变换器解码器学习高效紧凑状态表示，提升机器人运动性能，并发现通过潜在插值获得的token差异可作为有效潜动作，增强策略协同训练。
ZARA：通过证据驱动的LLM代理实现无训练的运动时间序列推理
机构 * University of New South Wales, Sydney（新南威尔士大学悉尼校区） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 ZARA通过证据驱动的LLM代理实现无训练的运动时间序列推理，利用参考数据构建统计学基础的知识库，提升活动识别的泛化能力和跨领域适应性。
Comments Accepted by ACL 2026 Main Conference
将2D多模态大语言模型适应于3DCT图像分析
机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（香港科技大学电子及计算机工程学系） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程学系） ； Institute of Medical Intelligence and XR, The Chinese University of Hong Kong（香港中文大学医学智能与扩展现实研究所） ； Center for Artificial Intelligence and Robotics, Hong Kong Institute of Science and Innovation, Chinese Academy of Sciences（中国科学院香港创新研究院人工智能与机器人创新中心）
AI总结 本文提出将2D多模态大语言模型适应于3DCT图像分析，设计Text-Guided Hierarchical MoE框架，采用两阶段训练策略提升医学报告生成和视觉问答任务性能。
SMFormer：通过基础模型和数据增强赋能自监督立体匹配
机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； Hong Kong Generative AI Research and Development Center, The Hong Kong University of Science and Technology（香港科技大学香港生成式人工智能研发中心） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Electronics and Communication Engineering, the Shenzhen Campus of Sun Yat-sen University, Sun Yat-sen University（中山大学深圳校区电子与通信工程学院）
AI总结 本文提出SMFormer框架，结合基础模型和数据增强提升自监督立体匹配的鲁棒性与准确性，在多个基准测试中达到SOTA水平，甚至超越部分监督方法。
Journal ref IEEE Transactions on Image Processing 2026
视觉后期分块：一种上下文分块用于高效视觉文档检索的实证研究
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Alibaba Cloud Computing（阿里云） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出ColChunk框架，通过多模态后期分块构建高效上下文化多向量，减少存储需求并提升检索性能。
Comments Preprint
PhyMix：迈向物理一致的单图像3D室内场景生成的隐式-显式优化
机构 * Lingnan University（岭南大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Chinese University of Hong Kong（香港中文大学） ； Peking University（北京大学） ； Shenzhen University（深圳大学）
AI总结 本文提出PhyMix，通过隐式-显式优化框架，结合物理评估器提升生成场景的物理一致性，实现视觉真实且物理合理的3D室内场景生成。
聚光与阴影：基于注意力的双锚点反思解码用于MLLM幻觉缓解
机构 * State Key Laboratory of IOTSC, University of Macau（澳门大学物联网国家重点实验室） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出双锚点反思解码框架DaID，通过动态校准每个token生成来缓解MLLM幻觉，利用视觉注意力分布指导双锚点选择，提升推理能力。
Comments Accepted for Findings of ACL 2026
LoopGuard: 通过动态KV缓存干预打破自增强注意力循环
机构 * Soochow University（苏州大学） ； Tongji University（同济大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang Normal University（浙江师范大学）
AI总结 本文通过系统实验发现长上下文生成中解码会陷入持续重复循环，提出LoopGuard通过动态KV缓存干预检测并打断循环，有效减少循环发生率并恢复输出多样性。
可微自由能面：一种变分方法，用于通过生成深度学习模型直接观察稀有事件
机构 * Department of Physics, The Hong Kong University of Science and Technology（香港科技大学物理系） ； Department of Chemistry, The Hong Kong University of Science and Technology（香港科技大学化学系） ； IAS Center for AI for Scientific Discoveries, Hong Kong University of Science and Technology（香港科技大学人工智能科学发现中心）
AI总结 本文提出变分自由能面（VaFES），通过生成深度学习模型直接建模自由能面，无需数据集，实现稀有事件的快速识别和生成，适用于复杂多体系统的研究。
Comments Main text: 20 pages, 5 figures. Supplement: 12 pages
冲突使大型推理模型容易受到攻击
机构 * International Digital Economy Academy（国际数字经济学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The City University of Hong Kong（香港城市大学） ； DataArc Tech
AI总结 研究探讨了冲突如何影响大型推理模型的安全性，发现冲突显著增加攻击成功率，揭示了安全表示在冲突下的变化，强调需更深入的对齐策略以确保模型的鲁棒性和可信度。
在多模态大语言模型中实现模态专精以在缺失模态下实现鲁棒的虚假新闻检测
机构 * Soochow University（苏州大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； The Hong Kong University of Science and Technology（香港科技大学） ； FiT, Tencent（腾讯FiT） ； Alibaba Group（阿里巴巴集团） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； School of Education, Zhejiang Normal University（浙江师范大学教育学院）
AI总结 本文提出在多模态大语言模型中通过头级专精机制提升鲁棒性，以应对缺失模态下的虚假新闻检测，通过保留模态专精能力与利用稀疏单模注释提升检测性能。
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