The Hong Kong University of Science and Technology（香港科技大学）

BTC-LLM: Efficient Sub-1-Bit LLM Quantization via Learnable Transformation and Binary Codebook

BTC-LLM: 通过可学习转换和二进制代码表实现高效的亚1位LLM量化

Hao Gu, Lujun Li, Hao Wang, Lei Wang, Zheyu Wang, Bei Liu, Jiacheng Liu, Qiyuan Zhu, Sirui Han, Yike Guo

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； City University of Hong Kong（香港城市大学） ； University of Electronic Science and Technology of China（电子科技大学） 纠错

AI总结 BTC-LLM通过二进制模式聚类和权重转换克服传统二值化限制，实现亚1位LLM量化，在极端压缩下达到1.11-0.7 bits的压缩率，同时保持高性能和高效推理。

Physically Plausible Human-Object Rendering from Sparse Views via 3D Gaussian Splatting

基于稀疏视角的物理合理人类-物体渲染：通过3D高斯点云

Weiquan Wang, Jun Xiao, Yi Yang, Yueting Zhuang, Long Chen

机构 * College of Computer Science, Zhejiang University（浙江大学计算机科学与技术学院） ； 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系） 纠错

AI总结 本文提出HOGS框架，通过3D高斯点云实现高效且物理合理的稀疏视角人类-物体渲染，解决高渲染质量、物理合理性与计算效率的平衡问题。

Comments 16 pages, 14 figures, accepted by IEEE Transactions on Image Processing (TIP)

RectifiedHR: Enable Efficient High-Resolution Synthesis via Energy Rectification

RectifiedHR: 通过能量 rectification 实现高效高分辨率合成

Zhen Yang, Guibao Shen, Minyang Li, Liang Hou, Mushui Liu, Luozhou Wang, Xin Tao, Ying-Cong Chen

机构 * HKUST(GZ)（香港科技大学（广州）） ； Kuaishou Technology（快手科技） ； HKUST（香港科技大学） ； Zhejiang University（浙江大学） 纠错

AI总结 本文提出RectifiedHR，一种无需训练的高效高分辨率合成方法，通过噪声刷新策略提升效率，并首次发现能量衰减现象，通过调整引导超参数改善生成质量，兼容多种扩散模型技术。

Comments Project Page: https://zhenyangcs.github.io/RectifiedHR-Diffusion/

AudioKV: KV Cache Eviction in Efficient Large Audio Language Models

AudioKV: 在高效大音频语言模型中实现KV缓存淘汰

Yuxuan Wang, Peize He, Xiyan Gui, Xiaoqian Liu, Junhao He, Xuyang Liu, Zichen Wen, Xuming Hu, Linfeng Zhang

机构 * EPIC Lab, Shanghai Jiao Tong University（上海交通大学EPIC实验室） ； Xidian University（西安电子科技大学） ； HKUST (GZ)（香港科技大学（广州）） 纠错

AI总结 本文提出AudioKV框架，通过硬件友好的语义-音频对齐机制优先处理音频关键注意力头，结合Spectral Score Smoothing技术提升缓存效率，实验表明其在压缩比40%时保持高精度。

Argus: Reorchestrating Static Analysis via a Multi-Agent Ensemble for Full-Chain Security Vulnerability Detection

Argus：通过多智能体集合重新编排静态分析以实现全链路安全漏洞检测

Zi Liang, Qipeng Xie, Jun He, Bohuan Xue, Weizheng Wang, Yuandao Cai, Fei Luo, Boxian Zhang, Haibo Hu, Kaishun Wu

机构 * The Hong Kong Polytechnic University（香港理工大学） ； HKUST（香港科技大学） ； SF Express（顺丰速运） ； Great Bay University（大湾区大学） 纠错

AI总结 Argus通过多智能体框架提升静态分析效率，结合RAG和ReAct技术减少漏洞误报，发现更多真实漏洞并降低运营成本。

ClawLess: A Security Model of AI Agents

ClawLess：AI代理的安全模型

Hongyi Lu, Nian Liu, Shuai Wang, Fengwei Zhang

机构 * Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； Department of Computer Science and Engineering, Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； 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） 纠错

AI总结 ClawLess提出一种形式化安全框架，通过在最坏情况威胁模型下强制验证策略，确保AI代理运行时的安全性，结合BPF技术实现动态策略的高效执行。

From Exposure to Internalization: Dual-Stream Calibration for In-context Clinical Reasoning

从暴露到内化：用于上下文临床推理的双流校准

Chuang Zhao, Hongke Zhao, Xiaofang Zhou, Xiaomeng Li

机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（香港科技大学电子与计算机工程系） ； College of Management and Economics, Laboratory of Computation and Analytics of Complex Management Systems (CACMS), Tianjin University（天津大学管理与经济学部、复杂管理系统计算与分析实验室） ； 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系） 纠错

AI总结 本文提出双流校准框架，通过协同对齐两个校准流实现深度内化，提升临床推理的上下文适应能力，验证表明其在三个任务中优于现有方法。

QA-MoE: Towards a Continuous Reliability Spectrum with Quality-Aware Mixture of Experts for Robust Multimodal Sentiment Analysis

QA-MoE：迈向具有质量感知专家混合的连续可靠性光谱以实现稳健的多模态情感分析

Yitong Zhu, Yuxuan Jiang, Guanxuan Jiang, Bojing Hou, Peng Yuan Zhou, Ge Lin Kan, Yuyang Wang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； Aarhus University（奥胡斯大学） 纠错

AI总结 本文提出QA-MoE框架，通过自监督的aleatoric不确定性量化模态可靠性，以应对多模态输入中的动态噪声和模态缺失问题，实现稳健的情感分析。

SpatialEdit: Benchmarking Fine-Grained Image Spatial Editing

SpatialEdit：细粒度图像空间编辑基准测试

Yicheng Xiao, Wenhu Zhang, Lin Song, Yukang Chen, Wenbo Li, Nan Jiang, Tianhe Ren, Haokun Lin, Wei Huang, Haoyang Huang, Xiu Li, Nan Duan, Xiaojuan Qi

机构 * The University of Hong Kong（香港大学） ； JD Explore Academy（京东探索研究院） ； Tsinghua University（清华大学） ； 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） 纠错

AI总结 本文提出SpatialEdit-Bench基准测试，结合视角重建和框架分析评估空间编辑的感知合理性和几何精度，并构建了SpatialEdit-500k合成数据集和SpatialEdit-16B基线模型，实现细粒度空间编辑的高效训练与评估。

Comments Code: https://github.com/EasonXiao-888/SpatialEdit

Rendering Multi-Human and Multi-Object with 3D Gaussian Splatting

多人类和多物体的3D高斯散射渲染

Weiquan Wang, Jun Xiao, Feifei Shao, Yi Yang, Yueting Zhuang, Long Chen

机构 * State Key Lab of CAD&CG, College of Computer Science, Zhejiang University（浙江大学计算机科学与技术学院计算机辅助设计与图形学国家重点实验室） ； 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系） 纠错

AI总结 本文提出MM-GS框架，通过实例级多视图融合和场景级实例交互模块，解决多人类和多物体动态场景重建中的视图一致性与复杂依赖建模问题，实现高保真渲染。

Comments 8 pages, 4 figures, accepted by ICRA 2026

PyFi: Toward Pyramid-like Financial Image Understanding for VLMs via Adversarial Agents

PyFi: 通过对抗代理实现金字塔式金融图像理解的愿景语言模型

Yuqun Zhang, Yuxuan Zhao, Sijia Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Yantai Research Institute, Harbin Engineering University（哈尔滨工程大学烟台研究院） 纠错

AI总结 PyFi通过对抗代理生成的金字塔结构数据集，提升VLM在金融图像理解中的推理能力，实验显示模型在复杂金融问题上的准确率提升19.52%。

Faithful-First Reasoning, Planning, and Acting for Multimodal LLMs

多模态大语言模型中的忠实优先推理、规划与行动

Junxian Li, Xinyue Xu, Sai Ma, Di Zhang, Sichao Li

机构 * Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Australian National University（澳大利亚国立大学） ； Fudan University（复旦大学） ； University of Sydney（悉尼大学） 纠错

AI总结 本文提出Faithful-First RPA框架，通过逐步监督提升多模态推理的忠实度，实验表明其在多个基准上提升了24%的感知忠实度，且不降低任务准确性。

Comments Accepted by ACL 2026 Findings

SoftHGNN: Soft Hypergraph Neural Networks for General Visual Recognition

SoftHGNN: 用于通用视觉识别的软超图神经网络

Mengqi Lei, Yihong Wu, Siqi Li, Xinhu Zheng, Juan Wang, Shaoyi Du, Yue Gao

机构 * Tsinghua University（清华大学） ； Yangtze Delta Region Institute of Tsinghua University, Zhejiang（清华大学长三角研究院（浙江）） ； Taiyuan University of Technology（太原理工大学） ； 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） 纠错

AI总结 本文提出SoftHGNN，通过引入软超边和稀疏选择机制，提升视觉识别中高阶关联的建模能力，实现更高效的语义推理。

Comments This paper has been accepted by the International Journal of Computer Vision (IJCV)

AFL: A Single-Round Analytic Approach for Federated Learning with Pre-trained Models

AFL：基于预训练模型的联邦学习单轮分析方法

Run He, Kai Tong, Di Fang, Han Sun, Ziqian Zeng, Haoran Li, Tianyi Chen, Huiping Zhuang

机构 * South China University of Technology（华南理工大学） ； Tsinghua University（清华大学） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心） ； The Hong Kong University of Science and Technology（香港科技大学） ； Microsoft（微软） 纠错

AI总结 本文提出AFL，一种利用分析解的联邦学习方法，通过单轮训练和绝对聚合法则，减少通信开销并提升收敛速度，具有数据分区不变性。

Comments Published in CVPR 2025

TC-AE: Unlocking Token Capacity for Deep Compression Autoencoders

TC-AE：解锁深度压缩自编码器的token容量

Teng Li, Ziyuan Huang, Cong Chen, Yangfu Li, Yuanhuiyi Lyu, Dandan Zheng, Chunhua Shen, Jun Zhang

机构 * Inclusion AI, Ant Group（蚂蚁集团） ； HKUST（香港科技大学） ； ZJU（浙江大学） ； ECNU（华东师范大学） ； HKUST (GZ)（香港科技大学（广州）） 纠错

AI总结 TC-AE通过调整ViT中的patch size实现token数量扩展，解决高压缩比下的潜在表示崩溃问题，提升生成性能。

Mem3R: Streaming 3D Reconstruction with Hybrid Memory via Test-Time Training

Mem3R: 基于混合记忆的流式3D重建

Changkun Liu, Jiezhi Yang, Zeman Li, Yuan Deng, Jiancong Guo, Luca Ballan

机构 * Google（谷歌） ； The Hong Kong University of Science and Technology（香港科技大学） ； University of Southern California（南加州大学） 纠错

AI总结 Mem3R通过分离相机跟踪与几何映射，利用隐式快权记忆和显式token状态提升长序列的时序一致性，相比CUT3R显著提升性能并减小模型规模。

Comments Project page: https://lck666666.github.io/Mem3R/

A Utility-preserving De-identification Pipeline for Cross-hospital Radiology Data Sharing

一种保持效用的跨医院放射学数据共享脱敏流程

Chenhao Liu, Zelin Wen, Yan Tong, Junjie Zhu, Xinyu Tian, Yuchi Liu, Ashu Gupta, Syed M. S. Islam, Tom Gedeon, Yue Yao

机构 * Shandong University（山东大学） ； Australian National University（澳大利亚国立大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Curtin University（科廷大学） ； Edith Cowan University（埃迪斯科文大学） ； University of Western Australia（西澳大利亚大学） 纠错

AI总结 本文提出一种保持效用的脱敏流程，用于跨医院放射学数据共享，通过黑名单和白名单过滤机制，在保护隐私的同时保留诊断相关病理信息，实验证明其在诊断准确性上的竞争力。

ACE-Merging: Data-Free Model Merging with Adaptive Covariance Estimation

ACE-Merging：无数据模型融合与自适应协方差估计

Bo Xu, Haotian Wu, Hehai Lin, Weiquan Huang, Beier Zhu, Yao Shu, Chengwei Qin

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出ACE-Merging方法，通过自适应协方差估计实现无数据模型融合，解决专家模型间干扰问题，实验表明其在视觉和语言基准上优于现有方法。

Comments Accepted to CVPR 2026 (Main Track)

Efficient and Principled Scientific Discovery through Bayesian Optimization: A Tutorial

通过贝叶斯优化实现高效且原则性的科学发现：教程

Zhongwei Yu, Rasul Tutunov, Alexandre Max Maraval, Zikai Xie, Zhenzhi Tan, Jiankang Wang, Bin Cao, Zijing Li, Liangliang Xu, Qi Yang, Jun Jiang, Sanzhong Luo, Zhenxiao Guo, Tongyi Zhang, Haitham Bou-Ammar, Jun Wang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Haihe Laboratory of Sustainable Chemical Transformations（海河可持续化学转化实验室） ； Shanghai University（上海大学） ； University College London（伦敦大学学院） 纠错

AI总结 本文通过贝叶斯优化框架，系统阐述了如何通过自动化科学发现循环提升实验效率，涵盖催化、材料科学等领域的案例研究及技术扩展。

PhageBench: Can LLMs Understand Raw Bacteriophage Genomes?

PhageBench: LLMs能否理解原始噬菌体基因组？

Yusen Hou, Weicai Long, Haitao Hu, Houcheng Su, Junning Feng, Yanlin Zhang

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 PhageBench通过模拟生物信息学专家流程，评估LLM对噬菌体基因组的理解能力，发现通用模型在噬菌体contig识别和宿主预测上表现优异，但在复杂推理任务中存在明显局限。

GenomeQA: Benchmarking General Large Language Models for Genome Sequence Understanding

GenomeQA：用于基因组序列理解的通用大型语言模型基准测试

Weicai Long, Yusen Hou, Junning Feng, Houcheng Su, Shuo Yang, Donglin Xie, Yanlin Zhang

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） 纠错

AI总结 GenomeQA旨在评估通用大型语言模型在基因组序列推理任务中的表现，包含5200个样本，涵盖六个任务家族，揭示模型在直接接触原始基因组序列时的表现。

Comments 18 pages, 9 figures, coference

SGANet: Semantic and Geometric Alignment for Multimodal Multi-view Anomaly Detection

SGANet：语义与几何对齐用于多模态多视角异常检测

Letian Bai, Chengyu Tao, Juan Du

机构 * Smart Manufacturing Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）智能制造学域） ； College of Mechanical and Vehicle Engineering, Hunan University（湖南大学机械与运载工程学院） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 SGANet通过语义与几何对齐方法，提升多模态多视角异常检测的性能，实验表明其在SiM3D和Eyecandies数据集上达到最先进的效果。

Uncovering Linguistic Fragility in Vision-Language-Action Models via Diversity-Aware Red Teaming

通过多样性感知的红队行动揭示视觉-语言-动作模型中的语言脆弱性

Baoshun Tong, Haoran He, Ling Pan, Yang Liu, Liang Lin

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文提出DAERT框架，通过评估统一策略生成多样化挑战性指令，揭示VLA模型在语言变化下的脆弱性，实验显示任务成功率从93.33%降至5.85%。

Learning What Matters: Dynamic Dimension Selection and Aggregation for Interpretable Vision-Language Reward Modeling

学习什么重要：可解释视觉语言奖励建模的动态维度选择与聚合

Qiyuan Chen, Hongsen Huang, Jiahe Chen, Qian Shao, Jintai Chen, Hongxia Xu, Renjie Hua, Chuan Ren, Jian Wu

机构 * Zhejiang University（浙江大学） ； Soochow Securities Co.,Ltd.（东吴证券股份有限公司） ； HKUST(GZ)（香港科技大学（广州）） ； Nanjing University（南京大学） 纠错

AI总结 本文提出VL-MDR框架，通过动态分解评价为细粒度可解释维度，提升视觉语言奖励建模的可解释性与效率，实验显示其在基准测试中优于现有模型，并有效缓解视觉幻觉。

Comments ACL 2026 Main

Synergizing Efficiency and Reliability for Continuous Mobile Manipulation

融合效率与可靠性以实现连续移动操作

Chengkai Wu, Ruilin Wang, Yixin Zeng, Jiayuan Wang, Mingjie Zhang, Guiyong Zheng, Qun Niu, Juepeng Zheng, Jun Ma, Boyu Zhou

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Sun Yat-sen University（中山大学） ； Southern University of Science and Technology（南方科技大学） 纠错

AI总结 本文提出统一框架，融合效率与可靠性以完成连续移动任务，在不确定环境中提升任务成功率26.67%-81.67%。

Comments 33 pages, 26 figures, 4 tables. Video: https://www.bilibili.com/video/BV1YWP4zxEQD

Data-Driven Function Calling Improvements in Large Language Model for Online Financial QA

大型语言模型在在线金融问答中的数据驱动函数调用改进

Xing Tang, Hao Chen, Shiwei Li, Fuyuan Lyu, Weijie Shi, Lingjie Li, Dugang Liu, Weihong Luo, Xiku Du, Xiuqiang He

机构 * Shenzhen Technology University（深圳技术大学） ； FiT, Tencent（腾讯FiT） ； Huazhong University of Science and Technology（华中科技大学） ； McGill University（麦吉尔大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Shenzhen University（深圳大学） 纠错

AI总结 本文提出数据驱动管道提升LLM在金融场景中的函数调用能力，通过构建数据集、数据增强和模型训练，解决通用LLM在金融领域适应性差的问题。

Comments Accepted to Webconf 2026 industry track

StarVLA: A Lego-like Codebase for Vision-Language-Action Model Developing

StarVLA：一种积木式代码库，用于视觉-语言-动作模型开发

StarVLA Community

机构 * Von Neumann Institute, HKUST（香港科技大学冯·诺依曼研究所） 纠错

AI总结 StarVLA通过模块化架构、可重用训练策略和统一评估接口，解决VLA方法碎片化问题，提升可复现性和跨架构兼容性。

Comments Open-source VLA infra, Technical Report

Fast-dVLA: Accelerating Discrete Diffusion VLA to Real-Time Performance

Fast-dVLA：加速离散扩散VLA以实现实时性能

Wenxuan Song, Jiayi Chen, Shuai Chen, Jingbo Wang, Pengxiang Ding, Han Zhao, Yikai Qin, Xinhu Zheng, Donglin Wang, Yan Wang, Haoang Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； ShanghaiTech University（上海科技大学） ； Shanghai Institute of Technical Physics, CAS（中国科学院上海技术物理研究所） ； AIR, Tsinghua University（清华大学智能产业研究院） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） 纠错

AI总结 本文提出一种方法，通过分离辅助任务训练目标，在参数空间中提升通用能力与任务特定动作分布，从而在减少计算开销的同时提高性能。

Training LLMs for Multi-Step Tool Orchestration with Constrained Data Synthesis and Graduated Rewards

通过受限数据合成和渐进奖励训练LLM进行多步骤工具协调

Cheng Jiayang, Xin Liu, Zhihan Zhang, Haoyang Wen, Zixuan Zhang, Qingyu Yin, Shiyang Li, Priyanka Nigam, Bing Yin, Chao Zhang, Yangqiu Song

机构 * Amazon Services Inc.（亚马逊服务公司） ； Department of Computer Science and Engineering, HKUST（香港科技大学计算机科学与工程系） ； School of Computational Science and Engineering, Georgia Institute of Technology（佐治亚理工学院计算科学与工程学院） 纠错

AI总结 本文提出强化学习框架解决LLM多步骤工具协调难题，通过构建确定性环境和渐进奖励机制提升执行准确率，并在不同API生态中实现技能迁移。

Comments Under Review

On-the-Fly VLA Adaptation via Test-Time Reinforcement Learning

实时VLA适应 via 测试时强化学习

Changyu Liu, Yiyang Liu, Taowen Wang, Qiao Zhuang, James Chenhao Liang, Wenhao Yang, Renjing Xu, Qifan Wang, Dongfang Liu, Cheng Han

机构 * University of Missouri–Kansas City（密苏里大学堪萨斯城分校） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； U. S. Naval Research Laboratory（美国海军研究实验室） ； Lamar University（拉马尔大学） ； Meta AI ； Rochester Institute of Technology（罗彻斯特理工学院） 纠错

AI总结 本文提出TT-VLA框架，通过测试时强化学习实现VLA模型的实时策略适应，提升机器人在动态环境中的适应性与稳定性。