高校专区
Agile-VLA: 通过隐式 affordance 锚定实现少样本工业姿态校正
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出Agile-VLA框架，通过隐式affordance锚定机制将几何视觉线索映射为参数化动作原语，减少对高延迟语义推理的依赖，实现边缘设备上的高频率动态操作控制。
Comments 8 pages. Submitted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026
通过机器人中心视频合成实现形态一致的人形交互
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen University（深圳大学） ； University of Cambridge（剑桥大学）
AI总结 本文提出Dream2Act框架，通过生成视频合成实现零样本人形机器人交互，避免传统retargeting的形态差距问题，提升任务完成率。
MERLIN：构建低信噪比鲁棒的多模态大语言模型以电磁信号
机构 * Tsinghua University（清华大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Tianjin University（天津大学） ； Institute of Microelectronics of the Chinese Academy of Sciences（中国科学院微电子研究所） ； HKUST (Guangzhou)（香港科技大学（广州）） ； National University of Defense Technology（国防科技大学） ； Beihang University（北航） ； Beijing Information Science and Technology University（北京信息科技大学） ； Artificial Intelligence Institute of China Electronics Technology Group Corporation（中国电子科技集团人工智能研究院）
AI总结 本文提出MERLIN框架，通过构建EM-100k数据集和EM-Bench基准，解决电磁信号多模态大语言模型在低信噪比环境下的鲁棒性问题，验证了方法在EM-Bench上的领先性能。
ASK：适应性自改进知识框架用于音频文本检索
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Mohamed Bin Zayed University of Artificial Intelligence（莫扎德人工智能大学） ； Peking University（北京大学） ； Tsinghua University（清华大学）
AI总结 ASK框架通过多粒度知识注入和动态精修策略解决音频文本检索中的梯度局部瓶颈和表示漂移不匹配问题，提升稀有长尾概念学习能力。
Video2Act：一种双系统视频扩散策略，具有机器人空间-运动建模
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息处理国家重点实验室，北京大学计算机学院） ； AI 2 Robotics（AI与机器人） ； Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 Video2Act通过整合空间和运动感知表示，提升机器人动作学习效率，其双系统设计在仿真和现实任务中均取得显著成果。
DINO-Tok：为视觉分词器适应DINO
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Horizon Robotics（Horizon机器人） ； Nanjing University（南京大学） ； Hong Kong University（香港大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出DINO-Tok，一种基于冻结DINO编码器的视觉分词器，结合连续自编码和离散向量量化方法，提升高维潜在空间中的语义一致性和生成质量。
迈向自演化基准：通过验证-再生产范式下的测试时间探索合成代理轨迹
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Michigan（密歇根大学） ； Renmin University of China（中国人民大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出TRACE框架，通过测试时间探索使代理在原有任务基础上自演化更复杂的任务，提升基准的动态性和可靠性，适应并改进了AIME-2024等推理数据集。
Comments This is a work in progress due to methodology refinement and further evaluation
RedTopic：迈向大语言模型的课题多样化红队测试
机构 * Fudan University（复旦大学） ； City University of Hong Kong（香港城市大学） ； Deakin University（德克萨斯大学） ； Hon Hai Research Institute（鸿海研究室） ； Hong Kong University of Science and Technology（香港理工大学）
AI总结 本文提出RedTopic框架，通过上下文生成管道、聚合奖励设计和多目标RL训练循环，生成多样化对抗提示，提升红队测试的适应性和课题多样性。
DualCoT-VLA: 通过并行推理实现视觉-语言链式思维的视觉-语言-动作模型
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Huawei Foundation Model Department（华为基础模型部门）
AI总结 DualCoT-VLA通过并行推理机制，结合视觉和语言链式思维，解决传统VLA模型在复杂多步骤任务和精细空间感知中的不足，实现更高效的视觉-语言-动作处理。
黄金子空间：在持续测试时适应中效率与泛化的平衡
机构 * School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； Hong Kong University of Science and Technology（香港科技大学） ； Frontier Robotics（前沿机器人）
AI总结 本文提出GOLD方法，通过轻量级适配器将特征投影到黄金子空间，并动态更新子空间以提升效率和稳定性，实验证明其在分类和分割任务中表现优异。
Comments Accepted to CVPR 2026
多努利扩展：一种无损的连续松弛方法用于分区约束子集选择
机构 * college of computing and data science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院，新加坡） ； Hong Kong University of Science and Technology（香港科学大学）
AI总结 本文提出Multinoulli-SCG算法，通过多努利扩展框架在满足分区约束下实现子集选择的无损连续松弛，提升效率并保证近似保证。
Comments 45 pages, 4 figures
统一-MAS：通用领域节点生成以增强自动多智能体系统
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） ； National University of Singapore（新加坡国立大学） ； Institute for Infocomm Research (I 2 R), A*STAR（信息通信研究院（I2R），A*STAR）
AI总结 本文提出统一-MAS，通过离线节点合成解耦细粒度节点实现与拓扑编排，提升多智能体系统在知识密集型领域的性能与成本效益。
Comments Code is available at https://github.com/linhh29/Unified-MAS
解锁多模态文档智能：从当前成就到视觉文档检索的未来前沿
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Alibaba Cloud Computing（阿里云计算） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
AI总结 本文综述了视觉文档检索领域，探讨了多模态大语言模型时代下的方法演进与挑战，提出未来发展方向。
Comments Under review. This version updates the relevant works released before 15 March, 2026
UAVLight：用于无人机（UAV）场景中抗光照干扰的3D重建基准
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Meituan UAV（美团无人机） ； Beijing University of Chemical Technology（北京化工大学）
AI总结 UAVLight基准通过可控且真实的飞行路径捕获多时段多光照条件下的场景，提供一致几何和校准下的自然光照变化，用于评估抗光照干扰的3D重建方法。
Comments 10 pages, 6 figures
面向可扩展多模态推理的推理对齐感知解耦
机构 * Southern University of Science and Technology（南方科技大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Huawei Cloud Project（华为云项目）
AI总结 本文提出RAPID方法，通过解耦多模态模型的感知与推理模块，利用强化学习优化感知输出，使模型能与任意强大文本推理模型配合，实现无需重新训练的性能提升。
Comments ICLR 2026
WiFi-GEN：利用生成式人工智能进行高分辨率室内成像
机构 * Pengcheng Laboratory（鹏城实验室） ； College of Big Data and Internet（大数据与互联网学院） ； Shenzhen Technology University（深圳技术大学） ； Department of Electrical Engineering（电子工程系） ； Indian Institute of Technology Delhi（印度理工学院德里分校） ； Department of Electronic and Computer Engineering（电子与计算机工程系） ； HKUST（香港科技大学） ； School of Computer Science and Technology（计算机科学与技术学院） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 本文提出WiFi-GEN，通过生成式人工智能将测量到的WiFi功率转换为高分辨率室内图像，其形状重建精度比物理模型方法高275%，且Frechet Inception Distance得分降低82%。
WARBENCH：评估大语言模型在军事决策中的综合基准
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； Chinese University of Hong Kong（香港中文大学） ； Zhejiang University of Technology（浙江工业大学）
AI总结 本文提出WARBENCH基准，揭示现有大语言模型在军事决策中存在结构性缺陷，包括战术推理崩溃、法律违规率高、量化降维导致性能下降等问题。
DyGeoVLN: 将动态几何基础模型注入视觉-语言导航
机构 * KAIST（韩国科学技术院） ； HKUST(GZ)（香港科技大学（广州）） ； JD Explore Academy（JD探索学院）
AI总结 本文提出DyGeoVLN框架，通过跨分支特征融合将动态几何基础模型注入视觉-语言导航，实现显式3D空间表示和视觉-语义推理，并引入新的无姿态自适应分辨率令牌剪枝策略以提升效率。
零阶优化下的模型演化：神经切线核视角
机构 * 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 本文从神经切线核视角探讨零阶优化下的模型演化，证明线性模型中预期NZK恒定，提出通过NZK解释零阶更新的核梯度下降，实验证实理论结果并展示加速效果。
Comments ICLR 2026 Workshop on Scientific Methods for Understanding Deep Learning (20 pages, 18 figures)
SqueezeComposer：长篇音乐创作中的时间压缩是一种简单技巧
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； JIUTIAN Research of China Mobile（中国移动JIUTIAN研究所） ； Beijing Institute of Technology（北京理工大学） ； China Mobile (Hong Kong) Innovation Research Institute（中国移动(香港)创新研究院）
AI总结 本文提出通过时间压缩技术简化长篇音乐生成，利用加速生成与恢复的方法降低资源消耗，实现高效高质量的音乐创作。
Comments Under Review
DiT4DiT：联合建模视频动态与动作以实现通用机器人控制
机构 * Mondo Robotics（Mondo机器人公司） ； HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学）
AI总结 本文提出DiT4DiT模型，通过结合视频扩散变换器与动作扩散变换器，实现视频动态与动作的联合建模，提升机器人控制的泛化能力与样本效率。
Comments https://dit4dit.github.io/
GIR-Bench：用于生成图像的多功能基准
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Peking University（北京大学） ； University of Science and Technology of China（中国科学技术大学） ； Xiaohongshu Inc.（小红书公司）
AI总结 本文提出GIR-Bench，从理解-生成一致性、文本到图像生成和多步骤编辑三个角度评估统一模型，揭示其在复杂视觉任务中的表现与不足。
Comments ICLR2026
UP2You：从无约束照片集合中快速重建自己
机构 * Westlake University（西湖大学） ； Nanjing University（南京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州））
AI总结 UP2You通过数据校正方法高效处理无结构照片，实现高保真的3D人物重建，无需预设模板，提升几何精度和纹理保真度。
Comments Page: https://zcai0612.github.io/UP2You Code: https://github.com/zcai0612/UP2You
Journal ref International Conference on Learning Representations (ICLR), 2026
SSR：测试时的推测并行扩展推理
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Tsinghua University（清华大学）
AI总结 SSR提出一种无需训练的框架，通过引入分步推测解码加速推理而不牺牲正确性，提升数学推理任务的效率与准确性。
元迁移学习驱动的时序图网络用于跨城市房地产评估
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Shandong University（山东大学） ； Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心）
AI总结 本文提出MetaTransfer，通过元迁移学习将多个数据丰富的城市知识迁移到数据稀缺城市，提升房地产估值性能，采用时序图网络和多任务学习模块实现跨城市知识迁移。
Comments Accepted by TIST 2026
迈向城市通用智能：城市基础模型的综述与展望
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Shandong University（山东大学） ； Shandong University China（山东大学中国）
AI总结 本文综述了城市基础模型的发展，探讨了其定义、挑战及应用前景，提出了一种数据导向的分类框架，并汇总了相关基准和数据集，以推动城市通用智能的发展。
无遗憾的贝叶斯推荐给同质用户
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Chinese University of Hong Kong（香港中文大学） ； University of Chicago（芝加哥大学）
AI总结 研究在线贝叶斯推荐问题，设计无Stackelberg遗憾的推荐策略，实现双对数级遗憾依赖于回合数，并通过线性规划优化展示多项式依赖于状态数的推荐策略。
Comments Accepted by OR'26, conference version in EC'22
半监督节点分类中的几何失衡
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； MBZUAI ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Logs AI Project（Logs AI项目）
AI总结 本文提出几何失衡概念，通过伪标签对齐、节点重排和模糊过滤缓解类别不平衡问题，实验表明在严重类别不平衡下性能优于现有方法。
Comments Accepted by NeurIPS 2025
Journal ref Proceedings of the Thirty-ninth Conference on Neural Information Processing Systems (NeurIPS 2025)
大型多模态模型能否检查建筑？一种用于结构病理推理的分层基准
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Hong Kong University（香港大学）
AI总结 本文提出DefectBench基准，评估大型多模态模型在建筑表面检测中的能力，发现其在拓扑理解和语义理解方面表现优异，但在精确定位方面存在不足，并验证了零样本生成分割的可行性。
通过模块化身体部位相控实现可控的文本到运动生成
机构 * Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； HKUST（香港科技大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学）
AI总结 本文提出模块化身体部位相控方法，通过紧凑的标量相界面实现局部化编辑，保留运动整体一致性，提供可控的文本到运动生成方案。
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