高校专区
MoKus: 利用跨模态知识迁移实现知识感知的概念定制
机构 * Tsinghua University（清华大学） ； HKUST（香港科技大学）
AI总结 本文提出MoKus框架，通过跨模态知识迁移实现知识感知的概念定制，解决稀有token在预训练数据中缺失导致的性能不稳定问题，并引入KnowCusBench基准测试，验证了方法在概念定制任务中的优越性。
Comments Project Page: https://chenyangzhu1.github.io/MoKus/
弱时间耦合的马尔可夫决策过程近似
机构 * Information and Decision Sciences Department, University of Illinois at Chicago（伊利诺伊大学芝加哥分校信息与决策科学系） ； Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology（香港科学与技术大学工业工程与决策分析系）
AI总结 本文提出弱时间耦合近似方法，用于解决高维外生不确定性马尔可夫决策过程的可扩展性问题，通过独立于时间跨度的交叉阶段依赖关系，改进了ALP和PO方法的上界估计。
CalliMaster：通过布局引导的空间规划掌握页面级中文书法
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Faculty of Engineering and IT, University of Technology Sydney（悉尼大学工程与信息学院） ； Xiamen University（厦门大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出CalliMaster框架，通过解耦空间规划与内容合成，解决页面级书法生成中精度与布局的平衡问题，支持可控生成与编辑，扩展至文物修复与鉴定。
不只是终点，而是旅程：推理痕迹因果地塑造泛化行为
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Beijing Jiaotong University（北京交通大学）
AI总结 研究探讨推理痕迹对模型泛化行为的因果影响，通过设计控制实验发现不同推理类型导致不同行为模式，证明推理本身具有独立信号。
在大型语言模型中多上下文知识更新下的检索偏见诊断
机构 * Institute of Information Engineering, Chinese Academy of Sciences（信息工程研究所，中国科学院） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络与安全学院） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Manchester（曼彻斯特大学）
AI总结 研究探讨了多次上下文知识更新对大型语言模型检索偏的影响，发现更新次数增加时偏见加剧，且最新状态准确性显著下降，通过分析发现模型在处理最新更新时存在识别困难。
基于傅里叶角对齐的遥感定向目标检测
机构 * Beijing Institute of Technology（北京理工大学） ； University of Hong Kong（香港大学） ； Tohoku University（东北大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Hong Kong Generative AI Research and Development Center（香港生成式人工智能研究与发展中心）
AI总结 本文提出傅里叶角对齐方法，通过频谱分析角度信息并对其对齐，提升遥感中旋转目标检测的性能，实验显示在DOTA数据集上取得新的SOTA结果。
Comments Accepted by CVPR 2026
DreamVideo-Omni: 基于潜在身份强化学习的多主体视频定制与 Omni-运动控制
机构 * Fudan University（复旦大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里云实验室） ； Zhejiang University（浙江大学） ； MMLab, The University of Hong Kong（香港大学MMLab） ； Nanyang Technological University（南洋理工大学） ； Show Lab, National University of Singapore（新加坡国立大学Show Lab）
AI总结 DreamVideo-Omni通过渐进式两阶段训练范式，实现多主体视频定制与Omni-运动控制，采用条件感知嵌入和分层运动注入策略，提升身份保持与运动控制精度。
Comments Project Page: https://dreamvideo-omni.github.io
LatentGeo: 在潜在空间中学习可学习的辅助构造以进行多模态几何推理
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nankai University（南开大学） ； Communication University of China（中国传媒大学）
AI总结 LatentGeo通过学习潜在空间中的连续视觉表示，解决多模态几何推理中辅助构造的表示问题，采用三阶段课程和强化学习方法提升几何推理任务的性能。
GlyphBanana: 通过代理工作流推进精确文本渲染
机构 * Shanghai Jiao Tong University（上海交通大学） ； Xiaohongshu Inc.（小红书公司） ； Hong Kong University of Science and Technology（香港科技大学） ； Southeast University（东南大学） ； South China University of Technology（华南理工大学）
AI总结 GlyphBanana通过代理工作流整合辅助工具，提升复杂文本和公式渲染的精度，适用于多种文本到图像模型。
CoMMET：大型语言模型在理论思维任务中能发挥多大作用？
机构 * Agency for Science, Technology and Research (A*STAR)（科技研究局） ； Nanyang Technological University（南洋理工大学） ； Hong Kong University of Science and Technology (Guangzhou), China（香港科技大学（广州），中国）
AI总结 本文提出CoMMET多模态基准数据集，用于评估大型语言模型在多轮对话中的理论思维能力，通过扩展心理状态评估和引入多轮测试，分析模型优劣势并指明未来改进方向。
DocSage：一个多文档多实体问答的信息结构代理
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 DocSage通过动态模式发现、结构化信息提取和模式感知推理，解决多文档多实体问答中的跨文档证据链构建和实体关系推断问题，实现超过27%的准确率提升。
从宠物到机器人：MojiKit作为影响性人机交互设计的数据驱动工具包
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） ； Beijing Institute of Technology（北京理工大学） ； Sichuan University（四川大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 MojiKit通过结合结构化参考卡片、拟人化机器人原型和行为控制工作室，为影响性人机交互设计提供数据驱动的系统化工具，帮助用户设计更多样化的机器人影响性行为。
Comments 25 pages, 11 figures, Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26)
DeReason: 一种考虑难度的课程改进了解耦的SFT-然后-RL训练以促进一般推理
机构 * University of Zurich（苏黎世大学） ； University of Pennsylvania（宾夕法尼亚大学） ； ETH Zurich（苏黎世联邦理工学院） ； HKUST (GZ)（香港科技大学（广州））
AI总结 DeReason通过基于难度的数据解耦策略，优化SFT与RL的训练分配，提升一般推理能力。
Comments 13 pages, 6 figures
OnFly：面向安全与效率的机载零样本空中视觉语言导航
机构 * School of Artificial Intelligence, Sun Yat-Sen University（中山大学人工智能学院） ； 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）
AI总结 OnFly通过共享感知双智能体架构和混合记忆机制，实现高效稳定的零样本空中视觉语言导航，提升安全性和效率。
将大型语言模型对齐于搜索者偏好
机构 * School of Artificial Intelligence and Data Science, University of Science and Technology of China（中国科学技术大学人工智能与数据科学学院） ； Xiaohongshu Inc.（小红书公司） ； Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）人工智能研究所） ； 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）
AI总结 SearchLLM通过分层多维奖励系统提升开放式生成搜索的鲁棒性和用户需求对齐能力，实测有效消费率提升1.03%。
混合专家模型中专家-注意力计算分配的最优性：动态模型设计的可扩展定律
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） ； Ant Group（蚂蚁集团）
AI总结 本文提出了一种新的MoE模型缩放定律，通过研究专家-注意力计算比例的最优分配，为动态模型设计提供了可扩展的理论框架。
对齐-过程-结果：重新思考AI和人类如何协作
机构 * George Mason University（乔治·马歇尔大学） ； Simon Fraser University（西蒙·弗雷泽大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出通过任务和意图两个视角重新理解AI与人类协作的结构关系，揭示对齐、过程和结果之间的动态联系。
Comments Accepted by Extended Abstracts of the 2026 CHI Conference on Human Factors in Computing Systems (CHI EA 26), Barcelona, Spain, 2026
UrbanAlign: 域内任务中VLM与人类偏好对齐的后处理语义校准
机构 * Tsinghua University（清华大学） ； University College London（伦敦大学学院） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Peking University（北京大学） ； Southwest Jiaotong University（西南交通大学） ； Zhejiang University（浙江大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Renmin University of China（中国人民大学） ； Southeast University（东南大学）
AI总结 UrbanAlign通过后处理方法实现VLM与人类偏好的对齐，无需修改模型权重，提升领域任务的准确性和可解释性。
Comments 26 pages
超越最大令牌：通过工具调用链实现隐秘的资源放大
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校，美国） ； The Hong Kong University of Science and Technology, Hong Kong（香港科学与技术大学，香港） ； Shanghai Jiao Tong University, China（上海交通大学，中国）
AI总结 本文提出了一种基于工具调用链的隐秘DoS攻击，通过多轮交互显著提升LLM的资源消耗，挑战现有安全防护机制。
ThinkPatterns-21k: 对LLMs中思维模式影响的系统研究
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学）
AI总结 ThinkPatterns-21k研究了LLMs中思维模式的影响，通过系统分析发现结构化思维对小模型有益，而大模型使用结构化思维会降低性能，独白思维在各类模型中均有效。
ReCoSplat: 基于渲染与比较的自回归前馈高斯点云生成
机构 * University of California Merced（加州大学默塞德分校） ； ETH Zurich（苏黎世联邦理工学院） ； NVIDIA ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 ReCoSplat通过引入渲染与比较模块，解决高斯点云生成中姿态误差问题，实现高效稳定的视角合成。
RA-SSU：迈向细粒度音频视觉学习的区域感知声音源理解
机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Academy of Interdisciplinary Studies, The Hong Kong University of Science and Technology（香港科技大学跨学科研究院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 RA-SSU通过构建细粒度音频视觉数据集和SSUFormer模型，实现区域感知的声音源理解，提升音频视觉学习的细粒度表现。
Comments Accepted by IEEE TMM
SurgFed: 基于语言引导的多任务联邦学习用于手术视频理解
机构 * National University of Singapore（国立新加坡大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学）
AI总结 SurgFed通过语言引导的通道选择和超聚合方法，提升手术视频多任务联邦学习的跨站点和跨任务适应性。
基于分解世界状态的奖励预测
机构 * East China Normal University（华东师范大学） ； HKUST（香港科技大学）
AI总结 本文提出StateFactory方法，通过分解世界状态实现跨领域的准确奖励预测，提升智能体规划性能。
制定你的策略！通过测试时的分布级组合改进扩散型或流型机器人策略
机构 * The University of Hong Kong（香港大学） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本研究提出无需训练的通用策略组合方法，通过测试时分布级组合提升机器人策略性能。
Comments Accepted to ICLR 2026. Project Page: https://sagecao1125.github.io/GPC-Site/
VistaWise: 构建低成本代理的跨模态知识图谱用于Minecraft
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； University of Queensland（昆士兰大学） ； Tencent（腾讯）
AI总结 VistaWise通过整合跨模态知识图谱和专用模型，实现低成本、高效率的Minecraft代理构建。
Comments Accepted by EMNLP 2025 main
DRUPI: 利用特权信息进行数据集缩减
机构 * EPIC Lab, SJTU（EPIC实验室，上海交通大学） ； ICBC ； Shanghai AI Lab（上海人工智能实验室） ； HKUST(GZ)（香港科技大学（广州））
AI总结 本文提出DCPI方法，通过合成特权信息提升数据集凝练效果，在多个数据集上实现性能提升。
Comments 21 pages, 5 figures, 11 tables
在运动和环境不确定性下为机械臂提供可证明安全的轨迹生成
机构 * Hong Kong Center for Construction Robotics, The Hong Kong University of Science and Technology（香港建设机器人中心，香港理工大学） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（机械与自动化工程系，中国香港大学） ； Department of Electronic Engineering, The Chinese University of Hong Kong（电子工程系，中国香港大学） ； Shenzhen Key Laboratory of Robotics Perception and Intelligence and the Department of Electronic and Electrical Engineering at Southern University of Science and Technology（深圳机器人感知与智能重点实验室和南方科技大学电子与电气工程系） ； Department of Electronic Engineering at The Chinese University of Hong Kong（电子工程系，中国香港大学）
AI总结 本文提出了一种可证明安全的轨迹生成框架，通过整合深度随机Koopman操作符模型和分层验证方法，有效应对运动和环境不确定性下的碰撞风险问题。
VisionCreator-R1: 一种增强反思的原生视觉生成代理模型
机构 * Tencent Hunyuan（腾讯文言） ； Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 VisionCreator-R1通过引入反射-计划联合优化方法，提升视觉生成代理在单图和多图任务中的表现，优于现有模型。
CARE-Edit：基于条件的专家路由用于上下文图像编辑
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 CARE-Edit通过条件感知的专家路由提升上下文图像编辑的性能和稳定性
Comments Accepted by CVPR 2026. Project page: https://care-edit.github.io/
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