高校专区
CaM-Wolf：面向社交推理游戏的因果感知多模态智能体
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） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 该研究针对现有SDG智能体多模态特性缺失的问题，提出首个整合多模态感知生成的CaM-Wolf，经实验验证其游戏性能与交互质量均有提升。
Comments Accepted by ACMMM 2026
面向可信赖的具身智能：一个系统框架与分级可信赖性水平
机构 * THU（清华大学） ； PKU（北京大学） ； HKUST (GZ)（香港科技大学（广州））
AI总结 该研究提出具身智能可信赖性的四层系统框架，构建涵盖多维度的可信赖性水平层级，为具身智能的可信赖部署、评估等提供依据。
Comments Website: https://xsparkai.com/sparklab/towards-trustworthy-eai
Agent-UCT：应用于树的上置信界，用于具有成本意识的智能工作流优化
机构 * The University of Hong Kong（香港大学） ； School of Artificial Intelligence, Jiangxi Science and Technology Normal University（江西科技师范大学人工智能学院） ； The Hong Kong University of Science and Technology（香港科技大学） ； University of Science and Technology of China（中国科学技术大学） ； New York University（纽约大学）
AI总结 研究针对智能工作流优化中计算冗余和预算分配低效问题，提出Agent-UCT算法，结合RAGSpace框架和WTB，通过重用感知正则化项减少冗余执行，实验证明其能有效识别最佳配置，实现成本感知、可重现且组合高效的智能工作流优化。
用于核辐射预测的大气扩散引导时空变换器
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） ； Shandong University（山东大学）
AI总结 研究针对核辐射预测难题，引入NRFormer+时空变换器，结合非平稳时间注意力、密度自适应空间注意力与大气扩散模块，能估计气象对辐射扩散的影响并注入网络，在多基线数据集上实现高精度预测，降低突发变化平均绝对误差。
GeoAnchor：通过潜在分解进行协作推理以实现3D空间理解
机构 * Shanghai Jiao Tong University（上海交通大学） ； Xingchen AGI Lab, China Telecom Artificial Intelligence Technology (Beijing) Co., Ltd（星辰通用人工智能实验室，中国电信人工智能技术（北京）有限公司） ； University of Science and Technology Beijing（北京科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 针对从2D图像理解3D空间关系的挑战，提出GeoAnchor框架，通过分解3D空间信息为互补组件并结合协作训练策略，实现动态可解释推理，在复杂3D推理任务中优于现有技术。
Comments Accepted by ACM MM 2026
PatchWorld：可执行世界模型的免梯度优化
机构 * Hong Kong Baptist University（香港 Baptist 大学） ； Independent Researcher（独立研究员） ； HKUST（香港科技大学） ； Beijing Institute of Technology（北京理工大学） ； Southern University of Science and Technology（南方科技大学） ； Wayne State University（韦恩州立大学） ； University of Edinburgh（爱丁堡大学）
AI总结 提出 PatchWorld 框架，通过反例引导的代码修复将离线轨迹转化为可执行的 Python 世界模型，实现无需梯度优化的符号信念状态程序，在 AgentGym 环境中达到 76.4% 的宏观成功率。
基于评估的科学发现扩展
机构 * Wizard Intelligence Learning Lab, Stanford University（智能巫师学习实验室，斯坦福大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出SimpleTES框架，通过并行探索、反馈驱动精炼和局部选择，提升评估驱动的发现循环效率，解决科学发现扩展问题，展示在21个科学问题上超越基线模型的性能。
LiveGraph: 基于主动-结构神经重排序的运动推荐
机构 * University of Macau（澳门大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Tongji University（同济大学） ； Juntendo University（立命馆大学） ； University of Southampton（南安普顿大学） ； University of Bologna（博洛尼亚大学） ； Wuhan University（武汉大学） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Hanyang University（汉阳大学） ； Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 LiveGraph通过图表示增强策略和动态重排序机制，解决学生参与长尾分布和个性化学习轨迹适应问题，提升推荐精度与教学多样性。
Comments 19 pages, 5 figures
CityGuard：图感知的隐私保护描述符用于城市摄像头间鲁棒的身份搜索
机构 * University of Macau（澳门大学） ； Tsinghua University（清华大学） ； Renmin University of China（中国人民大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Juntendo University（顺天堂大学） ； Peking University（北京大学）
AI总结 CityGuard通过图感知变换器实现隐私保护的身份检索，结合适应性度量学习、空间条件注意力和差分隐私嵌入，提升跨摄像头身份检索的鲁棒性与隐私保护能力。
Comments 36 pages, 12 figures
SynFlow：通过合成数据扩大LiDAR场景流估计
机构 * RPL, KTH Royal Institute of Technology（RPL，瑞典皇家理工学院） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出SynFlow，通过大规模合成数据生成管道，为LiDAR场景流估计提供鲁棒的运动先验。实验表明，基于SynFlow-4k的模型在多个真实世界基准上表现优异，且在少量真实标签下仍能超越基线模型。
Comments ECCV 2026; 18 pages, 4 figures
CameraAnything：使用任意相机控制重新拍摄视频
机构 * The Chinese University of Hong Kong（香港中文大学） ； Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 CameraAnything是用于相机控制视频编辑的统一框架，采用逐像素普吕克光线注入等方法联合控制相机参数，开发合成管道克服数据稀缺，能在单过程中实现多种视频编辑操作，为视频制作提供实用价值。
Comments Project page: https://yixuanli98.github.io/cameraanything/
SIREN：借助基于经验的大语言模型智能体实现端到端极端天气预警
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） ； The World Sustainable Development Institute（世界可持续发展研究所）
AI总结 研究借助大语言模型智能体实现端到端极端天气预警。开发了包含多任务问答实例的SIREN-Bench基准，发现现有框架差距后，构建基于经验的SIREN框架，结合多种技术，实验证明其在预警程序和预警链上优于基线。
MSVS-VAE：用于高保真3D重建的多尺度锚定向量集
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Lightspeed Studios（光速工作室）
AI总结 研究针对高保真3D重建中VAE的瓶颈问题，提出MSVS-VAE。通过分层点洗牌上采样 densify 锚定向量集潜在特征，用AVS-Conv取代全局交叉注意力，引入多尺度查询解码融合特征，实验表明其性能优于现有方法，解码速度和紧凑性有显著提升。
每个客户端都是一个环境：用于时空预测的联邦去混淆
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Jiao Tong University（上海交通大学） ； Harbin Engineering University（哈尔滨工程大学）
AI总结 针对时空预测，提出联邦去混淆框架\method，将客户端视为不同因果环境，利用客户端异质性作为分布式环境证据，学习全局原型码本捕获共享环境模式，推导理论边界，实验证明其优于联邦基线，提供可转移等环境表示。
推理以规范：用于交通规则理解的思维链
机构 * CUHK-SZ, Shenzhen-FNii（香港中文大学（深圳），深圳高等金融研究院） ； HKUST(GZ)（香港科技大学（广州）） ； Tencent T Lab（腾讯T实验室）
AI总结 针对交通规则理解这一自动驾驶关键挑战，提出为视觉语言模型配备思维链能力的框架，设计整理管道，采用两阶段训练方案，显著提升了可解释性和准确性，建立首个基于推理的自动驾驶框架。
Comments Technical Report
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
Spatula：探索用于属性控制的按需原位界面和交互
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Utah（犹他大学） ； University of Utah Salt Lake City USA（犹他大学盐湖城美国）
AI总结 研究针对生成内容属性控制问题，提出Spatula系统，基于技术探针沿四个维度探索属性控制空间，用户研究显示其交互直观便捷，支持多样参数控制，且即插即用设计可推广到其他领域。
IB-Flow：用于少步文本到图像生成的信息瓶颈引导的CFG蒸馏
机构 * Tsinghua University（清华大学） ； Wan Team, Alibaba Group（万团队，阿里巴巴集团） ； HKUST（香港科技大学） ； Beijing Normal University（北京师范大学）
AI总结 研究针对少步文本到图像生成中推理延迟问题，通过信息论将蒸馏建模为信息瓶颈引导的动态互信息博弈，提出双轨自适应框架，消除过度条件化伪影，在2步配置下实现SOTA生成保真度。
超越可教内容的搜索：拓展智能体视觉生成的知识边界
机构 * Hong Kong University of Science and Technology（香港科技大学） ； University of Waterloo（滑铁卢大学） ； Qwen Applications（通义千问应用） ； Imperial College London（帝国理工学院）
AI总结 针对视觉生成器的世界知识瓶颈，构建专用数据集与基准，提出教-搜协同训练框架定位动态知识边界，实现知识驱动的可迭代视觉生成性能提升。
机制驱动的LLM训练不稳定性抢先检测监控器
机构 * HKUST（香港科技大学） ； Huawei（华为） ； Independent Researcher（独立研究者）
AI总结 针对大语言模型训练中的数值或超参数故障，提出基于模块功能角色的内部监控器，通过QK双线性分解谱熵和MoE路由器指标，在损失发散前数千步检测到不稳定性。
AutoFed: 通过自适应提示实现个性化联邦交通预测
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 本文提出AutoFed框架，通过自适应提示学习实现个性化联邦交通预测，解决传统联邦学习在非独立同分布数据下的不足，无需手动调参，提升交通预测性能。
将MARL连接到SARL：一种通过潜在共识的顺序无关多智能体Transformer
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 本文提出CMAT框架，通过Transformer编码器处理联合观测空间，利用层次决策机制生成共识向量，实现顺序无关的联合决策，优于传统MARL方法。
重新思考用于大语言模型的前景理论：在认知不确定性下决策的不稳定性
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文重新审视前景理论在大语言模型中的应用，发现其在认知不确定性下的决策稳定性存在问题，指出前景理论可能无法可靠地处理此类不确定性。
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
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