高校专区
基于大语言模型的人类模拟尚不可靠
机构 * National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港理工大学） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 研究指出基于大语言模型（LLM）的人类模拟不可靠，通过系统回顾找出其在多领域模拟中的问题源于LLM局限与设计缺陷，提出强化数据、提升模型能力及稳健设计的解决框架与算法。
Re:Form——利用大语言模型中的强化学习减少可扩展形式化软件验证中的人工标注：关于Dafny的初步研究
机构 * Shanghai AI Lab（上海人工智能实验室） ； University of Alberta（阿尔伯塔大学） ； Tsinghua University（清华大学） ； Chinese University of Hong Kong, Shenzhen（香港大学（深圳）） ； Hong Kong University of Science and Technology（香港科技大学） ； Nanyang Technological University（南洋理工大学） ； University of Manchester（曼彻斯特大学） ； Peking University（北京大学）
AI总结 研究利用形式语言Dafny减少人工标注，核心方法是引入自动可扩展数据处理流程及结合形式语言验证器反馈的强化学习设计，主要贡献是提升模型在DafnyComp基准测试表现。
Comments Published in Transactions on Machine Learning Research (TMLR), 05/2026. Reviewed on OpenReview: https://openreview.net/forum?id=cAQmIS4GOe
OctoPipe：通过共同优化分区、放置和调度减少异构模型的流水线气泡
机构 * FDU & Shanghai AI Laboratory（复旦大学及上海人工智能实验室） ； HKUST（香港科技大学） ； Unaffiliated（无隶属机构） ； Tsinghua University（清华大学） ； CUHK & SenseTime Research（香港大学及SenseTime研究院）
AI总结 研究针对模型架构异构性加剧流水线气泡降低训练效率的问题，提出OctoPipe系统，通过构建模拟器、开发调谐器、实现执行器共同优化分区、放置和调度，提升了吞吐量。
Comments 14 pages, 12 Figures; Accepted by SC'26;
扩散模型是开放世界的功能学习器：利用生成先验进行3D功能学习
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； ShanghaiTech University（上海科技大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 研究3D功能基础问题，利用文本到图像扩散模型提取先验知识，提出基于扩散的DAG框架用于3D功能预测，通过实验证明其优于现有方法且泛化能力强。
FED-FSTQ：基于Fisher的令牌量化用于边缘设备上通信高效联邦微调大型语言模型
机构 * School of Computing and Information Technology, Great Bay University（计算与信息学院，大亚湾大学） ； Beijing Institute of Technology（北京理工大学） ； University of Warwick（沃里克大学） ； City University of Hong Kong (Dongguan)（香港城市大学（东莞）） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； College of Computer Science and Software Engineering, Shenzhen University（计算机科学与软件工程学院，深圳大学）
AI总结 本文提出Fed-FSTQ，一种基于Fisher的令牌量化方法，用于在边缘设备上高效联邦微调大型语言模型，通过非均匀混合精度量化和重要性感知令牌选择，减少通信开销并提升训练效率。
Comments 18 pages, 14 figures
高效联邦共形预测与组条件保证
机构 * IoT Thrust（物联网 thrust） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Institute for Intelligent Networked Systems (INSI)（智能网络化系统研究所） ； Northeastern University London（伦敦东北大学） ； Department of ECE The Hong Kong University of Science and Technology HK SAR（电子工程系 香港科技大学香港特别行政区）
AI总结 提出GC-FCP方法，通过可合并的原子分层核心集实现联邦共形预测的组条件覆盖保证，在合成和真实数据集上验证了性能。
Comments 24 pages, 8 figures
通过修补UV空间高斯建模的一次前馈360度可动画化头像
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Zeekr Automobile R&D Co., Ltd（Zeekr汽车研发有限公司）
AI总结 提出一种基于UV空间高斯建模的一次前馈框架，利用预训练3D GAN的先验知识修补缺失区域，实现360度全头可动画化头像的高质量重建与实时动画。
Comments Accepted by ECCV 2026. Project page: https://shaelynz.github.io/fhavatar/
Ophiuchus: 激励工具增强的“图像思考”用于联合医学分割、理解与推理
机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Information Hub, HKUST (Guangzhou)（信息枢纽，香港科技大学（广州））
AI总结 提出Ophiuchus框架，通过三阶段训练策略（冷启动SFT、自反思微调、工具强化学习）使MLLM动态聚焦细粒度视觉区域，实现精准医学分割与诊断。
QuadLink: 通过点关系学习的自回归四边形主导网格生成
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tencent VISVISE（腾讯VISVISE） ； Peking University（北京大学） ； Technical University of Munich（慕尼黑技术大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Texas A&M University（德克萨斯大学） ； Macau University of Science and Technology（澳门科技大学）
AI总结 提出QuadLink框架，通过将点云链接成结构化面片，以自回归方式生成各向异性的四边形主导网格，实现高几何保真度和拓扑质量。
在部分可见性下联邦客户端选择：一种带有时空注意机制的POMDP方法
机构 * Dept. of Electronic Engineering, BNRist, Tsinghua University（电子工程系，北京理工大学，清华大学） ； Dept. of Electronic and Computer Engineering, HKUST（电子与计算机工程系，香港科技大学）
AI总结 本文提出一种基于POMDP的强化学习框架，通过整合历史全局模型和客户端身份嵌入，解决部分可见性下的联邦学习客户端选择问题，实验验证其在异构和部分可见场景下的有效性。
规则导向的视觉语言导航：通过语义推理和几何校正弥合感知与合规性
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Beijing Normal University（北京师范大学） ； Guangzhou University（广州大学）
AI总结 本文提出Rule-VLN，首个大规模城市规则合规导航基准，通过语义推理和几何校正模块提升导航安全性，实验表明该模块显著提升导航能力。
Salt：基于缓存感知训练的自一致分布匹配用于快速视频生成
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Vivix Group Limited（Vivix集团有限公司）
AI总结 本文提出Salt方法，通过自一致分布匹配和缓存感知训练，提升低推理预算下的视频生成质量，兼容多种KV缓存机制。
Comments Accepted by ECCV 2026
RC-GeoCP：雷达-相机协同感知的几何一致性
机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； School of Automotive Studies, Tongji University（同济大学汽车学院） ； Thrust of Artificial Intelligence, Hong Kong University of Science and Technology（香港科技大学人工智能研究所）
AI总结 提出首个4D雷达与相机协同感知框架RC-GeoCP，通过雷达锚定几何一致性解决深度模糊和空间分散导致的错位，实现高效通信与全局一致表示。
Comments 11 pages, 6 figures, 9 tables
FSA：原生稀疏注意力核的一种替代高效实现
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对现有稀疏注意力核在GQA组中查询头数较少时效率低的问题，提出Flash Sparse Attention (FSA)核实现，通过优化循环顺序，在多种流行LLM上实现平均1.6倍核延迟降低和1.09倍端到端训练加速。
基于引导扩散模型的多体机器人重定向
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） ； Zhejiang University-University of Illinois Urbana-Champaign Institute（浙江大学伊利诺伊大学厄巴纳-香槟校区联合学院） ； LimX Dynamics
AI总结 提出统一图条件扩散框架，利用图结构编码不同机器人拓扑几何特征，通过基于能量的引导损失训练，实现跨异构体的运动重定向。
更清晰的视野，更少的谎言：面向多模态幻觉缓解的定向拾取偏好优化
机构 * HKUST (GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； OPPO AI Center（OPPO AI中心）
AI总结 提出一种证据感知的对齐目标OPPO，通过对比不同视觉证据强度下的相同忠实响应，将视觉偏好转化为有序视觉证据对齐，以缓解多模态大模型的幻觉问题。
KV-RM：为静态图LLM服务正则化KV缓存移动
机构 * Stevens Institute of Technology（史蒂文斯理工学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Argonne National Laboratory（阿贡国家实验室） ； Northwestern University（西北大学）
AI总结 本文提出KV-RM，通过正则化KV缓存移动提升静态图LLM服务的灵活性，减少内存占用并降低延迟峰值。
Comments Withdrawn by the authors. The authors identified substantive errors that affect the interpretation of the results and the support for the main conclusions. The current version should not be relied upon
AR-CoPO: 利用对比策略优化对齐自回归视频生成
机构 * CUHK MMLab（香港中文大学多媒体实验室） ； Vivix Group Limited（Vivix集团有限公司） ； HKUST（香港科技大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； CPII under InnoHK（InnoHK下的CPII）
AI总结 提出AR-CoPO框架，通过分叉机制构建邻域候选、分块级对齐和半在线训练策略，解决流式自回归视频生成中RLHF对齐难题，提升跨域泛化与人类偏好对齐。
Comments ECCV 2026
Proxy-GS：结构化3D高斯泼溅中训练与推理的统一遮挡先验
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Northwestern Polytechnical University（西北工业大学） ； Sichuan University（四川大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出Proxy-GS，利用快速代理系统生成精确遮挡深度图，在训练中引导表面致密化、在推理中剔除冗余高斯体，实现2.5倍以上加速并提升渲染质量。
Comments Project page: https://visionary-laboratory.github.io/Proxy-GS
高斯置信传播网络用于深度补全
机构 * National University of Defense Technology（国防科技大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出高斯置信传播网络（GBPN），融合深度学习与概率图模型，通过动态构建马尔可夫随机场并利用高斯置信传播推断，实现高稀疏度下的鲁棒深度补全。
Comments Accepted by ECCV 2026
扰动对相似个体间准确性和公平性的影响
机构 * University of New South Wales（新南威尔士大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Key Laboratory of System Software, Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所系统软件重点实验室） ； Fudan University（复旦大学） ； Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（中国科学院大学杭州先进研究所） ； The University of Sydney（悉尼大学）
AI总结 提出鲁棒个体公平性（RIF）概念，并开发黑盒对抗框架RIFair，通过解耦扰动策略暴露模型在语义保持扰动下同时存在的鲁棒性和公平性缺陷。
可扩展的全身运动迁移：基于隐式动力学运动重定向
机构 * HKUST(GZ)（香港科技大学（广州）） ； ETH Zurich（苏黎世联邦理工学院） ； Zhejiang University（浙江大学） ； Xiaomi Robotics Lab（小米机器人实验室）
AI总结 提出隐式动力学运动重定向（IKMR），利用骨架图卷积双自编码器将人体与机器人运动映射到共享拓扑潜空间，结合物理信息精炼实现高速、鲁棒的运动数据转换，解决噪声与计算瓶颈。
Comments RSS 2026 Workshop. Webpage: https://cybercal.github.io/webpage.ikmr
PSHuman: 使用跨尺度多视图扩散和显式重网格化的逼真单图像三维人体重建
机构 * HKUST（香港科技大学） ； Southeast University（东南大学） ； Tsinghua University（清华大学） ； VAST
AI总结 提出PSHuman框架，通过跨尺度多视图扩散和SMPL-X条件生成，解决单视图人体重建中的几何失真和自遮挡问题，实现高保真几何与纹理重建。
Comments CVPR2025, Project page: https://penghtyx.github.io/PSHuman
噪声矩阵补全中线性形式的多元检验
机构 * University of Pennsylvania（宾夕法尼亚大学） ； City University of Hong Kong（香港城市大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Columbia University（哥伦比亚大学）
AI总结 针对大规模推荐系统中噪声矩阵补全的多元线性形式检验问题，提出一种数据分割与对称聚合方法，通过构造具有锐利渐近性质的统计量控制错误发现率，在近最优样本量下实现有效FDR控制与统计功效。
Edit-R2：面向多轮图像编辑的上下文感知强化学习
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Kuaishou Technology（快手科技）
AI总结 提出Edit-R2框架，通过重构会话意图和联合优化推理与生成的强化学习，解决多轮图像编辑中的长上下文稀释和状态污染问题，并在MICE-Bench基准上取得领先性能。
LiveClawBench: 在复杂真实世界助理任务上评估大语言模型代理的基准测试
机构 * Samsung Research（三星研究院） ； HKUST (Guangzhou)（香港科技大学（广州）） ； Peking University（北京大学） ； City University of Hong Kong（香港城市大学）
AI总结 本文提出LiveClawBench基准，通过三轴复杂性框架评估LLM代理在真实世界助理任务中的表现，涵盖环境复杂性、认知需求和运行时适应性，为未来扩展提供基础。
复值二维高斯表示用于计算机生成全息术
机构 * University College London（伦敦大学学院） ； Hong Kong University of Science and Technology (HKUST)（香港科技大学）
AI总结 提出基于复值二维高斯基元的全息图表示，通过最小化空间-频率不确定性并利用可微分光栅化器实现端到端优化，在减少显存和加速优化的同时，显著提升重建质量与渲染速度。
Comments 36 pages, 22 figures
FC-Vision：未知环境中无遮挡空中目标结构扫描的实时可见性感知重规划
机构 * Dept. of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程系，香港科学与技术大学）
AI总结 提出FC-Vision框架，通过双层分解（无遮挡视点修复和分段清洁感知连接）实时施加密集表面可见性约束，在保持覆盖率和效率的同时主动防止目标遮挡，实现55.32%的覆盖率提升和73.17%的遮挡率降低。
Comments Accepted by IEEE Robotics and Automation Letters. 8 pages, 8 figures, 3 tables. Code: https://github.com/FC-Family/FC-Vision. Video: https://www.youtube.com/watch?v=H3C42zlDOAI
FlexMS：分子串联质谱预测的统一公共基准
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） ； The University of Hong Kong（香港大学） ； Yangzhou University（扬州大学） ； Fudan University（复旦大学）
AI总结 提出FlexMS基准框架，通过标准化预处理、元数据条件和评估协议，实现跨公共资源的公平比较，并引入难度感知诊断指导模型选择。
Comments preprint version v4
分布偏好优化：大语言模型遗忘的细粒度视角
机构 * Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Jianghuai Advanced Technology Center（江淮先进技术中心） ； University of Technology Sydney（悉尼大学）
AI总结 针对大语言模型遗忘中负偏好优化缺乏显式正信号的问题，提出分布偏好优化（DiPO），通过选择性放大或抑制模型高置信度输出logits构建偏好分布对，实现细粒度遗忘，在TOFU和MUSE基准上取得最优遗忘质量与模型效用的平衡。
Comments 20 pages
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