高校专区
FlowEvo：通过工作流和可执行技能的协同进化实现自我进化的智能体
机构 * Southeast University（东南大学） ； Rensselaer Polytechnic Institute（伦斯勒理工学院） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究旨在让大型语言模型智能体通过工作流解决复杂任务。提出FlowEvo框架，通过工作流到技能编译、技能到工作流反馈、技能管理三个机制，使智能体无需更新模型参数积累完善能力，实验显示其在基准测试中精度-成本权衡优，各机制有贡献。
OpenNavMap: 无需结构的拓扑制图通过大规模协作定位
机构 * Robot Perception and Learning Lab, Intelligent Robotics, Department of Computer Science, University College London（机器人感知与学习实验室，智能机器人，计算机科学系，伦敦大学学院） ； Department of Computer Science and Engineering, Hong Kong University of Science and Technology（计算机科学与工程系，香港科学与技术大学） ； Department of Electronic and Computer Engineering, 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） ； Institute of Robotics and Automatic Information System, Nankai University（机器人与自动信息系统研究所，南开大学） ； College of control science and engineering, Zhejiang University（控制科学与工程学院，浙江大学） ； AI Centre, Department of Computer Science, University College London（人工智能中心，计算机科学系，伦敦大学学院）
AI总结 OpenNavMap通过大规模协作定位实现无需结构的拓扑制图，利用3D几何模型进行按需重建，实现高精度的子图对齐和全局一致性。
Comments 21 pages, 20 figures, https://rpl-cs-ucl.github.io/OpenNavMap_page/
用于驾驶场景中连贯车道和交通拓扑推理的几何引导表示
机构 * FNii ； SSE, CUHK-Shenzhen ； HKUST-Guangzhou（HKUST-广州） ； Tencent Map T-Lab（腾讯地图T实验室）
AI总结 研究自动驾驶中道路拓扑推理问题，提出CoPo统一框架，通过整合感知层、推理层和监督层的几何引导关系建模，实现感知与推理的端到端联合优化，实验证明该方法在多个指标上优于现有方法。
Comments KDD2026
InteractComp：使用模糊查询评估搜索代理
机构 * DeepWisdom（深智科技） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Renmin University of China（中国人民大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Agent Universe（智能体宇宙） ； McGill University（麦吉尔大学） ； Yale University（耶鲁大学）
AI总结 研究针对搜索代理缺乏处理模糊查询及交互能力的问题，引入InteractComp基准，通过目标-干扰物方法构建问题评估17个模型，发现模型存在过度自信问题，强制交互有提升，揭示交互能力停滞，该基准对评估和训练搜索代理交互能力有重要价值。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026), Seoul, South Korea. 9 pages, 4 figures
基于重新定义的逐步优势的自引导过程奖励优化用于过程强化学习
机构 * Terminus Group（Terminus集团） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； King Abdullah University of Science and Technology（国王阿卜杜勒阿齐兹大学）
AI总结 针对过程强化学习中引入奖励模型计算开销大且缺乏统一优势估计框架的问题，提出SPRO框架，通过从策略模型导出奖励及重新定义优势进行过程感知强化学习，实验显示其训练效率高、准确率提升且无额外开销。
具有需求学习和履行成本的在线定价与分配
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Hong Kong University of Science and Technology（香港科技大学） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 研究卖方联合选库存位置与价格并满足实际需求的在线学习问题，提出OCSAA算法，利用反事实翻译和低置信度乐观主义做决策，对有理多面体库存集有多项式时间加法精度实现，有高概率后悔保证及信息论下界，有效整合了统计学习与运筹学。
Comments 32 pages, 2 figures, 5 tables
抓取、交接、旋转：通过组合扩散和基于能量的优化实现双手物体重新定向
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 研究双手物体重新定向问题，提出基于组合扩散和能量的BiCompoDiff框架，联合优化多方面任务，结合预训练模型与能量模型，通过梯度引导和采样优化抓取姿态，实验表明其成功率和轨迹平滑度优于基线，实现有效模拟到现实转移。
Comments IROS 2026
WAT3R：前馈水下三维重建
机构 * 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） ； Peking University（北京大学）
AI总结 针对水下光衰减等导致三维重建难的问题，提出WAT3R前馈框架，利用退化适应及轻量级神经适应模块，单次前向传播直接输出三维点图和相机姿态，实验证明其在多类三维重建任务中优于现有方法。
FA-LAM：用于一次性4D可动画化高斯头部的焦点感知大型头像模型
机构 * HKUST（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； Beihang University（北京航空航天大学） ； Lingnan University（岭南大学）
AI总结 提出FA-LAM模型用于一次性创建可动画化高斯头部及实现3D、4D全头部恢复。通过分析注意力机制等确定影响因素，采用对称语义注意力正则化等方法解决问题，增强模型支持多视图和流式4D重建，提升了头部重建质量。
CMI-Mem：通过CMI增强的强化学习实现可泛化的长期内存管理
机构 * Alibaba Group（阿里巴巴集团） ； HKUST（香港科技大学） ； PolyU（香港理工大学） ； HKUST(GZ)（香港科技大学（广州））
AI总结 研究针对现有内存管理器模型局限，提出基于强化学习的CMI-Mem模型，结合下游问答正确性与内在条件互信息CMI作为混合奖励，可评估新输入信息，补充而非取代问答基础，实现可泛化的长期内存管理。
StrideDiffusion：加速用于时间序列生成的扩散模型
机构 * UNSW（新南威尔士大学） ； RMIT（皇家墨尔本理工大学） ； Aalto University（阿尔托大学） ； HKUST(GZ)（香港科技大学（广州））
AI总结 研究针对扩散模型推理时去噪步骤多限制实际应用的问题，提出StrideDiffusion采样器，依据频带活动自适应选步长，经实验验证该方法能大幅加速时间序列生成，保持或提升质量，为快速采样提供实用信号。
Comments Under Review
WILDTRACE：长文本推理中自然证据线索的基准测试
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Qwen Team, Alibaba Group（阿里集团通义团队）
AI总结 该研究针对长文档复杂问题回答中源内证据整合的缺失，引入WILDTRACE基准，利用因果层次等定义证据几何结构，通过源优先管道挖掘线索并验证，为长文本研究应对信息与推理差距提供基准。
AG-REPA：音频流匹配中表示对齐的因果层选择
机构 * AI Thrust, Information Hub, The Hong Kong University of Science and Technology (Guangzhou)（人工智能 thrust，信息中心，香港科学与技术大学（广州））
AI总结 提出AG-REPA方法，通过前向门控消融量化各层对速度场的因果贡献，实现稀疏层选择和自适应加权对齐，在音频流匹配中优于传统REPA基线。
Comments Accepted to ICML 2026. 17 pages, 4 figures, 12 tables
EmoSpace: 细粒度情绪原型学习用于沉浸式情感内容生成
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）
AI总结 EmoSpace通过视觉-语言对齐学习动态情绪原型，实现沉浸式情感内容生成的细粒度控制与多样化应用。
重写响应路径：BYOK LLM 代理中的静默篡改与提供者签名防御
机构 * Fudan University（复旦大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 研究BYOK LLM代理响应路径完整性问题，发现中继可篡改响应。提出sign-c服务器端方案，能认证执行承载字段和查询，本地垫片验证，加密保护机密性，防御有效拒绝篡改响应，误拒率为零，延迟开销低。
用于流式航空视频中小目标理解的内存增强多模态大语言模型
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Freiburg（弗莱堡大学） ； Hangzhou City University（杭州城市大学） ； XGRIDS（XGRIDS公司） ； Fudan University（复旦大学） ； Hong Kong Baptist University（香港浸会大学）
AI总结 研究针对流式航空视频中小目标理解难题，提出像素级开放词汇数据集DroneEyes，以及含语义感知令牌路由器和分层内存库的多模态大语言模型SkyAnchor，从数据和方法角度应对挑战。
无时间范围依赖的强化学习的渐近最优遗憾值
机构 * University of Washington（华盛顿大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究有限时间范围齐次表格马尔可夫决策过程的无时间范围遗憾值最小化，提出新算法，证明遗憾值上界\( \tilde O(\sqrt{SAK}+S^8A^3) \)，渐近最优且消除\( \log H \)依赖，改进先前结果。
Comments 78 pages
VizRAG：通过超图可视化增强检索增强生成
机构 * 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） ； Huawei Research（华为研究院） ； Beihang University（北京航空航天大学）
AI总结 研究旨在增强检索增强生成，核心方法是通过视觉线索将超图感知整合到RAG系统中，引入VizRAG支持视觉超图结构感知，实验证明该方法显著优于基线，验证了超图可视化用于RAG系统的潜力。
用于深度弱监督图像分割的统一变分框架
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Hetao Institute of Mathematics and Interdisciplinary Sciences（河套数学与交叉科学研究所） ； Georgia Institute of Technology（佐治亚理工学院） ； Xiangtan University（湘潭大学） ； Norwegian Research Center（挪威研究中心）
AI总结 提出用于稀疏像素级监督图像分割的统一变分框架，基于特定模型产生能量泛函作训练损失，利用RKHS构建模糊隶属函数纳入稀疏标签，实验显示该方法比基线更优，无需真实分割图像即可有可比性能。
MagicPrompt：用于视频生成的超轻量级提示调整
机构 * HKUST（香港科技大学） ； HKUST(GZ)（香港科技大学（广州）） ； Tencent（腾讯）
AI总结 研究针对大规模视频扩散模型下游任务微调计算成本高的问题，提出MagicPrompt轻量级框架。采用注意力嵌入提示调整和双空间奖励反馈优化，在可训练参数不到1%时达竞争性能，显著降低训练成本。
PhysClaw-0：一种通过语言修正实现机器人自主的共生智能体系统
机构 * GigaAI（字节跳动人工智能实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Leeds（利兹大学） ； Cornell University（康奈尔大学） ； Tsinghua University（清华大学） ； Nanjing University of Science and Technology（南京理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； FAWTD（一汽技术开发部）
AI总结 研究针对自主数据收集问题，提出PhysClaw-0共生智能体系统，通过跨轮保留和重用修正、自主收集验证等方式，在真实机器人测试中减少人力时间，提高成功率，并提升验证者与人类一致性。
Comments WebPage: https://open-gigaai.github.io/Zero2Skill
SGMD: 得分梯度匹配蒸馏用于少步视频扩散蒸馏
机构 * Beihang University（北京航空航天大学） ； SenseTime Research（商汤科技研究院） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 针对分布匹配蒸馏在少步视频扩散中训练昂贵且运动动态保守的问题，提出得分梯度匹配蒸馏（SGMD），通过直接优化假得分朝向教师并使用教师停止梯度Fisher作为稳定目标，实现约3倍训练加速并显著提升运动动态。
Comments ICML 2026
VG3S：基于视觉几何的高斯散射用于语义占用预测
机构 * Department 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 VG3S 通过引入视觉基础模型的几何 grounding 能力，提升语义占用预测的准确性与泛化能力。
Comments Accepted by IROS 2026
CR-Refiner：用于编辑条件3D场景检索的以对象为中心的最优传输重排器
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 研究编辑条件3D场景检索问题，提出CR-Refiner重排器，通过冻结语言模型解析编辑、不平衡最优传输问题评分候选对象、轴条件结构先验及语言模型验证器细化结果，在不同基础检索器上提升了硬子集检索指标。
GATE-3D：用于开放集3D形状检索的几何感知测试时自适应重排
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 研究针对开放集3D形状检索中几何与外观特征融合问题，提出GATE-3D轻量级查询自适应重排方法，通过捕捉模态不一致特征预测分数调整排名，实验表明该方法优于外观检索且更稳健，提升了mAP等指标，还发现线性路由在低数据时更有效。
动态环境中基于送货无人机的参与式传感的强化学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beijing Institute of Technology（北京理工大学）
AI总结 研究动态环境中基于送货无人机的参与式传感问题，提出双时间尺度强化学习框架TSRL，该框架分宏观和微观两层协作决策，实验表明其显著优于基线，在杭州和上海分别提升系统利润20.1%和46.6%。
HOMIE：通过多模态智能增强实现以人为对象的视频个性化
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究以人为对象的视频个性化问题，提出HOMIE框架，统一处理主体间和主体内输入设置。通过更好的MLLM集成策略、自注意力中的全局多模态引导及模态参考嵌入，在多任务中达最优性能。
Comments 28 pages, 14 figures
CNS-Edit++：基于耦合神经形状表示的类别无关3D编辑
机构 * The Chinese University of Hong Kong（香港中文大学） ； Lingnan University（岭南大学） ； National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Autodesk AI Lab（欧特克人工智能实验室） ； Simon Fraser University（西蒙弗雷泽大学）
AI总结 研究提出基于耦合神经形状表示和神经特征体积优化的潜在空间3D形状编辑框架CNS-Edit++，能在特定类别和类别无关模型上实例化，有多种编辑操作符及区域控制机制，经评估其性能优于现有方法。
MeanFlowNFT：将前向过程强化学习引入平均速度生成器
机构 * Tencent Hunyuan（腾讯混元） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究将强化学习应用于MeanFlow生成器的问题，核心方法是引入MeanFlowNFT，受MeanFlow恒等式启发构建预测器并应用DiffusionNFT目标，主要贡献是改进基线，在多数指标上超越现有方法，少步采样时能超越多步强化学习调整的扩散模型。
Comments Project Page: https://harahan.github.io/meanflownft-project-page/, GitHub: https://github.com/Harahan/MeanFlowNFT, Hugging Face: https://huggingface.co/Harahan/MeanFlowNFT, Demo: https://huggingface.co/spaces/Harahan/meanflownft-fewstep-generation
AdvNav：视觉语言导航中基于行为引导的黑盒对抗攻击
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 研究视觉语言导航系统对抗攻击，提出AdvNav框架，利用双粒度行为反馈构建替代目标，采用混合优化策略。在R2R数据集上评估，对两种模型取得较高攻击成功率，证明其有效性与通用性，揭示感知漏洞并为VLN模型设计提供见解。
Comments ACM International Conference on Multimedia 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