高校专区
VCG-Bench：迈向统一的视觉导向基准，用于结构化生成与编辑
机构 * The Hong Kong University of Science and Technology (GuangZhou)（香港科学与技术大学（广州）） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； South China University of Technology（华南理工大学）
AI总结 本文提出VCG-Bench，一个统一的视觉导向mxGraph任务基准，通过符号逻辑和XML实现精确的图表生成与编辑，解决现有方法在结构化任务中的局限性。
Comments Accepted by ICML2026, 37 pages, 10 figures
用于多步视觉推理的分层去噪
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理技术国家重点实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Beihang University（北京航空航天大学） ； Fuzhou University（福州大学） ； Muka Robotics（木卡机器人）
AI总结 研究针对视频模型多步推理不足的问题，提出HDR框架，通过树形层次结构和稀疏分层注意力模式进行多步推理，在新基准测试中提升了成功率和进度，推理更快，数据效率更高，在机器人实验中展现潜力。
ANet Patu-1：智能体网络中连接的价值
机构 * Agent Network Research（代理网络研究） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 研究人工智能智能体网络连接价值，通过建模推导最优协作协议属性，引入ANet Patu-1协议。结果表明，异构便宜模型集体价值能超同构强模型，且异构网络能自收敛重构连接价值规律。
MESHA：用于策略性线性博弈的机制强化序贯减半算法
机构 * Data Science and Analytics Thrust, Hong Kong University of Science and Technology (Guangzhou)（数据科学与分析方向，香港科技大学（广州））
AI总结 研究策略性线性博弈中最佳臂识别问题，提出MESHA算法，采用朴素均匀采样规则和逐轮严厉触发条件，证明其在固定预算内失败概率上界，指出基于\(G\)最优设计的算法在此环境会失败，实验表明MESHA优于基线。
ReBind：通过具有显式参考关系的结构化指令进行多参考视频编辑
机构 * HKUST（香港科技大学） ； Kling Team（克林团队） ； NJU（南京大学） ； UCAS（中国科学院大学） ； PKU（北京大学） ； HKU（香港大学）
AI总结 研究针对多参考图像条件视频编辑中现有方法难以协调多视觉源信息的问题，提出ReBind框架，通过带嵌入参考令牌的语义指令及两阶段渐进方案学习建立显式绑定，实现轻量级适配，在指令质量和性能上表现出色。
Comments Project Page: https://rebind-mrv2v.github.io/
通过自我场景增强在多模态大语言模型中强化自我中心空间感知
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Guangxi Zhuang Autonomous Region Information Center（广西壮族自治区信息中心） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究如何强化多模态大语言模型的自我中心空间感知，提出自我场景增强框架ESA，利用自我元素图作为中间表示，通过视觉基础模型增强空间感知，在EgoTextVQA基准上取得显著性能提升。
Comments 14 pages, 8 figures. Chi Kit Wong and Ye Pan contributed equally. Code: https://github.com/Chikit-WONG/spatialGraph
通过熵反馈实现确定性MPPI的信息论自适应冷却
机构 * School of Automation & Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） ； Department of Physics, The Hong Kong University of Science and Technology（物理系，香港科技大学）
AI总结 研究基于MPPI的确定性最优控制中冷却策略难题，提出ITAC框架，利用重要性权重香农熵作反馈信号调节温度，证明其渐近收敛，实验显示该框架提升采样效率且收敛更快，不影响MPPI无导数特性。
FlashDiff：用于扩散模型服务的高效区域执行与调度
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Vanderbilt University（范德比大学） ； HKUST（香港科技大学） ； NVIDIA（英伟达） ； Texas A&M University（德克萨斯农工大学）
AI总结 研究针对扩散模型服务效率低的问题，提出FlashDiff系统，通过自适应区域执行和调度，利用扩散细化特性及三种机制，有效降低端到端服务延迟，提高吞吐量。
RePlan：基于推理的复杂基于指令的图像编辑区域规划
机构 * Tencent AI Lab（腾讯人工智能实验室） ； CUHK（香港中文大学） ； HKUST（香港科技大学）
AI总结 研究针对复杂指令图像编辑中现有模型在IV-复杂性下的不足，提出RePlan框架，结合视觉语言规划器与扩散编辑器，经强化学习提升性能，还推出IV-Edit基准，该框架在相关设置中优于强大基线，提高了区域精度和整体一致性。
Comments [ECCV2026] Precise multi-region control and planning for instruction-based image editing. Our project page: https://replan-iv-edit.github.io
A-IC3：用于硬件模型检查的学习引导自适应归纳泛化
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 针对IC3算法在硬件模型检查中归纳泛化策略固定的问题，提出基于机器学习的轻量级框架，利用多臂赌博机算法动态选择策略，经实验验证该方法能有效提升rIC3解决案例数量及PAR-2分数。
基于工具增强证据的多智能体协作推理用于城市区域剖析
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Washington（华盛顿大学） ； Chang’an University（长安大学） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校）
AI总结 研究针对城市区域剖析问题，提出UrbanAgent框架，通过多智能体协作推理解决跨模态不一致，将指标预测扩展为闭环过程，经实验验证其性能优于现有基线，在未见城市设置中有强泛化性。
Comments Accepted by KDD 2026
用于高效视觉语言模型的无注意力轻量级令牌约简
机构 * Zhejiang University（浙江大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 针对视觉语言模型在边缘设备部署难的问题，提出无注意力轻量级令牌约简框架，通过基于熵的准则估计令牌重要性，引入一致性信号确保视觉覆盖，经实验验证该框架在精度和效率权衡上表现出色。
Comments This work has been submitted to the IEEE for possible publication
GPOcc++：具有视觉几何先验的统一稀疏高斯占用预测
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Sun Yat-sen University（中山大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学）
AI总结 研究针对3D场景理解中从视觉观察恢复完整体积表示的挑战，提出GPOcc++，它基于视觉几何先验，将其转换为占用感知的稀疏高斯表示，能在统一框架中处理多视图观察和时间序列，扩展到室外，实验证明其性能强、效率高且泛化能力好。
即时场景图增长：应对长期机器人感知饱和
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Jilin University（吉林大学）
AI总结 研究针对长期机器人任务中传统3D场景图构建方式导致感知饱和的问题，提出JITOMA闭环框架，利用任务热图过滤观察、大语言模型解析意图动态唤醒锚点，经JITOMA-Bench评估，该框架有效减小图大小和延迟，保持处理时间稳定。
STKAN：用于时空预测的柯尔莫哥洛夫-阿诺德网络
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Chang’an University（长安大学） ； China University of Geosciences（中国地质大学）
AI总结 针对现实交通数据时空预测难题，提出STKAN架构，将泰勒多项式柯尔莫哥洛夫-阿诺德网络模块引入时空令牌混合，经实验验证其性能有竞争力，表明非线性函数逼近器设计对时空预测架构设计有补充作用。
主动式非对角可重构智能表面赋能异构边缘计算：一种分布式强化学习方法
机构 * Internet of Things Thrust, The Hong Kong University of Science and Technology (Guangzhou)（物联网 thrust，香港科学与技术大学（广州））
AI总结 研究互易主动BD-RIS辅助异构MEC的能量感知卸载与资源分配问题，基于分布式软演员-评论家算法改进版DSAC-T构建端到端联合优化框架，相比其他算法，实现了更好的能量-延迟奖励、可行性比率及更快在线决策时间
利用VLA：通过记忆引导智能体将冻结的视觉语言动作模型转化为可靠的操作原语
机构 * Tsinghua University（清华大学） ； Striding AI（驰行人工智能公司） ； Purdue University（普渡大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Infinigence AI（英飞智研人工智能公司） ； Zhongguancun Academy（中关村学院） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究语言条件下操作问题，提出Harness VLA框架，将冻结VLA与分析原语库结合，通过学习操作范围扩展预训练VLA，在多种扰动操作任务中相比基线有大幅提升。
EFlow: 学习证据流用于具有自适应反思的长视频推理
机构 * School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 提出EFlow框架，通过分离时间定位与逻辑推理（CoT）及置信度感知的反思机制，解决长视频推理中早期语义假设导致的证据偏差问题，在五个基准上提升性能。
完美演示造就差劲教师：从关键运动片段学习鲁棒对齐
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Hong Kong University of Science and Technology (GZ)（香港科技大学（广州）） ； Nanjing University（南京大学）
AI总结 针对精细操作中流畅演示因压缩关键对齐动作导致策略学习不足的问题，提出数据级重采样和表示级STAIR特征，利用稠密运动感知监督提升策略鲁棒性。
表格数据的上下文学习算法补救
机构 * Mohamed bin Zayed University of Artificial Intelligence, United Arab Emirates（阿联酋人工智能马尔代夫 bin Zayed 大学） ； University of Copenhagen, Denmark（丹麦哥本哈根大学） ； Renmin University of China, China（中国人民大学） ； King Abdullah University of Science and Technology, Saudi Arabia（沙特阿拉伯王国科学与技术大学） ； The Hong Kong University of Science and Technology(Guangzhou), China（广州科技大学（香港））
AI总结 针对表格数据上下文学习中的黑箱模型，提出自适应子空间补救框架ASR-ICL，通过零阶优化高效生成可操作且稀疏的补救方案，理论证明补救有界且随上下文增大收敛至经典解。
Comments Accepted by ICML 2026
具有\(O(T^{2/3 - ε})\)误差界的高效序贯校准
机构 * HKUST（香港科技大学）
AI总结 研究在线二元序贯校准问题，基于已有突破成果，提出结合\textsc{SPR - 校准}程序与外部校正层的随机预测器，实现\(O(T^{2/3 - ε})\)期望校准误差，并对总校准误差进行分解及控制。
MemOps：在长期对话中对生命周期内存操作进行基准测试
机构 * MemTensor (Shanghai) Technology Co., Ltd.（墨天轮（上海）科技有限公司） ； 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）
AI总结 研究针对长期对话中内存操作评估，引入MemOps基准测试，将对话内存视为操作生命周期，通过可控管道嵌入操作并评估，揭示了当前系统内存操作的问题，推动评估从答案评分转向操作级诊断。
Infra-Swarm：通过近红外光谱视觉实现基于视觉的鲁棒多机器人集群
机构 * Westlake University（西湖大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Zhejiang University（浙江大学）
AI总结 研究针对分布式集群受带宽或环境限制问题，提出Infra-Swarm，通过机器人配备近红外光源和相机，利用光学耀斑测量邻居3D位置，借助窄带滤波器抗干扰，以最小计算开销实现集群大规模可扩展性。
EVOQUANT：用于稳健量化交易的自进化验证器引导策略优化
机构 * HKUST(GZ)（香港科技大学（广州）） ； Paradoox AI Research（悖论人工智能研究）
AI总结 研究针对量化策略优化多依赖人工且易出错的问题，提出EVOQUANT框架，利用大语言模型诊断瓶颈、生成候选编辑，经多阶段验证选最佳策略，能提炼经验持续改进，实验表明该方法有效提升夏普比率，为金融策略研究提供新途径。
隔离作为大语言模型智能体系统安全的头等原则：概念、分类法、挑战及未来方向
机构 * HKUST（香港科技大学） ； NYU（纽约大学） ； SWUPL（西南政法大学）
AI总结 探讨大语言模型智能体系统安全问题，将隔离作为头等原则，用边界中心分类法组织文献，助于识别隔离丧失位置、妥协传播方式及相关防御，还总结了故障路径，讨论挑战并勾勒研究议程。
IQA-T1：基于工具的图像质量评估视觉证据推理
机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机科学学院） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 针对开放世界图像质量评估难题，提出IQA-T1框架，通过自主调用工具生成视觉证据增强多模态大语言模型推理，构建Q-Tool数据集，实验表明该框架性能最佳且评估可解释、基于证据。
Comments Accepted by ECCV 2026
EntSQL：一个将Text-to-SQL置于长上下文企业知识中的基准
机构 * HKUST (GZ)（香港科技大学（广州）） ； Alibaba Group（阿里巴巴集团） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳））
AI总结 提出EntSQL基准，通过包含1066个跨五个业务领域的中英文对齐示例，评估LLM在长上下文企业文档中基于私有业务知识生成SQL的能力，最佳系统仅达15.9%准确率。
PerfCodeBench：用于系统级高性能代码优化的LLM基准测试
机构 * HKUST（香港科技大学） ； NYU（纽约大学） ； SWUPL（西南大学）
AI总结 本文提出PerfCodeBench，用于评估LLM在系统级高性能代码优化中的能力，发现模型生成代码与专家优化代码存在显著差距，尤其在并行和GPU任务中表现更差。
穿越幻象：一种双路径代理框架用于鲁棒的误导图表问答
机构 * The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出ChartCynics双路径框架，通过分离感知与验证，利用诊断视觉路径和OCR驱动数据路径解决图表误导问题，提升模型鲁棒性。
Comments 10pages, 4 figures
在学习中保持好奇心：通过自适应自蒸馏实现熵保持的监督微调以提升大推理模型
机构 * City University of Hong Kong（香港城市大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 CurioSFT通过自适应自蒸馏和熵引导温度选择，提升大推理模型的探索能力，在监督微调和强化学习阶段均取得显著改进。
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