Huazhong University of Science and Technology（华中科技大学）

Divide and Conquer: Decoupled Representation Alignment for Multimodal World Models

分而治之：多模态世界模型的解耦表示对齐

Junyuan Xiao, Dingkang Liang, Xin Zhou, Yixuan Ye, Tongtong Su, Guangmo Yi, Bin Xia, Qiang Lyu, Shurui Shi, Jun Huang, Jianlou Si, Wenming Yang

机构 * Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； CSU（中南大学） ； ZJU（浙江大学） ； CUHK（香港中文大学） ； UCAS（中国科学院大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 提出M²-REPA方法，通过解耦扩散模型中间表示中的模态特定特征并与对应的专家基础模型对齐，实现多模态视频生成中多种基础模型先验的充分利用，显著提升视觉质量和长期一致性。

Comments Accepted to ECCV 2026

Distributed Online Bandit Submodular Maximization with Bounded Sampling Violations

具有有界采样违规的分布式在线赌博机子模最大化

Bin Du, Chang Liu, Dingqi Zhu, Lintao Ye, Dengfeng Sun

机构 * College of Automation Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学自动化学院） ； School of Artificial Intelligence and Automation at the Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； School of Aeronautics and Astronautics, Purdue University（普渡大学航空航天学院） 纠错

AI总结 针对划分拟阵约束下的分布式在线子模最大化问题，提出统一算法框架，在全信息和赌博机反馈下实现次线性(1-1/e)-遗憾，并通过有界随机管道舍入方案使采样违规概率渐近消失。

Synergistic Perception-Reasoning Governance: Grounding Medical MLLMs with Verifiable Anatomical Evidence

协同感知-推理治理：用可验证解剖证据为医学多模态大语言模型提供基础

Rui Hao, Qiankun Li, Junyuan Mao, Linghao Meng, Dirui Xie, Dayu Tan, Zhigang Zeng

机构 * Huazhong University of Science and Technology（华中科技大学） ； Imperial Global Singapore, Imperial College London（帝国理工学院新加坡全球中心） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Anhui University（安徽大学） 纠错

AI总结 提出一种无需训练的证据注入框架，通过ROI引导的视觉激活调制和解剖坐标语义标记，协同校准视觉感知与文本推理，动态路由任务特定干预，有效减少医学MLLM的幻觉。

Comments Accepted by MICCAI 2026 (Early Accept, Top 9%)

FeLoG: Scalable and Efficient Distributed Graph Embedding with Feedback Loop Mechanism

FeLoG：具有反馈循环机制的可扩展高效分布式图嵌入

Peng Fang, Arijit Khan, Ziqiang Wu, Zhenli Li, Yibo Zhou, Fang Wang, Dan Feng

机构 * Huazhong University of Science and Technology（华中科技大学） ； Bowling Green State University（伯灵顿州立大学） 纠错

AI总结 提出FeLoG系统，通过反馈耦合采样与训练、活动感知通信和轮次交错流水线，实现分布式图嵌入的加速和资源高效利用。