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

SceneParser: Hierarchical Scene Parsing for Visual Semantics Understanding

SceneParser: 用于视觉语义理解的分层场景解析

Pengxin Xu, Xincheng Lin, Luping Xiao, Qing Jiang, Meishan Zhang, Hao Fei, Shanghang Zhang, Xingyu Chen

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Zhongguancun Academy（中关村学院） ； Huazhong University of Science and Technology（华中科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； South China University of Technology（华南理工大学） ； University of Oxford（牛津大学） ； Peking University（北京大学） 纠错

AI总结 本文提出SceneParser，通过分层解析任务构建场景-对象-部件-功能的层次结构，利用结构完成伪标签和课程学习提升结构感知能力，实验表明其在复杂场景理解中表现更优。

Comments Preprint. Code, models, and dataset are provided in the manuscript

Let Robots Feel Your Touch: Visuo-Tactile Cortical Alignment for Embodied Mirror Resonance

让机器人感受你的触摸：用于具身镜像共振的视觉-触觉皮层对齐

Tianfang Zhu, Ning An, Rui Wang, Jiasi Gao, Qingming Luo, Anan Li, Guyue Zhou

机构 * Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Key Laboratory of Biomedical Engineering of Hainan Province, School of Biomedical Engineering, Hainan University（海南省生物医学工程重点实验室，海南大学生物医学工程学院） ； School of New Media Art and Design, Beihang University（北航艺术与设计学院） ； MoE Key Laboratory for Biomedical Photonics, Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology（教育部生物医学光子学重点实验室，武汉光电研究所，华中科技大学） 纠错

AI总结 本文提出镜像触觉网络，通过多级约束实现视觉与触觉表征的语义、分布和几何对齐，使机器人能从RGB图像预测毫米级触觉信号，为具身镜像共振提供可解释的机器人感知路径。

MemCompiler: Compile, Don't Inject -- State-Conditioned Memory for Embodied Agents

MemCompiler: 编译，而非注入 -- 用于具身智能体的状态条件化记忆

Xin Ding, Xinrui Wang, Yifan Yang, Hao Wu, Shiqi Jiang, Qianxi Zhang, Liang Mi, Hanxin Zhu, Kun Li, Yunxin Liu, Zhibo Chen, Ting Cao

机构 * University of Science and Technology of China（中国科学技术大学） ； Huazhong University of Science and Technology（华中科技大学） ； Microsoft Research（微软研究院） ； Nanjing University（南京大学） ； Institute for AI Industry Research (AIR) Tsinghua University（清华大学人工智能产业研究院） 纠错

AI总结 MemCompiler通过状态条件化记忆编译提升具身智能体的记忆效率与效果，在多个基准测试中实现性能提升和延迟降低。

Quotient-Space Diffusion Models

商空间扩散模型

Yixian Xu, Yusong Wang, Shengjie Luo, Kaiyuan Gao, Tianyu He, Di He, Chang Liu

机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Beijing, China（一般人工智能国家重点实验室，北京大学，北京，中国） ； Huazhong University of Science and Technology, Wuhan, China（华中科技大学，武汉，中国） ； Microsoft Research Asia, Beijing, China（微软亚洲研究院，北京，中国） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） 纠错

AI总结 本文提出商空间扩散模型，通过处理对称性来提升生成模型性能，优于等变模型和对齐方法，在分子结构生成中表现更佳。

Comments ICLR 2026 Oral Presentation; 43 pages, 5 figures, 6 tables; ICLR 2026 Camera Ready version

From Ranking to Reasoning: Explainable Web API Recommendation via Semantic Reasoning

从排序到推理：通过语义推理实现可解释的Web API推荐

Zishuo Xu, Dezhong Yao, Yao Wan

机构 * School of Software Engineering（软件工程学院） ； School of Computer Science and Technology（计算机科学与技术学院） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 本文提出WAR-R1框架，结合语义推理与自适应推荐，通过轻量级大语言模型生成API推荐及自然语言解释，提升推荐准确性和透明度。

FrameSkip: Learning from Fewer but More Informative Frames in VLA Training

FrameSkip: 从更信息丰富的较少帧中学习以在VLA训练中提升性能

Bin Yu, Shijie Lian, Xiaopeng Lin, Zhaolong Shen, Yuliang Wei, Changti Wu, Hang Yuan, Haishan Liu, Bailing Wang, Cong Huang, Kai Chen

机构 * Harbin Institute of Technology（哈尔滨理工大学） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； Huazhong University of Science and Technology（华中科技大学） ； East China Normal University（华东师范大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Beihang University（北航） ； DeepCybo 纠错

AI总结 本文提出FrameSkip框架，通过选择高重要性帧来优化VLA训练，提升成功率与保留率的平衡，实现在三个基准测试中达到76.15%的成功率。

Comments GitHub: https://github.com/ZGC-EmbodyAI/FrameSkip

OSDN: Improving Delta Rule with Provable Online Preconditioning in Linear Attention

OSDN：通过可证明的在线预条件化改进Delta规则

Chenyu Zhou, Hongpei Li, Yuerou Liu, Jianghao Lin, Dongdong Ge, Yinyu Ye

机构 * Shanghai Jiao Tong University（上海交通大学） ； Northwestern University（西北大学） ； Huazhong University of Science and Technology（华中科技大学） ； Stanford University（斯坦福大学） 纠错

AI总结 OSDN通过在线预条件化改进Delta规则，通过在线更新对角预条件器提升特征曲率处理，理论证明其收敛性和泛化能力，在大规模参数下提升上下文回忆性能。

Strikingness-Aware Evaluation for Temporal Knowledge Graph Reasoning

面向时间知识图谱推理的显著性感知评估

Rikui Huang, Shengzhe Zhang, Wei Wei

机构 * School of Computer Science & Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； Institute of Artificial Intelligence, Huazhong University of Science and Technology（华中科技大学人工智能研究院） ； School of Artificial Intelligence & Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） 纠错

AI总结 本文提出显著性感知评估框架，通过引入基于规则的显著性测量框架量化事件显著性，改进时间知识图谱推理的评估方法，实验表明不同模型在不同显著性事件上的表现差异。

Comments Accepted to IJCAI-ECAI 2026

Explaining and Breaking the Safety-Helpfulness Ceiling via Preference Dimensional Expansion

通过偏好维度扩展解释并打破安全与有益性天花板

ShiYing Huang, Liang Lin, Yuer Li, Kaiwen Luo, Zhenhong Zhou, An Zhang, Junhao Dong, Kun Wang, Zhigang Zeng

机构 * Huazhong University of Science and Technology（华中科技大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； Chongqing University（重庆大学） 纠错

AI总结 本文提出MORA方法，通过多维奖励整合解决多目标对齐中的安全与有益性矛盾，实验显示在序列对齐中提升5%-12.4%，同时对齐中整体奖励提升4.6%。

Asymmetric On-Policy Distillation: Bridging Exploitation and Imitation at the Token Level

非对称在线策略蒸馏：在令牌层面弥合利用与模仿

Nan Jia, Haojin Yang, Xing Ma, Jiesong Lian, Shuailiang Zhang, Weipeng Zhang, Ke Zeng, Xunliang Cai, Zequn Sun

机构 * Huazhong University of Science and Technology（华中科技大学） ； Peking University（北京大学） ； Meituan（美团） 纠错

AI总结 本文提出非对称在线策略蒸馏，通过局部散度最小化改进传统策略蒸馏，提升数学推理任务表现，实现更稳定的策略熵和持续工具使用能力。

LoRA-Mixer: Coordinate Modular LoRA Experts Through Serial Attention Routing

LoRA-Mixer：通过序列注意力路由协调模块化LoRA专家

Wenbing Li, Zikai Song, Hang Zhou, Yunyao Zhang, Junqing Yu, Wei Yang

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

AI总结 LoRA-Mixer通过将任务特定的LoRA专家路由到注意力模块的核心投影矩阵中，实现细粒度的token级专业化，同时保持与Transformer和状态空间模型的兼容性，且在15个基准测试中表现优于现有方法。

Reviving In-domain Fine-tuning Methods for Source-Free Cross-domain Few-shot Learning

复兴领域内微调方法以适用于无源跨领域少样本学习

Yaze Zhao, Yicong Liu, Yixiong Zou, Yuhua Li, Ruixuan Li

机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） 纠错

AI总结 本文研究跨领域少样本学习中领域内微调方法的性能，发现LoRA等适配器方法优于提示方法，提出Semantic Probe框架提升模态对齐和类别分离。

PointForward: Feedforward Driving Reconstruction through Point-Aligned Representations

PointForward：通过点对齐表示实现馈送驾驶重建

Cheng Chi, Xianqi Wang, Hongcheng Luo, Mingfei Tu, Gangwei Xu, Zehan Zhang, Bing Wang, Guang Chen, Hangjun Ye, Sida Peng, Xin Yang, Haiyang Sun

机构 * Xiaomi EV（小米电动车） ； Huazhong University of Science and Technology（华中科技大学） ； Zhejiang University（浙江大学） 纠错

AI总结 PointForward通过点对齐表示实现驾驶场景重建，采用空间时间融合提升多视角一致性，引入场景图处理动态实例，实现高精度驾驶场景重建。

Encore: Conditioning Trajectory Forecasting via Biased Ego Rehearsals

Encore：通过有偏自我演练进行轨迹预测条件化

Conghao Wong, Ziqian Zou, Xinge You

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

AI总结 本文提出 Encore 模型，通过有偏自我演练条件化轨迹预测，提升预测性能并增强对主体性的可解释性。

SANet: A Semantic-aware Agentic AI Networking Framework for Cross-layer Optimization in 6G

SANet：一种面向6G跨层优化的语义感知代理AI网络框架

Yong Xiao, Xubo Li, Haoran Zhou, Yingyu Li, Yayu Gao, Guangming Shi, Ping Zhang, Marwan Krunz

机构 * the School of Electronic Information and Communications, the Huazhong University of Science and Technology, Wuhan, China（电子信息学院，华中科技大学，武汉，中国） ； the Peng Cheng Laboratory, Shenzhen, China（鹏城实验室，深圳，中国） ； the School of Mechanical Engineering and Electronic Information, China University of Geosciences (Wuhan), China（机械工程与电子信息学院，中国地质大学（武汉），中国） ； the State Key Laboratory of Networking and Switching（网络与交换技术国家重点实验室） 纠错

AI总结 本文提出SANet，一种语义感知的代理AI网络架构，通过推断用户语义目标并自动分配不同网络层的代理以实现目标，解决多代理多目标优化问题，实验显示性能提升达14.61%。

Comments Accepted at IEEE Transactions on Mobile Computing

Journal ref IEEE Transactions on Mobile Computing, 2026

Stable Long-Horizon PDE Forecasting via Latent Structured Spectral Propagators

通过潜在结构谱传播器实现稳定的长时域PDE预测

Xiaoxiao Lu, Ye Yuan, Jiahao Shi

机构 * School of AIA, Huazhong University of Science and Technology（华中科技大学人工智能学院） 纠错

AI总结 本文提出一种神经预测框架，通过在传播导向的潜在空间中学习结构化谱传播器（SSP），以解决传统传播器在长时域预测中的误差累积和动态漂移问题，实验表明SSP在减少相对L2误差和提升时间外推稳定性方面表现优异。

Learning to Sparsify Stochastic Linear Bandits

学习稀疏化随机线性老虎机

Zhengmiao Wang, Ming Chi, Zhi-Wei Liu, Lintao Ye, Carla Fabiana Chiasserini

机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； Department of Electronics and Telecommunications, Politecnico di Torino（托里尼 Politecnico 电子与电信系） 纠错

AI总结 本文研究在高维空间中学习稀疏化随机线性老虎机的问题，提出自适应探索与利用框架，通过普通最小二乘法学习参数并结合稀疏动作选择子程序，实现不同稀疏动作集下的最优或近似最优策略，实验验证了算法性能。

Comments Include all the omitted details and proofs from the conference paper accepted to IJCAI 2026

Angle-I2P: Angle-Consistent-Aware Hierarchical Attention for Cross-Modality Outlier Rejection

Angle-I2P：基于角度一致性的层次注意力交叉模态异常剔除

Muyao Peng, Shun Zou, Pei An, You Yang, Qiong Liu

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） 纠错

AI总结 本文提出Angle-I2P方法，通过角度一致性的几何约束和层次注意力机制提升跨模态异常剔除性能，实验表明在多个数据集上均取得最佳效果。

Comments Accepted by ICRA 2026

ReaMOT: A Benchmark and Framework for Reasoning-based Multi-Object Tracking

ReaMOT：基于推理的多目标跟踪基准与框架

Sijia Chen, Yanqiu Yu, En Yu, Wenbing Tao

机构 * National Key Laboratory of Science and Technology on Multi-spectral Information Processing, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（国家多谱信息处理科学与技术重点实验室，人工智能与自动化学院，华中科技大学） 纠错

AI总结 ReaMOT通过引入推理能力的多目标跟踪框架，解决传统方法在复杂指令下的泛化问题，提出ReaTrack框架并实现RHOTA指标的显著提升。

Comments Code: https://github.com/chen-si-jia/ReaMOT

LoopVLA: Learning Sufficiency in Recurrent Refinement for Vision-Language-Action Models

LoopVLA: 在视觉-语言-动作模型中学习充分性

Boyang Shen, Kaixiang Yang, Hao Wang, Qiuyu Yu, Qiang Xie, Qiang Li, Zhiwei Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Wuhan United Imaging Surgical Co.,Ltd. (UIS)（武汉联影 surgical 公司） 纠错

AI总结 LoopVLA通过递归学习实现表示细化、动作预测和充分性估计，减少计算并提升效率，实验表明其在精度和性能上优于现有方法。

PruneTIR: Inference-Time Tool Call Pruning for Effective yet Efficient Tool-Integrated Reasoning

PruneTIR: 在推理时工具调用剪枝以实现有效且高效的工具集成推理

Luan Zhang, Dandan Song, Zhijing Wu, Zhengyu Chen, Chen Zhang, Yuhang Tian, Huipeng Ma, Chenhao Li, Changzhi Zhou, Xudong Li, Shuhao Zhang

机构 * School of Computer Science and Technology, Beijing Institute of Technology, China（北京理工大学计算机科学与技术学院） ； School of Computer Science and Technology, Huazhong University of Science and Technology, China（华中科技大学计算机科学与技术学院） ； Independent, China（独立） 纠错

AI总结 本文提出PruneTIR框架，通过剪枝轨迹、重采样工具调用和暂停工具使用，提升已有工具能力LLM的推理能力，减少工作上下文长度并提高效率。

NEXUS: Continual Learning of Symbolic Constraints for Safe and Robust Embodied Planning

NEXUS：用于安全和稳健体素规划的符号约束连续学习

Tiehan Cui, Peipei Liu, Yanxu Mao, Congying Liu, Mingzhe Xing, Datao You

机构 * School of Artificial Intelligence and Automation（人工智能与自动化学院） ； Huazhong University of Science and Technology（华中科技大学） ； School of Software（软件学院） ； Henan University（河南大学） ； Institute of Information Engineering（信息工程研究所） ； Chinese Academy of Sciences（中国科学院） ； School of Cyberspace Security（网络空间安全学院） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） 纠错

AI总结 NEXUS通过模块化框架实现体素代理的连续学习，将符号 artifacts 用于符号 grounding 和知识演化，将概率风险评估转化为确定性硬约束，提升任务成功率并抵御对抗攻击。

The Wittgensteinian Representation Hypothesis: Is Language the Attractor of Multimodal Convergence?

维特根斯坦表示假说：语言是否是多模态收敛的吸引子？

Zhaoyang Zhang, Run Shao, Dongyue Wu, Jiajie Teng, Chao Tao, Jingdong Chen, Haifeng Li

机构 * Central South University（中南大学） ； Huazhong University of Science and Technology（华中科技大学） ； Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团） 纠错

AI总结 研究探讨了为何不同模态的神经网络收敛于共享表示，发现语言模态对其他模态有显著方向性吸引，提出维特根斯坦表示假说。

Comments 22 pages, 11 figures, 6 tables

BetaEdit: Null-Space Constrained Sequential Model Editing

BetaEdit：基于空空间的顺序模型编辑

Bingqing Liu, Wei Liu, Yuhua Li

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

AI总结 本文提出BetaEdit框架，通过控制知识泄漏并整合历史感知更新，提升大规模顺序编辑性能，实验显示其优于现有方法。

DocSeeker: Structured Visual Reasoning with Evidence Grounding for Long Document Understanding

DocSeeker：基于证据 grounding 的结构化视觉推理用于长文档理解

Hao Yan, Yuliang Liu, Xingchen Liu, Yuyi Zhang, Minghui Liao, Jihao Wu, Wei Chen, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； Huawei Inc.（华为公司） 纠错

AI总结 本文提出DocSeeker，通过结构化分析、定位和推理流程解决长文档理解中的信号噪声比低和监督不足问题，实现对超长文档的鲁棒泛化。

Comments CVPR 2026 Highlight

SynerDiff: Synergetic Continuous Batching for Fast and Parallel Diffusion Model Inference

SynerDiff：协同连续批处理用于快速并行扩散模型推理

Ziqi Zhou, Peng Yang, Yuxin Liang, Mingliu Liu, Jia Lu

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息学院） ； The State Grid Hubei Electric Power Research Institute（国网湖北省电力研究院） ； Jincheng Yunxiang Big Data Technology Operation Co., Ltd.（晋城云祥大数据技术运营有限公司） 纠错

AI总结 SynerDiff通过协同连续批处理技术提升扩散模型推理效率，减少端到端延迟，同时保持图像质量。

Comments accepted by IEEE ICME 2026

ST-Gen4D: Embedding 4D Spatiotemporal Cognition into World Model for 4D Generation

ST-Gen4D：将4D时空认知嵌入世界模型以实现4D生成

Haonan Wang, Hanyu Zhou, Tao Gu, Luxin Yan

机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； School of Computing, Macquarie University（麦考瑞大学计算机学院） 纠错

AI总结 本文提出ST-Gen4D框架，通过4D时空认知世界模型实现4D生成，结合时空表示、认知、推理和生成四大设计，提升4D生成的结构合理性和拓扑一致性。

DCGL: Dual-Channel Graph Learning with Large Language Models for Knowledge-Aware Recommendation

DCGL: 基于大语言模型的双通道图学习用于知识感知推荐

Xinchi Zou, Tongzhenzhi Su, Jianjun Li, Yuan Fu, Chang Liu, Zhiying Deng, Zhiwei Shen

机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） ； Laboratory for Artificial Intelligence and New Forms of Education, Central China Normal University（中央财经大学人工智能与新教育形式实验室） 纠错

AI总结 本文提出DCGL框架，通过双通道架构、多级对比学习和动态融合机制，解决知识图谱与大语言模型结合中的隐含语义建模、单通道融合和用户行为频率考虑不足问题，实验表明其在稀疏场景中表现优异。

Comments Accepted by SIGIR 2026

Towards Security-Auditable LLM Agents: A Unified Graph Representation

迈向安全可审计的LLM代理：一种统一的图表示

Chaofan Li, Lyuye Zhang, Jintao Zhai, Siyue Feng, Xichun Yang, Huahao Wang, Shihan Dou, Yu Ji, Yutao Hu, Yueming Wu, Yang Liu, Deqing Zou

机构 * Huazhong University of Science and Technology（华中科技大学） ； Nanyang Technological University（南洋理工大学） ； Fudan University（复旦大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； Donghua University（东华大学） 纠错

AI总结 本文提出Agent-BOM统一图表示，用于解决LLM代理系统中执行意图与物理事件间的语义鸿沟问题，通过构建分层属性有向图实现安全审计与风险评估。

MAS-Algorithm: A Workflow for Solving Algorithmic Programming Problems with a Multi-Agent System

MAS-Algorithm: 一个基于多智能体系统的算法问题求解工作流

Yuliang Xu, Xiang Xu, Yao Wan, Hu Wei, Tong Jia

机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 本文提出MAS-Algorithm，通过多智能体工作流提升算法问题求解能力，实验显示在多个模型上均取得显著提升，包括接受率提升6.48%和LiveCodeBench-Pro上的4.72%提升。