高校专区
通过多轮交互构建高效的LLM世界模型推理：WMAct
机构 * CUHK MMLab（香港中文大学MMLab） ； Peking University（北京大学） ； StepFun ； Tsinghua University（清华大学）
AI总结 WMAct通过高效交互和主动推理机制，使LLM在复杂环境中实现高效世界模型推理，提升任务解决能力和迁移性能。
Comments 17 pages, 9 figures
缩小参数高效联邦边缘学习中的泛化差距
机构 * School of Science and Engineering (SSE)（科学与工程学院） ； Shenzhen Future Network of Intelligence Institute (FNii-Shenzhen)（深圳未来网络智能研究所） ； Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来网络智能重点实验室） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； School of Electrical Engineering and Computer Science（电气工程与计算机科学学院） ； KTH Royal Institute of Technology（皇家理工学院） ； College of Electronic and Information Engineering（电子与信息工程学院） ； University of Science and Technology of China (USTC)（中国科学技术大学）
AI总结 本文提出了一种参数高效的联邦边缘学习框架，通过联合模型剪枝和客户端选择，解决本地数据异质性和资源受限问题，提升模型泛化能力和学习性能。
Comments 13 pages, 8 figures
VIRAL：大规模视觉仿真到现实用于双足机器人类地交互
机构 * NVIDIA ； CMU（卡内基梅隆大学） ； UC Berkeley（加州大学伯克利分校） ； CUHK（香港中文大学）
AI总结 VIRAL通过大规模仿真训练并零样本部署，实现双足机器人在现实中的自主移动- manipulation能力，无需现实微调。
Comments Project website: https://viral-humanoid.github.io/
STAR-Bench：探测深度时空推理作为音频4D智能
机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Innovation Institute（上海创新研究院） ； Beihang University（北京航空航天大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 STAR-Bench通过测试音频4D智能，揭示了模型在细粒度感知和推理上的不足，为未来模型发展提供方向。
Comments Homepage: https://internlm.github.io/StarBench/
解耦DMD：CFG增强作为矛，分布匹配作为盾
机构 * Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 本文提出解耦DMD方法，发现CFG增强是蒸馏核心驱动因素，分布匹配作为正则化器，通过解耦噪声调度提升生成性能。
DualVLA: 通过推理与行动部分解耦构建通用具身代理
机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（脑启发智能感知与认知国家重点实验室，中国科学技术大学） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，北京大学计算机学院） ； CUHK（香港大学）
AI总结 DualVLA通过推理与行动部分解耦，提升通用具身代理的行动与多模态理解平衡能力。
MoE3D：专家混合方法与多模态3D理解
机构 * National University of Defense Technology（国防科技大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； ShanghaiTech University（上海科技大学）
AI总结 MoE3D通过整合专家混合方法，提升多模态3D理解的性能，尤其在Multi3DRefer任务中表现更优。
SwordRiding：一种基于在线引导矢量场的四旋翼无人机在未知复杂环境中的统一导航框架
机构 * Pengcheng Laboratory, Shenzhen, Guangdong, China（鹏城实验室，深圳，广东，中国） ； School of Automation, Beijing Institute of Technology, Beijing, China（自动化学院，北京理工大学，北京，中国） ； School of Artificial Intelligence and Robotics, Hunan University（人工智能与机器人学院，湖南大学） ； Department of Control Science and Engineering, Harbin Institute of Technology（控制科学与工程学院，哈尔滨工业大学） ； National Key Laboratory of Autonomous Intelligent Unmanned Systems（自主智能无人系统国家重点实验室） ； Department of Mechanical and Automation Engineering, the Chinese University of Hong Kong, Hong Kong, China（机械与自动化工程系，香港中文大学，香港，中国）
AI总结 SwordRiding提出了一种基于在线引导矢量场的四旋翼无人机统一导航框架，通过闭环导航提升在未知复杂环境中的实时适应性和鲁棒性。
Comments For an experimental demo, see https://www.youtube.com/watch?v=tKYCg266c4o. For the lemma proof, see https://github.com/SmartGroupSystems/GVF_close_loop_planning/blob/main/proofs.md
G$^2$VLM：基于几何的视觉语言模型，实现统一的3D重建与空间推理
机构 * Shanghai AI Lab（上海人工智能实验室） ； UCLA（加州大学洛杉矶分校） ； SJTU（上海交通大学） ； FDU（福建师范大学） ； ZJU（浙江大学） ； USTC（中国科学技术大学） ； HKU（香港大学） ； CUHK（香港中文大学）
AI总结 G$^2$VLM通过统一3D重建与空间推理，提升视觉语言模型在空间智能任务中的性能。
Comments code are released at https://github.com/InternRobotics/G2VLM
Dream4D: 通过可控视频生成与神经4D重建提升I2V向时空一致4D生成
机构 * The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Huazhong University of Science and Technology（华中科技大学） ； The University of New South Wales（新南威尔士大学）
AI总结 Dream4D通过可控视频生成与神经4D重建的协同，实现高质量的时空一致4D内容生成。
Comments Project Page: https://wanderer7-sk.github.io/Dream4D.github.io/
通过残差压缩加速并行扩散模型服务
机构 * Southern University of Science and Technology（南方科技大学） ； Jiangnan University（江南大学） ； Shenzhen Technology University（深圳技术大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 CompactFusion通过残差压缩技术提升并行扩散模型服务效率，实现3倍加速并显著提高生成质量。
Comments Accepted by NeurIPS 2025
推进机器人辅助血管内手术中的具身智能：人工智能解决方案的系统综述
机构 * Department of Control Science and Engineering, College of Electronics and Information Engineering, and Shanghai Institute of Intelligent Science and Technology, Tongji University（控制科学与工程系，电子信息工程学院，上海智能科学技术研究院，同济大学） ； Department of Electronic Engineering, Faculty of Engineering, The Chinese University of Hong Kong（电子工程系，工程学院，香港中文大学） ； Robotics and Microsystems Center, School of Mechanical and Electrical Engineering, Soochow University（机器人与微系统中心，机械与电气工程学院，苏州大学） ； Siemens Healthineers Advanced Therapies (AT), Forchheim, Bavaria（西门子医疗先进治疗（AT）, Forchheim, 巴伐利亚） ； HUB of Intelligent Neuro-Engineering (HUBIN), CREATe, Division of Surgery & Interventional Science, University College London（智能神经工程中心（HUBIN），CREATE，外科与介入科学系，伦敦大学学院） ； School of Biomedical Engineering & Imaging Sciences, King’s College London（生物医学工程与成像科学学院，伦敦国王学院）
AI总结 本文系统综述了人工智能在机器人辅助血管内手术中具身智能的应用，探讨了其挑战与未来发展方向。
Comments 20 pages, 6 figures
利用大规模语言模型回归准确的图像质量评分使用分数分布
机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； Multimedia Laboratory, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； CPII under InnoHK（创新香港下的CPII）
AI总结 本研究提出基于分布的DeQA-Score模型，通过离散化评分分布为软标签，提升图像质量评分的准确性和一致性。
Comments Accepted by CVPR 2025
通过大规模多模态数据集增强描述性图像质量评估
机构 * The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； Sofia University（索菲亚大学） ； University of Macau（澳门大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shenzhen University of Advanced Technology（深圳先进技术大学）
AI总结 本研究提出DepictQA-Wild模型，通过构建大规模多模态数据集提升图像质量评估的准确性和实用性。
Comments Accepted by TIP
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