The Chinese University of Hong Kong（香港中文大学）

ManualVLA: A Unified VLA Model for Chain-of-Thought Manual Generation and Robotic Manipulation

ManualVLA: 一种统一的VLA模型用于链式思维手动生成和机器人操作

Chenyang Gu, Jiaming Liu, Hao Chen, Runzhong Huang, Qingpo Wuwu, Zhuoyang Liu, Xiaoqi Li, Ying Li, Renrui Zhang, Peng Jia, Pheng-Ann Heng, Shanghang Zhang

机构 * 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，计算机学院，北京大学） ； The Chinese University of Hong Kong（香港中文大学） ； Simplexity Robotics Project（Simplexity机器人项目） 纠错

AI总结 ManualVLA通过融合多模态手册生成与动作执行，提升机器人长周期任务中的规划与操作能力。

Dimension-free error estimate for diffusion model and optimal scheduling

扩散模型的无维误差估计与最优调度

Valentin de Bortoli, Romuald Elie, Anna Kazeykina, Zhenjie Ren, Jiacheng Zhang

机构 * Google DeepMind（谷歌DeepMind） ； Université Paris Saclay（巴黎萨克雷大学） ； Université Evry - Paris Saclay（埃夫里-巴黎萨克雷大学） ； Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出了一种无维误差界，用于评估扩散模型生成与真实数据分布的差异，并通过变分问题推导出最优时间调度策略以减少离散化误差。

CaliTex: Geometry-Calibrated Attention for View-Coherent 3D Texture Generation

CaliTex: 用于视图一致3D纹理生成的几何校准注意力

Chenyu Liu, Hongze Chen, Jingzhi Bao, Lingting Zhu, Runze Zhang, Weikai Chen, Zeyu Hu, Yingda Yin, Keyang Luo, Xin Wang

机构 * PKU（北京大学） ； HKUST（香港科技大学） ； CUHK(SZ)（香港中文大学（深圳）） ； HKU（香港大学） ； LIGHTSPEED 纠错

AI总结 CaliTex通过几何校准注意力机制，解决3D纹理生成中的跨视图不一致问题，提升纹理的视图一致性与生成质量。

BackportBench: A Multilingual Benchmark for Automated Backporting of Patches

BackportBench: 一种多语言的自动化补丁回退基准测试

Zhiqing Zhong, Jiaming Huang, Pinjia He

机构 * The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳）） 纠错

AI总结 BackportBench是一个多语言基准测试，用于评估自动化补丁回退技术，展示了代理方法在处理复杂补丁回退任务中的优越性。

Comments Under review

Tangram: Accelerating Serverless LLM Loading through GPU Memory Reuse and Affinity

Tangram: 通过GPU内存重用和亲和力加速无服务器LLM加载

Wenbin Zhu, Zhaoyan Shen, Zili Shao, Hongjun Dai, Feng Chen

机构 * Shandong University（山东大学） ； The Chinese University of Hong Kong（香港中文大学） ； Indiana University Bloomington（印第安纳大学布卢明顿分校） 纠错

AI总结 Tangram通过GPU内存重用和亲和力调度技术，显著提升无服务器LLM的加载速度和冷启动性能

Opening the Sim-to-Real Door for Humanoid Pixel-to-Action Policy Transfer

为人类oid像素到动作策略转移打开仿真到现实的大门

Haoru Xue, Tairan He, Zi Wang, Qingwei Ben, Wenli Xiao, Zhengyi Luo, Xingye Da, Fernando Castañeda, Guanya Shi, Shankar Sastry, Linxi "Jim" Fan, Yuke Zhu

机构 * NVIDIA ； UC Berkeley（加州大学伯克利分校） ； CMU（卡内基梅隆大学） ； CUHK（香港中文大学） 纠错

AI总结 本文提出了一种基于教师-学生-Bootstrap框架的人形机器人仿真到现实策略转移方法，通过分阶段重置探索策略和GRPO微调程序，实现了在多样化可动物体交互任务中的高效零样本性能。

Comments https://doorman-humanoid.github.io/

RealGen: Photorealistic Text-to-Image Generation via Detector-Guided Rewards

RealGen：通过检测器引导的奖励实现逼真文本到图像生成

Junyan Ye, Leiqi Zhu, Yuncheng Guo, Dongzhi Jiang, Zilong Huang, Yifan Zhang, Zhiyuan Yan, Haohuan Fu, Conghui He, Weijia Li

机构 * Shanghai AI Lab（上海人工智能实验室） ； Sun Yat-Sen University（中山大学） ； Nanjing University（南京大学） ； CUHK MMLab（香港中文大学多模态实验室） ； Tsinghua University（清华大学） ； Peking University（北京大学） 纠错

AI总结 RealGen通过检测器引导的奖励机制提升文本到图像生成的真实感和细节，优于现有模型。

SpeechJudge: Towards Human-Level Judgment for Speech Naturalness

SpeechJudge: 向人类水平的语音自然度判断迈进

Xueyao Zhang, Chaoren Wang, Huan Liao, Ziniu Li, Yuancheng Wang, Li Wang, Dongya Jia, Yuanzhe Chen, Xiulin Li, Zhuo Chen, Zhizheng Wu

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

AI总结 SpeechJudge通过构建大规模人类反馈数据集和生成奖励模型，提升语音自然度判断的准确性，显著优于现有方法。

Comments Dataset, Model, and Code: https://github.com/AmphionTeam/SpeechJudge

DynamicTree: Interactive Real Tree Animation via Sparse Voxel Spectrum

DynamicTree: 通过稀疏体素光谱实现交互式真实树动画

Yaokun Li, Lihe Ding, Xiao Chen, Guang Tan, Tianfan Xue

机构 * Sun Yat-sen University（中山大学） ； CUHK MMLab（香港中文大学多媒体实验室） ； CPII under InnoHK（创新科技署CPII） 纠错

AI总结 DynamicTree通过稀疏体素光谱实现交互式真实树动画，首次在3DGS重建中生成长期动态，提升视觉质量和效率。

Comments Project Page: https://dynamictree-dev.github.io/DynamicTree.github.io/

PointNSP: Autoregressive 3D Point Cloud Generation with Next-Scale Level-of-Detail Prediction

PointNSP: 通过下一尺度细节预测实现自回归3D点云生成

Ziqiao Meng, Qichao Wang, Zhiyang Dou, Zixing Song, Zhipeng Zhou, Irwin King, Peilin Zhao

机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； University of Hong Kong（香港大学） ； University of Cambridge（剑桥大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 PointNSP通过下一尺度细节预测实现自回归3D点云生成，首次在自回归范式中达到最先进的生成质量，并在参数、训练和推理效率上超越扩散基线。

Comments 24 pages; Previously this version appeared as arXiv:2510.05613 which was submitted as a new work by accident

SizeGS: Size-aware Compression of 3D Gaussian Splatting via Mixed Integer Programming

SizeGS: 通过混合整数规划实现3D高斯点云的尺寸感知压缩

Shuzhao Xie, Jiahang Liu, Weixiang Zhang, Shijia Ge, Sicheng Pan, Chen Tang, Yunpeng Bai, Cong Zhang, Xiaoyi Fan, Zhi Wang

机构 * SIGS, Tsinghua University（清华大学SIGS实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Jiangxing Intelligence Inc.（江行智能有限公司） 纠错

AI总结 SizeGS通过混合整数规划优化3DGS的超参数，实现高效尺寸感知压缩，提升压缩效率和视觉质量。

Comments Automatically compressing 3DGS into the desired file size while maximizing the visual quality

Sample-Efficient Tabular Self-Play for Offline Robust Reinforcement Learning

样本高效的目标导向自博弈用于离线鲁棒强化学习

Na Li, Zewu Zheng, Wei Ni, Hangguan Shan, Wenjie Zhang, Xinyu Li

机构 * Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； Edith Cowan University（埃迪斯·科温大学） ； University of New South Wales（新南威尔士大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 本文提出RTZ-VI-LCB算法，通过乐观鲁棒值迭代和数据驱动的伯恩斯坦惩罚项，实现离线鲁棒双人零和马尔可夫游戏的最优样本复杂性保证。

Comments NeurIPS 2025

Optimizing Distributional Geometry Alignment with Optimal Transport for Generative Dataset Distillation

基于最优传输的分布几何对齐优化用于生成数据集蒸馏

Xiao Cui, Yulei Qin, Wengang Zhou, Hongsheng Li, Houqiang Li

机构 * University of Science and Technology of China（中国科学技术大学） ； CUHK MMLab（香港中文大学多媒体实验室） ； Independent Researcher（独立研究者） 纠错

AI总结 本文提出基于最优传输的分布几何对齐方法，通过优化传输距离提升数据集蒸馏效果，实验表明在ImageNet-1K上准确率提升至少4%。

Comments NeurIPS 2025

OccluGaussian: Occlusion-Aware Gaussian Splatting for Large Scene Reconstruction and Rendering

OccluGaussian：面向大场景重建与渲染的遮挡感知高斯点云技术

Shiyong Liu, Xiao Tang, Zhihao Li, Yingfan He, Chongjie Ye, Jianzhuang Liu, Binxiao Huang, Shunbo Zhou, Xiaofei Wu

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Shenzhen Institutes of Advanced Technology（深圳先进技术研究院） ； The University of Hong Kong（香港大学） ； Huawei Embodied Intelligence Lab（华为具身智能实验室） 纠错

AI总结 OccluGaussian通过遮挡感知的场景划分和区域渲染技术，提升大规模场景重建与渲染的质量和效率。

Comments Accepted to ICCV 2025. Project website: https://occlugaussian.github.io

Proxy-Tuning: Tailoring Multimodal Autoregressive Models for Subject-Driven Image Generation

代理调优：为以主题驱动的图像生成定制多模态自回归模型

Yi Wu, Shengju Qian, Lingting Zhu, Lei Liu, Wandi Qiao, Ziqiang Li, Lequan Yu, Bin Li

机构 * University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Nanjing University of Information Science and Technology（南京信息工程大学） 纠错

AI总结 本文提出代理调优方法，通过扩散模型增强AR模型在主题驱动图像生成中的能力，揭示了弱到强泛化现象，提升了多主题组合和上下文理解的表现。