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

OS-Symphony: A Holistic Framework for Robust and Generalist Computer-Using Agent

OS-Symphony: 一个用于鲁棒且通用计算机使用代理的综合框架

Bowen Yang, Kaiming Jin, Zhenyu Wu, Zhaoyang Liu, Qiushi Sun, Zehao Li, JingJing Xie, Zhoumianze Liu, Fangzhi Xu, Kanzhi Cheng, Qingyun Li, Yian Wang, Yu Qiao, Zun Wang, Zichen Ding

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学） ； CUHK MMLab（香港中文大学MMLab） ； Xi’an Jiaotong University（西安交通大学） ； Nanjing University（南京大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 OS-Symphony通过反思记忆代理和多功能工具代理，提升计算机使用代理在长周期任务和新领域中的鲁棒性和泛化能力。

Comments 31 pages, 11 figures, 12 tables

SCALPEL: Selective Capability Ablation via Low-rank Parameter Editing for Large Language Model Interpretability Analysis

SCALPEL：通过低秩参数编辑实现大语言模型可解释性分析中的选择性能力消融

Zihao Fu, Xufeng Duan, Zhenguang G. Cai

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

AI总结 SCALPEL通过低秩参数编辑实现大语言模型能力的细粒度分析与选择性消融，揭示能力在参数空间中的分布结构。

TreePS-RAG: Tree-based Process Supervision for Reinforcement Learning in Agentic RAG

TreePS-RAG: 基于树的强化学习过程监督在代理RAG中的应用

Tianhua Zhang, Kun Li, Junan Li, Yunxiang Li, Hongyin Luo, Xixin Wu, James Glass, Helen Meng

机构 * The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学） ； Massachusetts Institute of Technology, Cambridge MA, USA（麻省理工学院） 纠错

AI总结 TreePS-RAG通过基于树的在线强化学习框架，在代理RAG中实现细粒度过程监督，提升多跳和通用问答任务性能。

SciIF: Benchmarking Scientific Instruction Following Towards Rigorous Scientific Intelligence

SciIF: 科学指令遵循基准测试以实现严谨的科学智能

Encheng Su, Jianyu Wu, Chen Tang, Lintao Wang, Pengze Li, Aoran Wang, Jinouwen Zhang, Yizhou Wang, Yuan Meng, Xinzhu Ma, Shixiang Tang, Houqiang Li

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Sydney（悉尼大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Beihang University（北航大学） 纠错

AI总结 SciIF是一个评估模型在科学问题解决中严格遵守约束条件能力的多学科基准测试，通过显式证据验证科学有效性，提升LLM在科学逻辑框架中的可靠性。

Towards Trustworthy Dermatology MLLMs: A Benchmark and Multimodal Evaluator for Diagnostic Narratives

迈向可信的皮肤科多模态大语言模型：一种基准和多模态评估器用于诊断叙述

Yuhao Shen, Jiahe Qian, Shuping Zhang, Zhangtianyi Chen, Tao Lu, Juexiao Zhou

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Department of Dermatology, The First Affiliated Hospital, Shantou University Medical College（皮肤科，汕头大学医学院第一附属医院） 纠错

AI总结 本文提出DermBench和DermEval用于评估皮肤科多模态大语言模型的诊断叙述，通过结合基准和自动评估器，实现临床意义的可重复评估，验证模型性能与专家评分的一致性。

SAD Neural Networks: Divergent Gradient Flows and Asymptotic Optimality via o-minimal Structures

SAD神经网络：通过o-最小结构实现的分歧梯度流和渐近最优性

Julian Kranz, Davide Gallon, Steffen Dereich, Arnulf Jentzen

机构 * Department of Information Systems, University of Münster, Germany（慕尼黑大学信息系统系） ； Applied Mathematics: Institute for Analysis and Numerics, University of Münster, Germany（慕尼黑大学应用数学系） ； RiskLab Switzerland, ETH Zürich, Switzerland（苏黎世联邦理工学院瑞士风险实验室） ； Applied Mathematics: Institute for Mathematical Stochastics, University of Münster, Germany（慕尼黑大学应用数学系） ； School of Data Science and School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen), China（香港中文大学（深圳）数据科学学院和人工智能学院） 纠错

AI总结 SAD神经网络通过o-最小结构的几何特性，证明了梯度流在特定条件下会发散到无穷大，揭示了神经网络损失优化的渐近最优性。

Comments Accepted for NeurIPS 2025, 30 pages, 6 figures. The result about continuous data distributions now has an additional assumption since a gap was identified in a previous version of the proof

AdaSpec: Adaptive Speculative Decoding for Fast, SLO-Aware Large Language Model Serving

AdaSpec: 一种适应性推测解码用于快速、面向SLO的大型语言模型服务

Kaiyu Huang, Hao Wu, Zhubo Shi, Han Zou, Minchen Yu, Qingjiang Shi

机构 * Tongji University（同济大学） ； Shenzhen Research Institute of Big Data, The Chinese University of Hong Kong, Shenzhen（深圳大数据研究院，香港中文大学（深圳）） ； Huazhong University of Science and Technology（华中科技大学） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） 纠错

AI总结 AdaSpec通过动态调整推测策略，提高大型语言模型服务的响应速度和SLO满足度，实验显示性能提升达66%。

Comments This paper is accepted by ACM SoCC 2025

Journal ref In ACM Symposium on Cloud Computing (SoCC '25), November 19-21, 2025, Online, USA

How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures

如何评估人工智能素养：自我报告与基于客观的评估之间的不一致

Shan Zhang, Ruiwei Xiao, Anthony F. Botelho, Guanze Liao, Thomas K. F. Chiu, John Stamper, Kenneth R. Koedinger

机构 * University of Florida（佛罗里达大学） ； Carnegie Mellon University（卡内基梅隆大学） ； National Tsing Hua University（国立清华大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本研究开发并评估了教师人工智能素养的自我报告和基于客观的测量方法，揭示了两者在不同教师群体中的显著差异，并提出了适用于专业发展的诊断工具。

Comments 16 pages, 6 figures, LAK2026

FMVP: Masked Flow Matching for Adversarial Video Purification

FMVP: 用于对抗视频净化的掩码流匹配

Duoxun Tang, Xueyi Zhang, Chak Hin Wang, Xi Xiao, Dasen Dai, Xinhang Jiang, Wentao Shi, Rui Li, Qing Li

机构 * Tsinghua University（清华大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of New South Wales（新南威尔士大学） ； The Chinese University of Hong Kong（香港中文大学） ； Peng Cheng Laboratory（鹏城实验室） 纠错

AI总结 FMVP通过掩码策略和条件流匹配技术，有效净化对抗性视频，提升鲁棒性与检测能力。

Convergence Rates of Constrained Expected Improvement

带约束期望改进的收敛速率

Haowei Wang, Jingyi Wang, Zhongxiang Dai, Nai-Yuan Chiang, Szu Hui Ng, Cosmin G. Petra

机构 * National University of Singapore（新加坡国立大学） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

AI总结 本文研究了带约束期望改进算法的收敛速率，证明了在不同核函数和高斯过程假设下，该算法在约束优化中的收敛性能。