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

Adaptive Reinforcement and Model Predictive Control Switching for Safe Human-Robot Cooperative Navigation

自适应强化学习与模型预测控制切换用于安全的人机协作导航

Ning Liu, Sen Shen, Zheng Li, Matthew D'Souza, Jen Jen Chung, Thomas Braunl

机构 * School of Engineering, The University of Western Australia（西澳大学工程学院） ； Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong（香港中文大学机械与自动化工程系） ； School of Electrical Engineering and Computer Science, The University of Queensland（昆士兰大学电气工程与计算机科学学院） 纠错

AI总结 ARMS通过结合强化学习与模型预测控制，实现安全的人机协作导航，提升复杂环境下的导航效率与鲁棒性。

AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning

AgentsEval: 通过多智能体推理实现医学影像报告的临床可信评估

Suzhong Fu, Jingqi Dong, Xuan Ding, Rui Sun, Yiming Yang, Shuguang Cui, Zhen Li

机构 * FNii-Shenzhen, The Chinese University of Hong Kong (Shenzhen) School of Science and Engineering（深圳FNii、香港中文大学（深圳）科学与工程学院） 纠错

AI总结 AgentsEval通过多智能体推理框架，实现医学影像报告的临床可信评估，提供结构化反馈和稳健的评估结果。

PROST-LLM: Progressively Enhancing the Speech-to-Speech Translation Capability in LLMs

PROST-LLM：逐步增强大语言模型中的语音到语音翻译能力

Jing Xu, Jiaqi Wang, Daxin Tan, Xiao Chen

机构 * The Chinese University of Hong Kong Huawei Artificial Intelligence Laboratory (Leibniz)（香港中文大学华为人工智能实验室（莱布尼茨）） 纠错

AI总结 PROST-LLM通过逐步增强方法提升大语言模型在语音到语音翻译中的能力，采用三任务学习和模态链方法，结合自我采样和回译生成偏好对，最终通过偏好优化提升翻译性能。

Comments Accepted by ICASSP 2026

Timely Machine: Awareness of Time Makes Test-Time Scaling Agentic

及时机器：时间意识使测试时间缩放成为代理

Yichuan Ma, Linyang Li, Yongkang chen, Peiji Li, Xiaozhe Li, Qipeng Guo, Dahua Lin, Kai Chen

机构 * Fudan University Shanghai AI Laboratory（复旦大学上海人工智能实验室） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 Timely Machine通过重新定义测试时间为实时时钟时间，提出Timely-RL方法提升时间预算意识，以应对高频工具调用和时间受限推理的挑战。

Comments Under Review

TL-GRPO: Turn-Level RL for Reasoning-Guided Iterative Optimization

TL-GRPO：基于回合的强化学习用于推理引导的迭代优化

Peiji Li, Linyang Li, Handa Sun, Wenjin Mai, Yongkang Chen, Xiaozhe Li, Yue Shen, Yichuan Ma, Yiliu Sun, Jiaxi Cao, Zhishu He, Bo Wang, Xiaoqing Zheng, Zhaori Bi, Xipeng Qiu, Qipeng Guo, Kai Chen, Dahua Lin

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） 纠错

AI总结 TL-GRPO通过回合级分组采样优化解决迭代优化任务中的轨迹级强化学习问题，实现更精细的优化效果。

Comments Work in progress

Mixing Expert Knowledge: Bring Human Thoughts Back To the Game of Go

融合专家知识：将人类思维带回围棋游戏

Yichuan Ma, Linyang Li, Yongkang Chen, Peiji Li, Jiasheng Ye, Qipeng Guo, Dahua Lin, Kai Chen

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 LoGos通过融合围棋专家知识与通用推理能力，实现了在围棋领域的专业水平表现，展示了自然语言推理和战略决策能力。

Comments Accepted to NeurIPS 2025

A Cosine Network for Image Super-Resolution

用于图像超分辨率的余弦网络

Chunwei Tian, Chengyuan Zhang, Bob Zhang, Zhiwu Li, C. L. Philip Chen, David Zhang

机构 * IEEE（国际电气与电子工程师协会） ； University of Macau（澳门大学） ； South China University of Technology（华南理工大学） ； Pazhou Lab（琶洲实验室） ； Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） 纠错

AI总结 本文提出CSRNet，通过改进网络架构和优化训练策略，提升图像超分辨率的性能。

Comments in IEEE Transactions on Image Processing (2025)

Physics-Conditioned Diffusion Models for Lattice Gauge Theory

用于格点规范理论的物理条件扩散模型

Qianteng Zhu, Gert Aarts, Wei Wang, Kai Zhou, Lingxiao Wang

机构 * State Key Laboratory of Dark Matter Physics, Key Laboratory for Particle Astrophysics and Cosmology (MOE)（暗物质物理国家重点实验室，粒子天体物理学与宇宙学重点实验室） ； Shanghai Key Laboratory for Particle Physics and Cosmology（粒子物理与宇宙学上海实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Department of Physics, Swansea University（Swansea大学物理系） ； Southern Center for Nuclear-Science Theory (SCNT), Institute of Modern Physics, Chinese Academy of Sciences（核科学理论南方中心（SCNT），现代物理研究所，中国科学院） ； School of Science and Engineering, The Chinese University of Hong Kong (Shenzhen)（科学与工程学院，香港中文大学（深圳）） ； School of Artificial Intelligence, The Chinese University of Hong Kong (Shenzhen)（人工智能学院，香港中文大学（深圳）） ； Institute for Physics of Intelligence, The University of Tokyo（智能物理研究所，东京大学） 纠错

AI总结 本文提出了一种用于格点规范理论的物理条件扩散模型，通过整合Metropolis调整的 Langevin 动力学，实现了高效拓扑量采样，并在不同格点尺寸上无需重新训练即可应用。

Comments 28 pages, 10 figures, accepted in JHEP. Codes are available at: https://github.com/zzzqt/DM4U1