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

Advances and Innovations in the Multi-Agent Robotic System (MARS) Challenge

多智能体机器人系统（MARS）挑战的进展与创新

Li Kang, Heng Zhou, Xiufeng Song, Rui Li, Bruno N. Y. Chen, Ziye Wang, Ximeng Meng, Stone Tao, Yiran Qin, Xiaohong Liu, Ruimao Zhang, Lei Bai, Yilun Du, Hao Su, Philip Torr, Zhenfei Yin, Ruihao Gong, Yejun Zeng, Fengjun Zhong, Shenghao Jin, Jinyang Guo, Xianglong Liu, Xiaojun Jia, Tianqi Shan, Wenqi Ren, Simeng Qin, Jialing Yang, Xiaoyu Ma, Tianxing Chen, Zixuan Li, Zijian Cai, Yan Qin, Yusen Qin, Qiangyu Chen, Kaixuan Wang, Zhaoming Han, Yao Mu, Ping Luo, Yuanqi Yao, Haoming Song, Jan-Nico Zaech, Fabien Despinoy, Danda Pani Paudel, Luc Van Gool

机构 * SJTU（上海交通大学） ； Oxford（牛津大学） ； USTC（中国科学技术大学） ； Shanghai AI Lab（上海人工智能实验室） ； CMU（卡内基梅隆大学） ； HKU（香港大学） ； Tongji（同济大学） ； UC San Diego（南加州大学） ； CUHK-SZ（香港中文大学（深圳）） ； SYSU（华南理工大学） ； Harvard（哈佛大学） 纠错

AI总结 MARS挑战通过多智能体具身规划与控制任务，推动多智能体协作AI系统的发展。

Comments MARS Challenge @ NeurIPS 2025 Workshop on Space in Vision, Language, and Embodied AI. Challenge page: https://mars-eai.github.io/MARS-Challenge-Webpage/

Analytic Incremental Learning For Sound Source Localization With Imbalance Rectification

分析增量学习用于声音源定位的不平衡校正

Zexia Fan, Yu Chen, Qiquan Zhang, Kainan Chen, Xinyuan Qian

机构 * University of Science and Technology Beijing（北京科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tongyi Speech Lab（通义语音实验室） ； Alibaba（阿里巴巴） ； Eigenspace GmbH 纠错

AI总结 本文提出分析增量学习方法，通过数据增强和动态不平衡校正技术，提升声音源定位在现实环境中的鲁棒性和准确性。

Comments Accepted by ICASSP26

Neural Network Approximation: A View from Polytope Decomposition

神经网络近似：从多面体分解的角度看待

ZeYu Li, ShiJun Zhang, TieYong Zeng, FengLei Fan

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） 纠错

AI总结 本文提出从多面体分解角度研究ReLU网络的通用近似能力，通过显式核多项式方法和多面体域分解提升近似效率与灵活性。

RouteMoA: Dynamic Routing without Pre-Inference Boosts Efficient Mixture-of-Agents

RouteMoA: 动态路由无需预推断提升高效混合代理

Jize Wang, Han Wu, Zhiyuan You, Yiming Song, Yijun Wang, Zifei Shan, Yining Li, Songyang Zhang, Xinyi Le, Cailian Chen, Xinping Guan, Dacheng Tao

机构 * Shanghai Jiao Tong University（上海交通大学） ； CUHK（香港中文大学） ； Tencent（腾讯） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanyang Technological University（新加坡国立大学） 纠错

AI总结 RouteMoA通过动态路由机制无需预推断提升混合代理效率，显著降低推理成本和延迟。

Exploration vs Exploitation: Rethinking RLVR through Clipping, Entropy, and Spurious Reward

探索与利用：通过截断、熵和虚假奖励重新思考RLVR

Peter Chen, Xiaopeng Li, Ziniu Li, Wotao Yin, Xi Chen, Tianyi Lin

机构 * Columbia（哥伦比亚大学） ； CUHK SZ（香港大学） ； DAMO, Alibaba US（阿里云实验室） ； NYU Stern（纽约大学 Stern 学院） 纠错

AI总结 本文通过截断、熵和虚假奖励机制，重新审视RLVR框架，揭示了探索与利用权衡对大语言模型推理能力提升的影响。

Comments Accepted by ICLR 2026

UniGRec: Unified Generative Recommendation with Soft Identifiers for End-to-End Optimization

UniGRec: 一种基于软标识符的统一生成推荐方法用于端到端优化

Jialei Li, Yang Zhang, Yimeng Bai, Shuai Zhu, Ziqi Xue, Xiaoyan Zhao, Dingxian Wang, Frank Yang, Andrew Rabinovich, Xiangnan He

机构 * University of Science and Technology of China（科学技术大学） ； National University of Singapore（国立新加坡大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 UniGRec通过统一生成推荐框架解决端到端优化中的软标识符问题，提出退火推理对齐、码字均匀性正则化和双协作蒸馏机制，提升推荐性能。

Comments 11 pages, 6 figures

SWE-SQL: Illuminating LLM Pathways to Solve User SQL Issues in Real-World Applications

SWE-SQL：揭示LLM解决现实应用中用户SQL问题的路径

Jinyang Li, Xiaolong Li, Ge Qu, Per Jacobsson, Bowen Qin, Binyuan Hui, Shuzheng Si, Nan Huo, Xiaohan Xu, Yue Zhang, Ziwei Tang, Yuanshuai Li, Florensia Widjaja, Xintong Zhu, Feige Zhou, Yongfeng Huang, Yannis Papakonstantinou, Fatma Ozcan, Chenhao Ma, Reynold Cheng

机构 * HKU STAR Lab（香港大学STAR实验室） ； Google Cloud（谷歌云） ； CUHKSZ（香港中文大学） ； CUHK（香港中文大学） ； THU（清华大学） ； The BIRD Team（BIRD团队） 纠错

AI总结 SWE-SQL通过引入BIRD-CRITIC基准和Six-Gym训练环境，提升开源模型解决SQL问题的能力，实现对复杂SQL调试任务的突破。

Comments 29 pages, 10 figures, NeurIPS 2025 Main

Investigating Self-regulated Learning Sequences within a Generative AI-based Intelligent Tutoring System

探究基于生成式人工智能的智能教学系统中的自主学习序列

Jie Gao, Shasha Li, Jianhua Zhang, Shan Li, Tingting Wang

机构 * McGill University（麦吉尔大学） ； The Chinese University of Hong Kong（香港中文大学） ； Lehigh University（莱维大学） ； Renmin University of China（中国人民大学） 纠错

AI总结 本研究探讨了生成式人工智能辅助智能教学系统中学生自主学习序列的特征，通过序列和聚类分析发现学生在信息获取与转换上的使用差异，以及GenAI使用与学习表现之间的非显著相关性。