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

Exploring Diverse Generation Paths via Inference-time Stiefel Activation Steering

通过推理时间的Stiefel激活引导探索多样生成路径

Dongxuan Zhu, Ly Tran Ho Khanh, Andy Yat-Ming Cheung, Man-Chung Yue, Viet Anh Nguyen

机构 * The Chinese University of Hong Kong（香港中文大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

AI总结 STARS通过在推理时间利用Stiefel流形优化，提升语言模型生成路径的多样性，无需训练并在多个基准中表现更优。

Comments 34 pages, 2 figures. Accepted for publication at ICLR 2026

FISMO: Fisher-Structured Momentum-Orthogonalized Optimizer

FISMO：基于Fisher信息几何的结构化动量正交化优化器

Chenrui Xu, Wenjing Yan, Ying-Jun Angela Zhang

机构 * Department of Information Engineering, The Chinese University of Hong Kong, Hong Kong（信息工程系，香港中文大学） 纠错

AI总结 FISMO优化器通过结合Fisher信息几何和正交化动量更新，在非凸优化中实现结构化预处理，提升训练效率和最终性能。

EROAM: Event-based Camera Rotational Odometry and Mapping in Real-time

EROAM：基于事件相机的实时旋转里程计与建图

Wanli Xing, Shijie Lin, Linhan Yang, Zeqing Zhang, Yanjun Du, Maolin Lei, Yipeng Pan, Chen Wang, Jia Pan

机构 * Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） ； Centre for Transformative Garment Production（转型服装生产中心） ； 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） ； Humanoids and Human Centered Mechatronics Research Line, Istituto Italiano Di Tecnologia (IIT)（人形与以人为核心机电系统研究组，意大利IIT） 纠错

AI总结 EROAM通过球形事件表示和ES-ICP框架，实现基于事件相机的实时高精度旋转里程计与建图，提升空间分辨率和计算效率，适用于高速和长序列场景。

Comments Accepted by IEEE Transactions on Robotics (T-RO), 2026. Project page: https://wlxing1901.github.io/eroam/

Disentangling perception and reasoning for improving data efficiency in learning cloth manipulation without demonstrations

解构感知与推理以提高无演示学习布料操控的数据效率

Donatien Delehelle, Fei Chen, Darwin Caldwell

机构 * Advanced Robotics, Istituto Italiano di Tecnologia (IIT)（先进机器人技术研究所（IIT）） ； epartment of Mechanical and Automation Engineering, T-Stone Robotics Institute, The Chinese University of Hong Kong（机械与自动化工程系，腾讯机器人研究院，香港中文大学） ； University of Genova（热那亚大学） 纠错

AI总结 本文提出了一种高效且模块化的强化学习方法，通过减少模型大小和训练时间来提高布料操控学习的数据效率，并在现实世界中实现有效迁移。

Comments 6 pages, 4 figures,

ViTMAlis: Towards Latency-Critical Mobile Video Analytics with Vision Transformers

ViTMAlis：面向延迟敏感移动视频分析的视觉变换器

Miao Zhang, Guanzhen Wu, Hao Fang, Yifei Zhu, Fangxin Wang, Ruixiao Zhang, Jiangchuan Liu

机构 * School of Computing Science, Simon Fraser University（计算科学系，西蒙·弗雷泽大学） ； Global College, Shanghai Jiao Tong University（全球学院，上海交通大学） ； School of Science and Engineering (SSE) and The Future Network of Intelligence Institute (FNii), The Chinese University of Hong Kong, Shenzhen（科学与工程学院（SSE）和未来智能网络研究所（FNii），香港中文大学（深圳）） ； Computer Science Department, University of Illinois Urbana-Champaign（计算机科学系，伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 ViTMAlis通过动态混合分辨率推理策略和设备到边缘卸载框架，降低移动视频分析的延迟并提升渲染精度。

Heterogeneous Vertiport Selection Optimization for On-Demand Air Taxi Services: A Deep Reinforcement Learning Approach

异构垂直起降点选择优化用于按需空中出租车服务：一种深度强化学习方法

Aoyu Pang, Maonan Wang, Zifan Sha, Wenwei Yue, Changle Li, Chung Shue Chen, Man-On Pun

机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； Shanghai AI Laboratory（上海人工智能实验室） ； State Key Laboratory of Integrated Services Networks, Xidian University（西安电子科技大学集成服务网络国家重点实验室） ； Nokia Bell Labs（诺基亚贝尔实验室） 纠错

AI总结 本文提出一种基于深度强化学习的框架，用于优化空中出租车服务中的垂直起降点选择，提升城市多模式交通系统的效率和整合性。