高校专区
基于分布的高效全排名符合预测
机构 * Department of Mathematics, Chinese University of Hong Kong（中国香港大学数学系） ； Department of Statistics and Data Science, Southern University of Science and Technology（南方科技大学统计与数据科学系） ； School of Computation, Information, and Technology, Technical University of Munich（慕尼黑技术大学计算、信息与技术学院）
AI总结 本文提出DCR方法，通过推导非符合分数的精确分布，提高全排名场景中预测集的效率，同时保持有效性覆盖。
Comments 21 pages, 8 figures
EmoShift: 轻量级激活引导用于增强情感感知语音合成
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； The Hong Kong Polytechnic University（香港理工大学） ； Tianjin University（天津大学）
AI总结 EmoShift通过轻量级激活引导框架提升情感感知语音合成的情感表达与自然性。
Comments Activation Steering; Emotion-Aware TTS; Speech Synthesis; Accepted by ICASSP 2026
基于条件的大型推理模型性能保证
机构 * Nanyang Technological University, Singapore（南洋理工大学） ； Southern University of Science（南方科技大学） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳））
AI总结 本文提出G-PAC和C-PAC推理框架，通过分组策略实现组条件风险控制，提升异质环境下推理效率并降低计算成本。
UrbanMoE: 一种用于多任务城市区域刻画的稀疏多模态专家混合框架
机构 * Jilin University（吉林大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Changchun Normal University（长春师范大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 UrbanMoE提出了一种稀疏多模态专家混合框架，用于解决多任务城市区域刻画问题，通过多模态特征动态路由实现高效预测，提升了城市分析的性能和可重复性。
Comments 12 pages, 6 figures, 5tables, Proceedings of the ACM Web Conference 2026 (WWW '26), April 13--17, 2026, Dubai, United Arab Emirates
基于令牌熵正则化的多模态天线归属识别
机构 * Huawei（华为） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 本文提出基于令牌熵正则化的多模态天线归属识别方法，通过融合视频、几何特征和PCI信号，提升通信网络优化效率。
关于高效推理模型的可证明性能保证
机构 * Nanyang Technological University, Singapore（新加坡南洋理工大学） ； Southern University of Science（南方科技大学） ； The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳））
AI总结 本文提出PAC推理方法，通过动态切换思考与非思考模式，在用户指定容忍度下控制性能损失，实现高效推理与性能保障。
TorchCP: 一个用于置信预测的 Python 库
机构 * Southern University of Science and Technology（南方科技大学） ； Nanyang Technological University（南洋理工大学） ； Nanjing University（南京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 TorchCP 是一个基于 PyTorch 的库，旨在将先进的置信预测算法集成到深度学习技术中，提升大规模数据中的不确定性量化能力。
LoRA变体的统一研究：分类、综述、代码库和实证评估
机构 * Shanghai Artificial Intelligence 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） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 本文系统研究了LoRA变体，通过分类、理论综述、代码库和实证评估，揭示了LoRA及其变体对学习率的敏感性，并展示了其在多种任务中的性能优势。
Comments Submitted to IEEE Transactions on Pattern Analysis and Machine Intelligence, Under Review
Transformer 是否具备周期性泛化能力？
机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； College of AI, Tsinghua University（清华大学人工智能学院） ； 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）
AI总结 本文研究了 Transformer 在周期性泛化方面的局限性，通过引入抽象代数和推理视角，揭示了模型在处理复合周期性任务时的不足，并提出了可控生成基准 Coper。
PhoStream：面向移动场景的多模态助手实时流基准测试
机构 * CUHK MMLab（CUHK 多模态实验室） ； Huawei Research（华为研究） ； City University of Hong Kong（城市大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 PhoStream是首个面向移动场景的多模态助手实时流基准测试，通过统一屏幕内外场景评估视频、音频和时间推理能力，揭示了大语言模型在决定何时发言上的局限性。
Comments 18 pages
达尔文记忆：一种无训练的自调节记忆系统用于GUI代理进化
机构 * Didichuxing Co. Ltd（滴滴出行有限公司） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Tianjin University（天津大学） ； Sun Yat-sen University（中山大学） ； Fudan University（复旦大学）
AI总结 达尔文记忆系统通过自进化架构提升GUI代理的执行稳定性与成功率，无需额外训练或架构开销。
InstructPLM-mu：在1小时内微调ESM2在蛋白质突变预测中优于ESM3
机构 * The Chinese University of Hong Kong（香港中文大学） ； Hangzhou Institute of Medicine, CAS（杭州医学研究所，中国科学院） ； Hangzhou Institute for Advanced Study, UCAS（杭州先进研究 institute，中国科学院大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tianjin University（天津大学）
AI总结 InstructPLM-mu通过1小时微调ESM2在蛋白质突变预测中超越ESM3，揭示了结构输入对模型性能的关键影响。
Comments preprint
FlashVideo: 为高效高分辨率视频生成实现流畅的细节保真度
机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； ByteDance（字节跳动）
AI总结 FlashVideo通过两阶段框架在高效高分辨率视频生成中实现流畅细节保真度，优化计算效率并提升商业应用潜力。
Comments Model and Weight: https://github.com/FoundationVision/FlashVideo
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈