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

PAct: Part-Decomposed Single-View Articulated Object Generation

PAct: 分解式单视角关节物体生成

Qingming Liu, Xinyue Yao, Shuyuan Zhang, Yueci Deng, Guiliang Liu, Zhen Liu, Kui Jia

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

AI总结 PAct提出一种基于部分的生成框架，通过单视角图像生成高保真的关节物体，实现快速推理和可控组装，提升交互应用的效率与准确性。

Comments Technical Report(11 figures, 14 pages), Project Page: https://PAct-project.github.io

Exposing Diversity Bias in Deep Generative Models: Statistical Origins and Correction of Diversity Error

揭示深度生成模型中的多样性偏差：统计起源与多样性误差的修正

Farzan Farnia, Mohammad Jalali, Azim Ospanov

机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（计算机科学与工程系，香港中文大学） 纠错

AI总结 本研究揭示深度生成模型存在系统性多样性偏差，并提出基于Vendi和RKE的正则化策略以修正该偏差。

Where to Add PDE Diffusion in Transformers

在Transformer中何处添加PDE扩散

Yukun Zhang, Xueqing Zhou

机构 * The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） ； Fudan University, Shanghai, China（复旦大学） 纠错

AI总结 研究通过分析PDE扩散与注意力的非交换性，探讨了在Transformer中插入扩散层的位置对模型性能的影响，提出了一种三层理论框架并验证了不同插入位置的效果。

Simulating the Real World: A Unified Survey of Multimodal Generative Models

模拟现实世界：多模态生成模型的统一综述

Yuqi Hu, Longguang Wang, Xian Liu, Ling-Hao Chen, Yuwei Guo, Yukai Shi, Ce Liu, Anyi Rao, Zeyu Wang, Hui Xiong

机构 * Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（人工智能前沿技术研究所，香港科学与技术大学（广州）） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology Hong Kong SAR（计算机科学与工程系，香港科学与技术大学香港特别行政区） ； MMLab, The Hong Kong University of Science and Technology（多模态实验室，香港科学与技术大学） ； School of Electronics and Communication Engineering, Shenzhen Campus of Sun Yat-sen University（电子与通信工程学院，中山大学深圳校区） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学，香港，中国） ； Tsinghua University, Guangdong, China（清华大学，广东，中国） ； Bosch (China) Investment Co., Ltd., Shanghai, China（博世（中国）投资有限公司，上海，中国） 纠错

AI总结 本文首次系统性地统一研究了2D、视频、3D和4D生成，为多模态生成模型和现实世界模拟提供了统一框架的综述。

Comments Repository for the related papers at https://github.com/ALEEEHU/World-Simulator

Governing AI Forgetting: Auditing for Machine Unlearning Compliance

治理AI遗忘：审计机器无学习合规性

Qinqi Lin, Ningning Ding, Lingjie Duan, Jianwei Huang

机构 * School of Science and Engineering, Shenzhen Institute of Artificial Intelligence and Robotics for Society, The Chinese University of Hong Kong, Shenzhen, China（科学与工程学院，深圳人工智能与机器人社会研究所，香港中文大学（深圳）） ； Data Science and Analytics Thrust, Information Hub, Hong Kong University of Science and Technology (Guangzhou), China（数据科学与分析方向，信息中心，香港科学与技术大学（广州）） ； Internet of Things Thrust, Information Hub, Hong Kong University of Science and Technology (Guangzhou), China（物联网方向，信息中心，香港科学与技术大学（广州）） 纠错

AI总结 本文提出首个经济框架用于审计机器无学习的合规性，通过博弈论模型分析审计员与运营商的战略互动，并揭示审计强度随删除请求增加而减少的反直觉结论。

Comments Under review in IEEE Transactions on Mobile Computing

UniRef-Image-Edit: Towards Scalable and Consistent Multi-Reference Image Editing

UniRef-Image-Edit: 向可扩展和一致的多参考图像编辑迈进

Hongyang Wei, Bin Wen, Yancheng Long, Yankai Yang, Yuhang Hu, Tianke Zhang, Wei Chen, Haonan Fan, Kaiyu Jiang, Jiankang Chen, Changyi Liu, Kaiyu Tang, Haojie Ding, Xiao Yang, Jia Sun, Huaiqing Wang, Zhenyu Yang, Xinyu Wei, Xianglong He, Yangguang Li, Fan Yang, Tingting Gao, Lei Zhang, Guorui Zhou, Han Li

机构 * Tsinghua University（清华大学） ； Kuaishou Technology（快手科技） ； Hong Kong Polytechnic University（香港理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； CUHK MMLab（香港中文大学MMLab） 纠错

AI总结 UniRef-Image-Edit通过统一的输入表示和两阶段训练框架，提升多参考图像编辑的一致性和保真度。

Elastic Diffusion Transformer

弹性扩散变换器

Jiangshan Wang, Zeqiang Lai, Jiarui Chen, Jiayi Guo, Hang Guo, Xiu Li, Xiangyu Yue, Chunchao Guo

机构 * Tsinghua University（清华大学） ； MMLab, CUHK（CUHK实验室） ； Tencent Hunyuan（腾讯文言） 纠错

AI总结 E-DiT通过自适应加速框架提升扩散变换器效率，保持生成质量，实现约2倍加速。

HybridFlow: A Two-Step Generative Policy for Robotic Manipulation

HybridFlow: 一种用于机器人操作的两阶段生成策略

Zhenchen Dong, Jinna Fu, Jiaming Wu, Shengyuan Yu, Fulin Chen, Yide Liu

机构 * Anker Humanoid Lab（安克人形实验室） ； PolyU ； CUHK（香港中文大学） 纠错

AI总结 HybridFlow是一种用于机器人操作的两阶段生成策略，通过结合MeanFlow的快速生成与ReNoise和ReFlow的精度优化，提升了动作生成的效率和准确性。

Making Slow Thinking Faster: Compressing LLM Chain-of-Thought via Step Entropy

让慢思考更快：通过步骤熵压缩LLM的链式思考

Zeju Li, Jianyuan Zhong, Ziyang Zheng, Xiangyu Wen, Zhijian Xu, Yingying Cheng, Fan Zhang, Qiang Xu

机构 * The Chinese University of Hong Kong（中国香港大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 通过步骤熵压缩LLM的链式思考，提升推理效率并保持准确性。

Comments Accepted by ICLR2026

HiFi-Glot: High-Fidelity Neural Formant Synthesis with Differentiable Resonant Filters

HiFi-Glot: 基于可微共振滤波器的高保真神经元元音合成

Yicheng Gu, Pablo Pérez Zarazaga, Chaoren Wang, Zhizheng Wu, Zofia Malisz, Gustav Eje Henter, Lauri Juvela

机构 * Acoustic Lab, Department of Information Communications Engineering, Aalto University（声学实验室，信息与通信工程系，艾尔沃大学） ； 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）） ； Department of Speech, Music and Hearing, KTH Royal Institute of Technology（语音、音乐与听觉系，皇家理工学院） 纠错

AI总结 HiFi-Glot通过可微共振滤波器实现高保真神经元音合成，提供精确的元音控制和自然语音生成。

Anthropomorphism on Risk Perception: The Role of Trust and Domain Knowledge in Decision-Support AI

风险感知中的拟人化：信任与领域知识的作用

Manuele Reani, Xiangyang He, Zuolan Bao

机构 * School of Management and Economics, The Chinese University of Hong Kong, Shenzhen（管理学院和经济学系，香港中文大学（深圳）） ； Computational Media and Arts, The Hong Kong University of Science and Technology (Guangzhou)（计算媒体与艺术，香港科学与技术大学（广州）） 纠错

AI总结 研究探讨拟人化设计如何通过信任和领域知识影响用户风险感知，发现拟人化通过增强信任降低风险感知，且领域知识调节这一效果。

MedScope: Incentivizing "Think with Videos" for Clinical Reasoning via Coarse-to-Fine Tool Calling

MedScope：通过粗到细的工具调用激励“通过视频思考”以进行临床推理

Wenjie Li, Yujie Zhang, Haoran Sun, Xingqi He, Hongcheng Gao, Chenglong Ma, Ming Hu, Guankun Wang, Shiyi Yao, Renhao Yang, Hongliang Ren, Lei Wang, Junjun He, Yankai Jiang

机构 * College of Health Science and Technology, Shanghai Jiao Tong University School of Medicine, Shanghai, China（上海交通大学医学院健康科学与技术学院） ； Fudan University, Shanghai, China（复旦大学） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Tsinghua University, Beijing, China（清华大学） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） ； Ruijin Hospital, Shanghai Jiaotong University, Shanghai, China（上海交通大学瑞金医院） 纠错

AI总结 MedScope通过粗到细的工具调用机制，提升临床视频推理的准确性与可信度，实现基于时间局部化视觉证据的医疗AI代理。

A Disentangled Representation Learning Framework for Low-altitude Network Coverage Prediction

一种用于低空网络覆盖预测的解耦表示学习框架

Xiaojie Li, Zhijie Cai, Nan Qi, Chao Dong, Guangxu Zhu, Haixia Ma, Qihui Wu, Shi Jin

机构 * School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院） ； College of Physics, Nanjing University of Aeronautics and Astronautics（南京航空航天大学物理学院） ； Shenzhen Research Institute of Big Data, The Chinese University of Hong Kong-Shenzhen（香港中文大学（深圳）大数据研究院） ； Key Laboratory of Dynamic Cognitive System of Electromagnetic Spectrum Space, Ministry of Industry and Information Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学电磁频谱空间动态认知系统重点实验室） 纠错

AI总结 本文提出了一种结合专家知识和解耦表示学习的框架，用于低空网络覆盖预测，通过减少特征空间复杂性和提升模型泛化能力，有效降低了预测误差。

Comments This paper has been accepted for publication in IEEE Transactions on Mobile Computing

Journal ref IEEE Transactions on Mobile Computing, early access, 2025

S2R-HDR: A Large-Scale Rendered Dataset for HDR Fusion

S2R-HDR：一个大规模渲染数据集用于HDR融合

Yujin Wang, Jiarui Wu, Yichen Bian, Fan Zhang, Tianfan Xue

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； CUHK MMLab（香港中文大学多模态实验室） ； CPII under InnoHK（创新工场下的CPII） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 S2R-HDR通过构建大规模合成HDR数据集和S2R-Adapter领域适应方法，提升了HDR融合的泛化能力和实验性能。

Comments Accepted by ICLR 2026. Project Page:https://openimaginglab.github.io/S2R-HDR

Resource-Efficient Personal Large Language Models Fine-Tuning with Collaborative Edge Computing

基于协作边缘计算的资源高效个性化大语言模型微调

Shengyuan Ye, Bei Ouyang, Tianyi Qian, Liekang Zeng, Jingyi Li, Jiangsu Du, Xiaowen Chu, Guoliang Xing, Xu Chen

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Department of Information Engineering, The Chinese University of Hong Kong（香港中文大学信息工程系） ； The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Shenzhen Institute of Artificial Intelligence and Robotics for Society（社会人工智能与机器人研究所（深圳）） 纠错

AI总结 本文提出PAC框架，通过算法与系统协同设计，实现高效资源利用的个性化大语言模型微调，提升边缘计算性能。

Data-Driven Merton's Strategies via Policy Randomization

基于策略随机化的数据驱动梅顿策略

Min Dai, Yuchao Dong, Yanwei Jia, Xun Yu Zhou

机构 * Department of Applied Mathematics and School of Accounting and Finance, The Hong Kong Polytechnic University（应用数学系和会计与金融学院，香港理工大学） ； Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong（系统工程与工程管理系，香港中文大学） ； Department of Industrial Engineering and Operations Research & Data Science Institute, Columbia University（工业工程与运筹学系及数据科学研究所，哥伦比亚大学） 纠错

AI总结 本文提出基于策略随机化的数据驱动方法，用于解决不完全市场中的梅顿期望效用最大化问题，通过强化学习算法实现优于传统方法的性能。

Comments 45 pages, 4 figures, 2 tables