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

ConvergeFlow: Language Flow with Provable Convergence to Token Embeddings

ConvergeFlow：可收敛至词元嵌入的语言流模型

Na Li, Yuchen Jiao, Changxiao Cai, Gen Li

机构 * Chinese University of Hong Kong（香港中文大学） ； University of Michigan（密歇根大学） 纠错

AI总结 本研究提出ConvergeFlow，一种嵌入空间的基于流的语言模型，通过约束数据预测器至词元嵌入凸包实现可收敛性，无需交叉熵解码器，在OpenWebText上取得与现有模型相当的性能，展现了基于流范式的语言建模潜力。

Optimize Surgical Triplet Recognition: A Knowledge-Driven Mixture-of-Experts Solution

优化手术三元组识别：一种知识驱动的混合专家解决方案

Yiyi Zhang, Yuchen Yuan, Ying Zheng, Jialun Pei, Jinpeng Li, Zheng Li, Pheng-Ann Heng

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 针对手术三元组识别的三大冲突问题，提出MoeCo框架，通过组件定制适配器、协同梯度学习及知识驱动混合专家机制，在CholecT45和CholecT50数据集上验证了方法的有效性与优越性。

Comments Accepted in TMI

Closed-Loop Bayesian Molecular Inverse Design with Semantic LLM Surrogates

基于语义大语言模型代理的闭环贝叶斯分子逆设计

Yaoyao Xu, Xinjian Zhao, Xiaozhuang Song, Lei Bai, Tianshu Yu

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

AI总结 该研究提出基于语义大语言模型代理的闭环贝叶斯分子逆设计框架，在MolQA任务上优于一次性提示，与GP-based BO基线相当或更优，且揭示了领域依赖的参考转移与摘要添加的接口

Comments 28 pages

AquaFlow: A Monocular Gaussian Splatting SLAM for Underwater Streaming Reconstruction

AquaFlow：用于水下流式重建的单目高斯溅射SLAM

Yingxiang Xu, Kerui Ren, Wenqi Guo, Changjian Jiang, Tao Lu, Linning Xu, Mulin Yu

机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 针对水下场景视觉退化导致的SLAM难题，提出AquaFlow框架，通过微调3D视觉基础模型等技术实现更优的水下重建，在62条水下轨迹数据集上相较WaterSplat-SLAM性能显著提升。

Comments Preprint

Large-Small Model Collaboration for Zero-Shot Surgical Phase Recognition

用于零样本手术阶段识别的大小模型协作

Yiyi Zhang, Ying Zheng, Wenxin Fan, Yu Zhu, Yuchen Yuan, Litao Zhao, Zheng Li, Pheng-Ann Heng

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） ； Institute of Medical Intelligence and XR, The Chinese University of Hong Kong（香港中文大学医学智能与XR研究所） 纠错

AI总结 该研究提出LaST大小模型协作框架，结合轻量模型时间建模能力与基础模型迁移性，实现零样本手术阶段识别，在未见领域自适应上性能显著优于基线及部分先进方法。

Comments MICCAI 2026 Early Accept

ClawProBench: Trace-Aware Evaluation of AI Agents with Runtime Coverage and Frozen Workplace-Style Holdouts

ClawProBench：基于运行时覆盖与冻结工作空间保留集的轨迹感知AI智能体评估

YuanHang Xiao

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

AI总结 该研究提出ClawProBench基准，基于OpenClaw运行时构建，通过含102场景的全配置集与68场景的冻结保留集评估AI智能体，采用安全门控公式评分，发现最终答案排行榜存在缺陷，不同评估视角的智能体排名差异显著。

Comments 29 pages, 4 figures

GameXpert-Bench: How Far Are Coding Agents from Expert Game Development?

GameXpert-Bench：编码智能体距离专家级游戏开发还有多远？

Kun Chen, Haorong Hong, Peizhong Gao, Jianfeng Lin, Tongxu Luo, Yuxuan Xie, Chenxu Liu, Jieling He, Zhongyuan Liu, Zeno Zeng

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Lightspeed Studios, Tencent（腾讯光速工作室） 纠错

AI总结 GameXpert-Bench是覆盖游戏开发全生命周期的基准，含三个赛道，测评显示当前编码智能体在生成可玩游戏基础上表现较好，在缺陷发现等方面仍有不足。

Forgotten in Weights, Recovered by Tools: Agentic Tool Unlearning for LLM Agents

权重中遗忘，工具中恢复：面向大语言模型智能体的智能体工具遗忘

Baicheng Chen, Zheyuan Liu, Jingyu Zhang, Kaize Ding, Ningshan Ma, Yue Huang, Meng Jiang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； University of Notre Dame（圣母大学） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Northwestern University（西北大学） ； MIT（麻省理工学院） 纠错

AI总结 该研究针对大语言模型智能体的工具介导恢复问题，提出两阶段的Agentic Tool Unlearning框架，在RWKU和MUSE数据集上实现了更好的遗忘与保留效用平衡。

Congruence Decomposition with Neural Block Solvers for Large-Scale PCI Assignment

基于神经块求解器的同余分解用于大规模物理小区标识分配

Yeqing Qiu, Chengpiao Huang, Ye Xue, Akang Wang, Fan Xu, Zhipeng Jiang, Dong Zhang, Ruoyu Sun, Qingjiang Shi, Zhi-Quan Luo

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； Columbia University（哥伦比亚大学） ； Sun Yat-sen University（中山大学） ； Tongji University（同济大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Huawei Technologies（华为技术有限公司） 纠错

AI总结 本研究针对大规模5G网络PCI分配难题，提出带神经块求解器的同余分解框架，将问题解耦为子问题并结合图神经网络优化，实验显示其性能优于现有基线方法。