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

2608.28241 2026-08-31 cs.AI 新提交

Beyond Task-Only Matching: Personalized Skill Routing with Counterfactual Evaluation

超越仅任务匹配：基于反事实评估的个性化技能路由

Tianle Wang, Yanghe Zou, Xiang Liu, Ziyao Huang, Chenchen Fu, Weiwei Wu

机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院）； College of Software Engineering, Southeast University（东南大学软件学院）； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程学系）； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系）

AI总结针对现有LLM智能体技能路由仅匹配任务的缺陷，提出SkillFeed渐进式检索-重排序框架，在自主构建的反事实基准上大幅提升了满足用户约束的技能检索准确率。

2608.28188 2026-08-31 cs.LG cs.AI cs.AR 新提交

Beyond Flat Netlist: Hierarchical Graph Representation Learning for Scalable Analysis of Sequential Circuits

超越平面网表：用于时序电路可扩展分析的分层图表示学习

Jingyi Zhou, Zhengyuan Shi, Jiaying Zhu, Ziyang Zheng, Qiang Xu

机构 * The Chinese University of Hong Kong（香港中文大学）； Tsinghua University（清华大学）

AI总结针对电路表示学习受工业网表规模与时序动态建模缺陷制约的问题，提出DeepSeq3分层框架，结合双GNN架构与状态中心预训练，在大规模基准上实现BMC求解时间降18%且保证正确性。

2608.28067 2026-08-31 cs.AI 新提交

SEPO: Evidence-Grounded Prompt Optimization via Structural Editing

SEPO：基于证据的结构化编辑提示优化

Xiaoyu Ma, Haoyue Liu, Yiwen Li, Jionghao Zhu, Zhichao Wang, Ye Chen, Xiaoying Tang

机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院）； Xi’an Jiaotong University（西安交通大学）； Shenzhen Future Network of Intelligence Institute (FNiI-Shenzhen)（深圳未来智能网络研究院）； Guangdong Provincial Key Laboratory of Future Networks of Intelligence, CUHK(SZ)（香港中文大学（深圳）广东省未来网络智能重点实验室）

AI总结本文提出SEPO提示优化器，通过结构化编辑与编辑-效果谱系反馈优化提示，在14任务套件中较GEPA提升准确率，同时在帕累托前沿上优化效率更高、提示更短。

2608.27857 2026-08-31 cs.AI 新提交

SpikeOPD: Stable On-Policy Distillation for Autoregressive Spiking Language Models

SpikeOPD：自激语言模型的稳定在线策略蒸馏方法

Enqiao Lu, Xingrui Yu, Yiwei Fu, Zhenglin Wan, Pengfei Zhou, Wangbo Zhao, Muqing Jian, Xueyi Zhang, Yang You, Ivor Tsang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））； Agency for Science, Technology and Research (A*STAR), Singapore（新加坡科技研究局）； Nanyang Technological University, Singapore（新加坡南洋理工大学）； Peking University（北京大学）； National University of Singapore（新加坡国立大学）； Rice University（莱斯大学）

AI总结针对自回归脉冲语言模型的前缀不匹配问题，提出SpikeOPD框架，结合教师校正、策略锚定与分层脉冲正则化，提升不同规模模型的准确率并保留稀疏计算特性。