Efficient Resource Optimization for Split Federated Learning
机构 * the University of Hong Kong（香港大学）
高校专区
The University of Hong Kong（香港大学）
MoRAX: Mobility-based Representation Augmentation for Geospatial Foundation Models
MoRAX：面向地理空间基础模型的基于移动性的表示增强方法
机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 MoRAX是增强地理空间基础模型的轻量级框架，利用人类移动性数据补充区域功能结构，其教师模型在多国多城市的八项预测任务中优于基线，学生模型性能接近教师，可实现零样本部署与跨国家迁移。
Fourth-Moment Geometry of Rademacher Sums
拉德马赫和的四阶矩几何
机构 * The University of Hong Kong（香港大学）
AI总结 该论文研究拉德马赫和的四阶矩几何，结合矩包络与凸性阈值论证得到高斯稳定性不等式，解决相关猜想并证明p=3时的二次稳定性估计，所得边界可应用于拉德马赫随机投影等领域。
Planning-aligned Token Compression for Long-Context Autonomous Driving
面向长上下文自动驾驶的规划对齐令牌压缩
机构 * NVIDIA Research（NVIDIA研究） ； School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学）
AI总结 提出COMPACT-VA框架，基于条件VQ-VAE将长上下文压缩为有界表示，通过规划对齐实现决策关键信息保留，在动态场景中成功率提升超6%，速度提升3.3倍。
Comments Accepted by IEEE Robotics and Automation Letters (RA-L) 2026. 8 pages
Repurposing 3D Generative Model for Autoregressive Layout Generation
将3D生成模型重新利用于自回归布局生成
机构 * School of Software, Beihang University（北航软件学院） ； Tsinghua University（清华大学） ； University of Hong Kong（香港大学） ； Tencent Hunyuan（腾讯文英） ； Peking University（北京大学）
AI总结 本文提出LaviGen框架，利用3D生成模型直接在3D空间中生成布局，通过自回归过程建模几何关系和物理约束，提升3D场景的物理合理性与效率。
Comments this https URL (https://fenghora.github.io/LaviGen-Page/)
MoRA: Mobility as the Backbone for Geospatial Representation Learning at Scale
MoRA：以移动性为核心的大规模地理空间表示学习
机构 * The University of Hong Kong（香港大学） ； WeChat, Tencent（微信、腾讯） ； City University of Hong Kong（城市大学）
AI总结 MoRA通过移动图为核心骨架，融合多种数据模态，实现大规模地理空间表示学习，提升预测性能。
A Shop Floor Production Scheduling Case based on RFID-supported Smart Factory
基于RFID支持的智能工厂的车间生产调度案例
机构 * The University of Hong Kong（香港大学）
AI总结 本文针对配备RFID的智能工厂案例，通过挖掘RFID数据量化生产不确定性，提出基于深度强化学习的动态调度框架，仿真显示其在最小化总完工时间上优于FIFO、LIFO和DQN方法。
HiPHI: A Large-Scale Benchmark for High-Precision Human Motion and Object-Interaction
HiPHI：面向高精度人体运动与物体交互的大规模基准测试集
机构 * National University of Singapore（新加坡国立大学） ； The University of Hong Kong（香港大学） ； SIGS, Tsinghua University（清华大学深圳国际研究生院） ； The Hong Kong University of Science and Technology（香港科技大学） ； Noitom Robotics（诺亦腾机器人公司）
AI总结 该研究针对现有具身数据集的局限，提出基于FrameNet的600+小时高保真人体运动与物体交互基准HiPHI，配套评估套件，为类人策略学习及计算机图形学运动先验模型提供数据基础。
Unified Condition-Action Modeling for Accurate One-Step Action Generation
用于精准单步动作生成的统一条件-动作建模
机构 * NTU（南洋理工大学） ； HKU（香港大学）
AI总结 该研究提出UCA-Flow统一条件-动作建模框架，通过共享令牌空间与改进双路监督方案，提升机器人单步动作生成的成功率与推理速度。
$R^3$-Bench: LLMs Struggle with Resource-Rational Reasoning under Shared Budgets
$R^3$-Bench：大语言模型在共享预算下的资源理性推理能力存在不足
机构 * The University of Hong Kong（香港大学） ； Hunyuan Team, Tencent（腾讯混元团队）
AI总结 $R^3$-Bench测试发现，大语言模型在共享预算下的资源理性推理存在不足，其表现出的单问题能力与共享预算下的实际表现存在差距。
Comments Code is available at https://github.com/NineAbyss/R-3-Bench . The dataset is available at https://huggingface.co/datasets/R-3-Bench/R-3-Bench
Tac4Loco: Learning Spatiotemporal Plantar Pressure Representations for Humanoid Locomotion
Tac4Loco：学习用于人形机器人运动的时空足底压力表征
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Tac4Loco框架，通过构建拓扑保持的序数表征提取足底压力时空特征，结合增强本体感知训练非对称演员-评论家策略，提升人形机器人在复杂地形的运动性能并实现零样本部署。
Comments 9 pages,6 figures
When Stories Evolve: Benchmarking LLM Storytelling Across Agent Architectures in Open-Ended World Simulations
当故事演变时：在开放世界模拟中针对智能体架构对大语言模型故事讲述能力进行基准测试
机构 * The University of Hong Kong（香港大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； Beijing Institute of Mathematical Sciences and Applications (BIMSA)（北京数学科学与应用研究院）
AI总结 该研究推出WSE-bench基准，评估开放世界模拟中不同智能体架构的大语言模型故事讲述的持续生成、规范一致性和有意义发展，发现三者存在竞争关系，模型规模仅提升持续生成能力。
FluxBin: Flexible LUT-based Ultra-low-bit LLM Inference by Algorithm-Kernel Synergy
FluxBin：基于灵活查找表的超低位大语言模型推理——算法与内核协同设计
机构 * The University of Hong Kong（香港大学） ； Harbin Institute of Technology（哈尔滨工业大学）
AI总结 本研究针对二值量化LLM推理的硬件内核缺失问题，提出FluxBin算法-内核协同设计，实现超低位推理的加速、能效提升与内存压缩，可高效部署70B规模模型。
Vision-Based Tactile Intelligence for Robotics: Sensing, Learning, and Embodied Manipulation
机器人基于视觉的触觉智能：感知、学习与具身操作
机构 * Great Bay University（大湾区大学） ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong Polytechnic University（香港理工大学） ； South China University of Technology（华南理工大学） ； KTH Royal Institute of Technology（瑞典皇家理工学院） ； King’s College London（伦敦国王学院）
AI总结 本综述调研机器人领域基于视觉的触觉传感器（VBTSs）全流程，对其硬件分类、学习方法、仿真与数据集等展开分析，指出开放挑战，以推进接触密集型机器人任务的触觉智能。
Invariant Pretraining for Robust Code Representations
用于鲁棒代码表示的不变预训练
机构 * University of California at Davis（加州大学戴维斯分校） ； The University of Hong Kong（香港大学）
AI总结 本文针对代码表示模型在不变程序下鲁棒性退化问题，提出仅基于代码的不变预训练（InvPT）方法，在克隆检测、代码分类任务上分别提升鲁棒性最高11、19个百分点，同时保持或提升标准准确率。
Comments To appear in LMPL 2026
Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach
用于原则评估的语义嵌入结构化：一种原型引导的对比学习方法
机构 * The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文针对通用文本嵌入在任务区分上的不足，提出PGCL方法，通过多流结合的正则化模块生成任务适配表示，在三个代理任务数据集上均优于原始冻结嵌入，明确了方法适用边界并修订了理论分析。
Comments Accepted for publication in Transactions on Machine Learning Research (TMLR). 27 pages
MegaParts: Scaling Part-Aware 3D Object Generation to 300 Parts via Token-Efficient Autoregressive Modeling
MegaParts：通过令牌高效自回归建模将部件感知三维物体生成扩展至300个部件
机构 * The University of Hong Kong（香港大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Tongji University（同济大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 MegaParts提出结合结构化序列建模与令牌高效矢量量化形状令牌化器的自回归框架，将部件感知3D生成扩展至300个部件，性能优于基线模型，为大规模部件感知3D生成提供新方案。
Comments 12 pages, 6 pages appendix, 13 figures, technical report
CROP: Task Relevance via Counterfactuals for Selective On-Policy Distillation
CROP：基于反事实的任务相关性用于选择性在线策略蒸馏
机构 * The University of Hong Kong（香港大学）
AI总结 针对选择性在线策略蒸馏中任务相关性表征不足的问题，提出基于反事实的CROP方法，可识别更有用的监督位置，在两种师生设置中分别提升性能1.92和2.96个百分点。
LAGS: Low-Altitude Gaussian Splatting with Groupwise Heterogeneous Graph Learning
LAGS：低空高斯点云与群体异构图学习
机构 * The University of Hong Kong（香港大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； Southern University of Science and Technology（南方科技大学） ； State Key Laboratory of IOTSC, University of Macau（澳门大学物联网科学国家重点实验室） ； College of Engineering, Istanbul Medipol University（伊斯坦布尔Medipol大学工程学院）
AI总结 LAGS通过聚合分布式无人机的航拍图像实现3D场景重建，但现有低空资源分配方案因未考虑视角差异导致效率低下。本文提出GW-HGNN，通过图学习平衡数据保真度与传输成本，实验表明其在关键渲染指标上优于现有方法，并显著降低计算延迟。
Comments 8 pages, 12 figures, 2 tables
MathGen: Revealing the Illusion of Mathematical Competence through Text-to-Image Generation
MathGen：通过文本到图像生成揭示数学能力的幻觉
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学） ； The Ohio State University（俄亥俄州立大学） ； USTC（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； University of Wisconsin（威斯康星大学） ； UCSB（加州大学圣塔芭芭拉分校） ； University of Hong Kong（香港大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 MathGen通过900道跨七个核心领域的数学问题，评估生成模型在视觉化数学解答中的准确性，发现现有模型在数学 fidelity 上存在显著瓶颈。
Accelerating Large-scale Bundle Adjustment for LiDAR Mapping via Parallel Computing
基于并行计算加速激光雷达建图的大规模光束平差法
机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； the University of Hong Kong（香港大学）
AI总结 该研究提出首个全并行计算框架，结合三项关键技术加速激光雷达建图的大规模光束平差法，经多平台公开数据集测试，效率最高提升10倍且精度相当，代码已开源。
Comments Accepted by IEEE International Conference on Automation Science and Engineering (CASE), 2026
Attributing Preprocessing Invariance in Spectral Foundation Models
归因于光谱基础模型中的预处理不变性
机构 * ESCP Business School（ESCP商学院） ； OpluxCare Co., Ltd.（欧普乐康护理有限公司） ； The University of Hong Kong（香港大学） ； Nanjing University（南京大学）
AI总结 该研究以拉曼光谱基础模型为例，指出其声称的预处理不变性多源于归一化而非学习，多数系统的归一化已消除相关变换，训练编码器未带来显著增益。
Traj-LeWM: Path-Aware World-Model Planning via Latent Trajectory Cost
Traj-LeWM：通过潜在轨迹代价实现路径感知的世界模型规划
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； The University of Hong Kong（香港大学） ； INFIFORCE ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学）
AI总结 本文针对LeWM的局限提出Traj-LeWM，通过引入潜在轨迹代价结合终点距离的联合评分，在多个机器人与导航任务上实现性能提升，验证了轨迹级信息的互补作用。
PlayWorld: Benchmarking World Models with Agent Players over Long-Horizon Objectives
PlayWorld：基于智能体玩家的长程目标世界模型基准测试
机构 * The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； Zhejiang University（浙江大学） ； Kuaishou Technology（快手科技）
AI总结 该研究针对现有世界模型跨模型公平比较的难题，推出含171个场景的PlayWorld基准，通过多模态智能体玩家从多维度评估9种先进世界模型，发现其长程交互式目标表现仍不可靠。
Comments project page: https://kxding.github.io/project/PlayWorld/
Making AI-Generated Feedback Matter: A Large-Scale Study of Feedback Workflows and Student Enactment
让AI生成的反馈发挥作用：从提供到学生执行
机构 * The University of Queensland（昆士兰大学） ； University of Surrey（萨里大学） ； The University of Hong Kong（香港大学）
AI总结 该研究通过13037名学生的大规模准实验，发现主动构建的AI反馈执行工作流可显著提升学生对AI反馈的接受度、自我评估信心及作品质量，强调需设计针对性AI反馈工作流。
Cross-Calibrated Confidence Fields for Local Risk Updates
论局部总体风险证书
机构 * Department of Mathematics, The University of Hong Kong（香港大学数学系）
AI总结 本文提出局部总体风险增量证书，用于在模型更新时提供风险控制，通过双边置信带判断更新是否接受。
Comments 68 pages
Understanding Backdoor Vulnerabilities in Vertical Federated Learning: The Gap Between Research and Practice
理解垂直联邦学习中的后门漏洞：研究与实践之间的差距
机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算机与数据科学学院）
AI总结 本文针对垂直联邦学习（VFL）的后门漏洞开展面向实践的系统性研究，发现现有研究与实践存在差距，提出实用后门工作流并引入BVBench基准，为相关研究奠定基础。
Validation of Smartphone-Based Photogrammetric 3D Body Scanning for Automated Anthropometric Measurements Compared with a Commercial Depth-Sensor-Based Body Scanner
基于智能手机摄影测量的三维人体扫描用于自动人体测量的验证：与商用基于深度传感器的人体扫描仪对比
机构 * The George Washington University（乔治·华盛顿大学） ； The University of Hong Kong（香港大学）
AI总结 本研究对比验证了智能手机摄影测量应用PolyCam与商用Fit3D ProScanner的人体扫描性能，发现二者一致性较强，PolyCam可作为商用人体扫描仪的潜在易获取替代方案用于纵向体型评估。
Comments 16 pages, 5 figures, 4 tables
VALG: An Agentic System for ML Theory Research
VALG：面向机器学习理论研究的智能体系统
机构 * The University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Northwestern Polytechnical University（西北工业大学）
AI总结 本文提出VALG智能体系统，将机器学习理论研究过程组织为自主工作流，通过多环节验证与图结构证明开发，在COLT 2026开放问题子问题上验证了其有效性，相关代码已开源。
Manifold constrained steepest descent for smooth and closed-set optimization
流形约束最速下降
机构 * Department of Mathematics, University of Hong Kong, Hong Kong, China（香港大学数学系）
AI总结 本文提出流形约束最速下降（MCSD）方法，通过单循环框架在流形上进行优化，并引入SPEL在Stiefel流形上的应用，实现了更稳定的性能和可扩展性。
Comments 29 pages, 3 figures, and 2 tables. Compared to the previous version, introduced a new variant MCSD-TP and a hybrid algorithm MCSD-PGD for close-set optimization
