The University of Hong Kong（香港大学）

Quantifying the Privacy Implications of High-Fidelity Synthetic Network Traffic

量化高保真合成网络流量的隐私影响

Van Tran, Shinan Liu, Tian Li, Nick Feamster

机构 * University of Chicago（芝加哥大学） ； University of Hong Kong（香港大学） 纠错

AI总结 本文提出了一套用于评估合成网络流量隐私风险的度量标准，通过成员推断攻击等方法揭示不同生成模型的隐私漏洞，并识别影响攻击成功的关键因素。

Comments 14 pages, 13 Figures, 6 Tables

Rethinking Semi-Supervised Node Classification with Self-Supervised Graph Clustering

重新思考基于自监督图聚类的半监督节点分类

Songbo Wang, Renchi Yang, Yurui Lai, Xiaoyang Lin, Tsz Nam Chan

机构 * The University of Hong Kong（香港大学） ； Hong Kong Baptist University（香港 Baptist 大学） ； Shenzhen University（深圳大学） 纠错

AI总结 本文提出NCGC框架，结合自监督图聚类与半监督分类，通过改进的消息传递范式和多任务学习提升节点分类性能。

Comments 14 pages

CodeFuse-CommitEval: Towards Benchmarking LLM's Power on Commit Message and Code Change Inconsistency Detection

CodeFuse-CommitEval: 向基于提交信息和代码变更不一致检测的LLM能力基准测试迈进

Qingyu Zhang, Puzhuo Liu, Peng Di, Chenxiong Qian

机构 * Ant Group（蚂蚁集团） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； The University of New South Wales（新南威尔士大学） 纠错

AI总结 CodeFuse-CommitEval是首个用于评估LLM检测提交信息与代码变更不一致能力的基准，通过生成七类不一致消息并验证样本，评估六种开源LLM在不同增强策略下的表现，揭示了不同增强方法对模型性能的影响及不同类型不一致的检测差异。

Count Every Rotation and Every Rotation Counts: Exploring Drone Dynamics via Propeller Sensing

计数每一次旋转，每一次旋转都重要：通过螺旋桨感知探索无人机动力学

Xuecheng Chen, Jingao Xu, Wenhua Ding, Haoyang Wang, Xinyu Luo, Ruiyang Duan, Jialong Chen, Xueqian Wang, Yunhao Liu, Xinlei Chen

机构 * Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院） ； The University of Hong Kong（香港大学） ； Meituan Academy of Robotics Shenzhen, China（美团机器人研究院（深圳）） ； School of Software, Tsinghua University, China（清华大学软件学院） 纠错

AI总结 通过螺旋桨旋转速度感知提升无人机传感性能，提出基于事件相机的解决方案，实现高精度飞行指令推断和跟踪精度提升。

SAS: Simulated Attention Score

SAS: 模拟注意力分数

Chuanyang Zheng, Jiankai Sun, Yihang Gao, Yuehao Wang, Peihao Wang, Jing Xiong, Liliang Ren, Hao Cheng, Janardhan Kulkarni, Yelong Shen, Atlas Wang, Mac Schwager, Anderson Schneider, Xiaodong Liu, Jianfeng Gao

机构 * Morgan Stanley（摩根大通） ； Stanford（斯坦福大学） ； Microsoft Research（微软研究院） ； NUS（新加坡国立大学） ； UT Austin（得克萨斯大学奥斯汀分校） ； HKU（香港大学） 纠错

AI总结 SAS通过模拟更多注意力头和特征维度，以低成本提升模型性能，同时保持参数效率。

Comments Tech Report

Missing the human touch? A computational stylometry analysis of GPT-4 translations of online Chinese literature

缺少人文关怀？对GPT-4翻译在线中文文学的计算风格分析

Xiaofang Yao, Yong-Bin Kang, Anthony McCosker

机构 * The University of Hong Kong（香港大学） ； Swinburne University of Technology（斯威本科技大学） 纠错

AI总结 本研究通过计算风格分析，发现GPT-4在中文文学翻译中能复现人类翻译的风格特征，表明大型语言模型可能在文学翻译中再现'人文关怀'。

Comments 15 pages, 3 figures

Panoptic Captioning: An Equivalence Bridge for Image and Text

全景描述：图像与文本之间的等价桥梁

Kun-Yu Lin, Hongjun Wang, Weining Ren, Kai Han

机构 * Visual AI Lab, The University of Hong Kong（香港大学视觉人工智能实验室） 纠错

AI总结 本文提出全景描述任务，通过PancapEngine和PancapChain方法提升图像与文本的等价描述能力，实验表明其优于现有大语言模型。

Comments NeurIPS 2025; Project page: https://visual-ai.github.io/pancap/

Video Understanding with Large Language Models: A Survey

利用大语言模型进行视频理解：综述

Yolo Y. Tang, Jing Bi, Siting Xu, Luchuan Song, Susan Liang, Teng Wang, Daoan Zhang, Jie An, Jingyang Lin, Rongyi Zhu, Ali Vosoughi, Chao Huang, Zeliang Zhang, Pinxin Liu, Mingqian Feng, Feng Zheng, Jianguo Zhang, Ping Luo, Jiebo Luo, Chenliang Xu

机构 * University of Rochester（罗切斯特大学） ； The University of Hong Kong（香港大学） ； Southern University of Science and Technology（南方科技大学） 纠错

AI总结 本文综述了利用大语言模型进行视频理解的最新进展，探讨了Vid-LLMs的分类、功能及应用场景，并指出了未来研究方向。

Comments Accepted to IEEE Transactions on Circuits and Systems for Video Technology (TCSVT)