The University of Hong Kong（香港大学）

A Nonparametric Statistics Approach to Feature Selection in Deep Neural Networks with Theoretical Guarantees

深度神经网络中特征选择的非参数统计方法及其理论保证

Junye Du, Zhenghao Li, Zhutong Gu, Long Feng

机构 * Department of Statistics and Actuarial Science, The University of Hong Kong（统计与精算科学系，香港大学） ； Peking University HSBC Business School（北京大学汇丰商学院） 纠错

AI总结 本文提出了一种非参数统计方法，通过神经网络索引模型和二次Stein公式，在理论保证下实现深度神经网络中的特征选择，适用于高维和稀疏场景。

Comments 64 pages

Application of Deep Learning in Biological Data Compression

深度学习在生物数据压缩中的应用

Chunyu Zou

机构 * Department of Electrical and Electronic Engineering, The University of Hong Kong（电子工程系，香港大学） 纠错

AI总结 本文利用深度学习中的隐式神经表示技术，提出一种高效压缩Cryo-EM生物数据的方法，通过二进制地图提取和神经网络编码提升压缩效率与重建质量。

DrivePI: Spatial-aware 4D MLLM for Unified Autonomous Driving Understanding, Perception, Prediction and Planning

DrivePI: 基于空间感知的4D MLLM用于统一自动驾驶理解、感知、预测与规划

Zhe Liu, Runhui Huang, Rui Yang, Siming Yan, Zining Wang, Lu Hou, Di Lin, Xiang Bai, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； Yinwang Intelligent Technology Co. Ltd.（英维智能科技有限公司） ； Tianjin University（天津大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 DrivePI是一种基于空间感知的4D MLLM，用于统一自动驾驶的理解、感知、预测和规划，通过端到端优化实现多任务并行，提升性能并减少碰撞率。

GenieDrive: Towards Physics-Aware Driving World Model with 4D Occupancy Guided Video Generation

GenieDrive: 向具有物理意识的驾驶世界模型迈进：基于4D占用的视频生成

Zhenya Yang, Zhe Liu, Yuxiang Lu, Liping Hou, Chenxuan Miao, Siyi Peng, Bailan Feng, Xiang Bai, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 GenieDrive通过4D占用引导的视频生成，实现物理意识的驾驶视频生成，提升预测精度和视频质量。

Comments The project page is available at https://huster-yzy.github.io/geniedrive_project_page/

Tracking large chemical reaction networks and rare events by neural networks

通过神经网络追踪大规模化学反应网络和罕见事件

Jiayu Weng, Xinyi Zhu, Jing Liu, Linyuan Lü, Pan Zhang, Ying Tang

机构 * Institute of Data Science, University of Hong Kong, Hong Kong（数据科学研究所，香港大学） ； Department of Systems Science, Faculty of Arts and Sciences, Beijing Normal University, Zhuhai 519087, China（艺术与科学学院系统科学系，北京师范大学） ； School of Physics, University of Electronic Science and Technology of China, Chengdu 611731, China（电子科学与技术大学物理学院） ； School of Physical Science and Technology, Beijing University of Posts and Telecommunications, Beijing 102206, China（邮电大学物理科学与技术学院） ； Institute of Theoretical Physics, Chinese Academy of Sciences, Beijing 100190, China（中国科学院理论物理研究所） ； School of Cyber Science and Technology, University of Science and Technology of China, Hefei 230027, China（科学技术大学网络科学与技术学院） ； School of Fundamental Physics and Mathematical Sciences, Hangzhou Institute for Advanced Study, UCAS, Hangzhou 310024, China（杭州高等研究院基础物理与数学科学学院） ； Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu 611731, China（电子科学与技术大学基础与前沿科学研究所） ； Non-classical Information Science Basic Discipline Research Center of Sichuan Province, University of Electronic Science and Technology of China, Chengdu 611731, China（四川省非经典信息科学基础学科研究中心，电子科学与技术大学） 纠错

AI总结 本文提出通过神经网络高效追踪大规模化学反应网络及罕见事件的方法，结合优化算法和增强采样策略，实现显著加速和高精度建模。

Repulsor: Accelerating Generative Modeling with a Contrastive Memory Bank

Repulsor：利用对比记忆库加速生成建模

Shaofeng Zhang, Xuanqi Chen, Ning Liao, Haoxiang Zhao, Xiaoxing Wang, Haoru Tan, Sitong Wu, Xiaosong Jia, Qi Fan, Junchi Yan

机构 * School of Artificial Intelligence and Data Science, University of Science and Technology of China（人工智能与数据科学学院，中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； HKU（香港大学） ； CUHK（香港大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学） 纠错

AI总结 Repulsor通过对比记忆库机制，无需外部编码器，实现高效的生成建模，显著提升收敛速度和生成质量。

Comments 19 pages, 19 figures

SoMi-ToM: Evaluating Multi-Perspective Theory of Mind in Embodied Social Interactions

SoMi-ToM：评估具身社会互动中的多视角理论之心假设

Xianzhe Fan, Xuhui Zhou, Chuanyang Jin, Kolby Nottingham, Hao Zhu, Maarten Sap

机构 * The University of Hong Kong（香港大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California Irvine（加州大学尔湾分校） ； Stanford University（斯坦福大学） 纠错

AI总结 SoMi-ToM基准通过多视角评估人类与模型在具身社会互动中的理论之心能力，揭示大型视觉-语言模型在复杂社交场景中的不足。

Comments 24 pages, 6 figures

Journal ref Proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

Multi-View Oriented GPLVM: Expressiveness and Efficiency

多视图导向的GPLVM：表达力与效率

Zi Yang, Ying Li, Zhidi Lin, Michael Minyi Zhang, Pablo M. Olmos

机构 * School of Computing and Data Science University of Hong Kong（计算与数据科学学院 香港大学） ； Department of Signal Theory and Communications Universidad Carlos III de Madrid（信号理论与通信系 马德里卡洛斯三世大学） 纠错

AI总结 本文提出了一种多视图导向的GPLVM模型，通过引入Next-Gen Spectral Mixture核和改进的随机傅里叶特征近似方法，提升了模型的表达力和计算效率。

Comments 10 pages

On the physics of nested Markov models: a generalized probabilistic theory perspective

关于嵌套马尔可夫模型的物理：从广义概率理论视角出发

Xingjian Zhang, Yuhao Wang, Elie Wolfe

机构 * QICI Quantum Information and Computation Initiative, School of Computing and Data Science, The University of Hong Kong, Hong Kong SAR, China（量子信息与计算倡议，计算与数据科学学院，香港大学，香港特别行政区，中国） ； Institute for Interdisciplinary Information Sciences, Tsinghua University, Beijing, China（交叉信息科学研究所，清华大学，北京，中国） ； Shanghai Qi Zhi Institute, Shanghai, China（上海启智研究所，上海，中国） ； Perimeter Institute for Theoretical Physics, Waterloo, Ontario, Canada（理论物理研究所，滑铁卢，安大略，加拿大） 纠错

AI总结 本文从广义概率理论视角探讨嵌套马尔可夫模型，揭示其与物理实现之间的差距，并展示新的GPT不可侵犯约束。

Comments V2: 21 pages, 9 figures, 1 table; simpler proofs for the original theorems provided; new causal models introduced and discussed; one author added. Comments are welcome!

A Comprehensive Survey on Self-Supervised Learning for Recommendation

推荐系统中自监督学习的全面综述

Xubin Ren, Wei Wei, Lianghao Xia, Chao Huang

机构 * The University of Hong Kong（香港大学） 纠错

AI总结 本文综述了推荐系统中自监督学习的多种方法，分析了对比学习、生成学习和对抗学习等范式，以提升推荐系统的性能。

Comments Published as an ACM Computing Survey paper