The University of Hong Kong（香港大学）

AEGIS: Exploring the Limit of World Knowledge Capabilities for Unified Mulitmodal Models

AEGIS：探索统一多模态模型世界知识能力的极限

Jintao Lin, Bowen Dong, Weikang Shi, Chenyang Lei, Suiyun Zhang, Rui Liu, Xihui Liu

机构 * University of Hong Kong（香港大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Huawei Research（华为研究） 纠错

AI总结 AEGIS通过多任务基准测试和确定性检查表评估，揭示统一多模态模型在世界知识推理中的不足，并指出简化推理模块可缓解其缺陷。

LooC: Effective Low-Dimensional Codebook for Compositional Vector Quantization

LooC: 有效的低维代码书用于组合向量量化

Jie Li, Kwan-Yee K. Wong, Kai Han

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

AI总结 LooC通过低维代码书提升组合向量量化的效率与性能，实现更紧凑的代码书和更优的特征近似。

Comments The IEEE/CVF Winter Conference on Applications of Computer Vision 2026

CubeBench: Diagnosing Interactive, Long-Horizon Spatial Reasoning Under Partial Observations

CubeBench: 在部分观察下诊断交互式、长周期空间推理

Huan-ang Gao, Zikang Zhang, Tianwei Luo, Kaisen Yang, Xinzhe Juan, Jiahao Qiu, Tianxing Chen, Bingxiang He, Hao Zhao, Hao Zhou, Shilong Liu, Mengdi Wang

机构 * THU（清华大学） ； Princeton（普林斯顿大学） ； SJTU & UMich（上海交通大学 & 密歇根大学） ； HKU（香港大学） 纠错

AI总结 CubeBench通过魔方基准评估LLM在部分观察下的空间推理和长周期任务能力，揭示LLM在长期规划中的根本缺陷。

Comments Webpage: https://cubebench.c7w.tech/

CrownGen: Patient-customized Crown Generation via Point Diffusion Model

CrownGen: 通过点扩散模型实现患者定制的牙冠生成

Juyoung Bae, Moo Hyun Son, Jiale Peng, Wanting Qu, Wener Chen, Zelin Qiu, Kaixin Li, Xiaojuan Chen, Yifan Lin, Hao Chen

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Division of Pediatric Dentistry and Orthodontics, Faculty of Dentistry（牙科学院儿童牙科与正畸科） ； University of Hong Kong（香港大学） ； Department of Chemical and Biological Engineering（化学与生物工程系） ； Division of Life Science（生命科学系） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（香港科技大学深圳-香港联合创新研究院） ； State Key Laboratory of Nervous System Disorders（神经系统疾病国家重点实验室） ； Delun Dental Hospital（德尔润牙科医院） 纠错

AI总结 CrownGen通过点扩散模型实现患者定制的牙冠自动化生成，提升了牙科修复的效率和质量。

PTQTP: Post-Training Quantization to Trit-Planes for Large Language Models

PTQTP: 预训练量化到三平面用于大语言模型

He Xiao, Runming Yang, Qingyao Yang, Wendong Xu, Zhen Li, Yupeng Su, Zhengwu Liu, Hongxia Yang, Ngai Wong

机构 * The University of Hong Kong（香港大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） 纠错

AI总结 PTQTP通过分解权重矩阵为三平面实现高效大语言模型量化，提升推理速度并减少资源消耗。

Comments Ternary Quantization, Under review