高校专区
量化与推理：探索和缓解低比特LLM在数学推理中的退化
机构 * The Hong Kong Polytechnic University（香港理工大学） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出了一种轻量级方法，通过定位和恢复量化模型中最早出现的故障步骤，有效缓解低比特LLM在数学推理中的退化问题。
Comments 27pages
深度函数因子模型：通过贝叶斯非参数因子化进行高维函数时间序列的预测
机构 * London School of Economics（伦敦经济学院） ； Faculty of Business（商学院） ； Economics, The University of Hong Kong（经济学，香港大学） ； Management School, University of Liverpool（利物浦大学管理学院）
AI总结 本文提出DF2M模型，通过贝叶斯非参数因子化方法提升高维函数时间序列预测的可解释性和准确性。
Journal ref Proceedings of the 41st International Conference on Machine Learning 2024
TVWorld: 电视遥控的基石
机构 * The University of Hong Kong（香港大学） ； Hong Kong Baptist University（香港 Baptist 大学） ； TCL Corporate Research (Hong Kong) Co., Ltd（TCL 香港企业研究有限公司）
AI总结 TVWorld提出了一种基于图的电视导航抽象，开发了TVWorld-N和TVWorld-G两个基准测试，通过拓扑感知训练框架TVTheseus实现了68.3%的成功率，超越现有基线。
教导大型推理模型有效的反思
机构 * Peking University（北京大学） ； The University of Hong Kong（香港大学） ； Huawei Technologies（华为技术有限公司） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 本文提出SCFT和RLERR方法，通过自我批评和强化学习提升大型推理模型的反思能力，实验表明在AIME2024和AIME2025基准上效果优于现有方法。
Comments 14 pages (including appendix), 5 figures
MMDeepResearch-Bench: 一个多模态深度研究代理的基准
机构 * OSU（俄亥俄州立大学） ； Amazon（亚马逊公司） ； UMich（密歇根大学） ； UCL（伦敦大学学院） ； CUHK（香港中文大学） ； UCR（加州大学尔湾分校） ； CWRU（克里夫兰医学中心） ； HKU（香港大学）
AI总结 MMDeepResearch-Bench提出一个多模态深度研究代理的基准，强调报告式合成与引用证据的结合，揭示多模态完整性对深度研究代理的重要性。
超LIO：一种鲁棒且高效的激光雷达-惯性里程计系统，具有紧凑的映射策略
机构 * Department of Mechanical Engineering, East China University of Science and Technology（东华大学机械工程学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Hong Kong（香港大学）
AI总结 Super-LIO通过紧凑的OctVox映射结构和启发式引导的KNN策略，实现了高效的鲁棒LIO系统，显著提升了处理速度和资源利用率。
Comments 8 pages, 5 figures
Journal ref IEEE Robotics and Automation Letters (RA-L), 2026
通过极低剂量协议实时重建3D骨模型
机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology, Hong Kong SAR（香港理工大学电子与计算机工程系） ； Koln 3D Technology (Medical) Limited, Hong Kong SAR（香港特别行政区科隆3D技术（医疗）有限公司） ； Department of Physics, Beihang University, Beijing, China（北京航空航天大学物理系） ； Union Hospital, Hong Kong SAR（香港特别行政区联合医院） ； Dental Materials Science, Division of Applied Oral Sciences and Community Dental Care, Faculty of Dentistry, The University of Hong Kong, Hong Kong SAR（香港大学牙科学院牙体材料科学系） ； Department of Orthopaedics and Traumatology, The Chinese University of Hong Kong, Hong Kong SAR（香港中文大学骨科及创伤外科学系） ； Department of Management Science and Engineering, Stanford University, Stanford, CA, USA（斯坦福大学管理科学与工程系） ； Department of Biomedical Data Science, Stanford University, Stanford, CA, USA（斯坦福大学生物医学数据科学系）
AI总结 本研究提出SSR-KD框架，通过双平面X光在30秒内快速重建高精度3D骨模型，降低辐射暴露并提升术中应用的实用性。
Comments Accepted to npj Digital Medicine
退火模拟增强语言模型的理论思维推理
机构 * Department of Psychology and Behavioral Sciences, Zhejiang University（浙江大学心理学与行为科学系） ； Department of Psychology, The University of Hong Kong（香港大学心理学系）
AI总结 通过退火模拟提升自回归语言模型的理论思维推理能力，无需额外训练。
Docs2Synth: 一种用于扫描视觉丰富文档理解的合成数据训练检索框架
机构 * University of Western Australia（西澳大学） ； The University of Hong Kong（香港大学） ； Murdoch University（默多克大学）
AI总结 Docs2Synth通过合成监督框架实现私有和低资源领域文档理解，利用检索引导推理提升接地能力和领域泛化，无需人工标注。
Comments Accepted at WWW 2026 Demo Track
BiKC+: 双臂分层模仿与关键姿态条件下的协调感知一致性策略
机构 * Centre for Transformative Garment Production, The University of Hong Kong（变革性服装生产中心，香港大学） ； School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； Advanced Manufacturing Lab, Huawei Technologies（先进制造实验室，华为技术）
AI总结 本文提出BiKC+方法，通过关键姿态条件下的协调感知一致性策略提升双臂操作的成功率和效率。
Comments Accepted by IEEE Transactions on Automation Science and Engineering 2025
超越准确率：评估图像推理中的 grounded 视觉证据
机构 * ZGCA（中钢集团自动化研究院） ； NTU（国立.ntu） ； HKUST（香港科技大学） ； HKU（香港大学） ； ZGCI（中钢集团信息院）
AI总结 ViEBench 是一个用于评估视觉语言模型图像推理能力的基准，通过细粒度视觉证据和双轴矩阵评估模型在不同任务复杂度下的推理表现。
Comments Preprint, Under review
自我进化代理的综述：何时、何地、如何进化以实现人工超级智能
机构 * Princeton University（普林斯顿大学） ； Princeton AI Lab（普林斯顿人工智能实验室） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Sydney（悉尼大学） ； Shanghai Jiao Tong University（上海交通大学） ； Pennsylvania State University（宾夕法尼亚州立大学） ； University of Michigan（密歇根大学） ； Oregon State University（俄勒冈州立大学） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The University of Hong Kong（香港大学） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Edinburgh（爱丁堡大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文综述了自我进化代理的现状，探讨了进化机制、适应方法及挑战，为实现人工超级智能提供路线图。
Comments 77 pages, 9 figures, Transactions on Machine Learning Research (01/2026)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈