The University of Hong Kong（香港大学）

Advances and Innovations in the Multi-Agent Robotic System (MARS) Challenge

多智能体机器人系统（MARS）挑战的进展与创新

Li Kang, Heng Zhou, Xiufeng Song, Rui Li, Bruno N. Y. Chen, Ziye Wang, Ximeng Meng, Stone Tao, Yiran Qin, Xiaohong Liu, Ruimao Zhang, Lei Bai, Yilun Du, Hao Su, Philip Torr, Zhenfei Yin, Ruihao Gong, Yejun Zeng, Fengjun Zhong, Shenghao Jin, Jinyang Guo, Xianglong Liu, Xiaojun Jia, Tianqi Shan, Wenqi Ren, Simeng Qin, Jialing Yang, Xiaoyu Ma, Tianxing Chen, Zixuan Li, Zijian Cai, Yan Qin, Yusen Qin, Qiangyu Chen, Kaixuan Wang, Zhaoming Han, Yao Mu, Ping Luo, Yuanqi Yao, Haoming Song, Jan-Nico Zaech, Fabien Despinoy, Danda Pani Paudel, Luc Van Gool

机构 * SJTU（上海交通大学） ； Oxford（牛津大学） ； USTC（中国科学技术大学） ； Shanghai AI Lab（上海人工智能实验室） ； CMU（卡内基梅隆大学） ； HKU（香港大学） ； Tongji（同济大学） ； UC San Diego（南加州大学） ； CUHK-SZ（香港中文大学（深圳）） ； SYSU（华南理工大学） ； Harvard（哈佛大学） 纠错

AI总结 MARS挑战通过多智能体具身规划与控制任务，推动多智能体协作AI系统的发展。

Comments MARS Challenge @ NeurIPS 2025 Workshop on Space in Vision, Language, and Embodied AI. Challenge page: https://mars-eai.github.io/MARS-Challenge-Webpage/

GenAI for Social Work Field Education: Client Simulation with Real-Time Feedback

生成AI用于社会工作领域教育：带有实时反馈的客户模拟

James Sungarda, Hongkai Liu, Zilong Zhou, Tien-Hsuan Wu, Johnson Chun-Sing Cheung, Ben Kao

机构 * School of Computing（计算学院） ； Data Science The University of Hong Kong Hong Kong, China（数据科学香港大学香港） ； Dept. of Mathematics The University of Hong Kong Hong Kong, China（数学系香港大学香港） ； Faculty of Engineering The University of Hong Kong Hong Kong, China（工程学院香港大学香港） ； Social Administration The University of Hong Kong Hong Kong, China（社会行政香港大学香港） 纠错

AI总结 SWITCH通过实时反馈和客户模拟，提供了一种低成本的社交工作培训解决方案，提升咨询技能分类和动机访谈进阶系统。

Comments 2025 IEEE International Conference on Big Data. ISBN: 979-8-3315-9447-3/25. Page numbers: 3544-3553

LoD-Structured 3D Gaussian Splatting for Streaming Video Reconstruction

LoD结构的3D高斯点云法对于流媒体视频重建

Xinhui Liu, Can Wang, Lei Liu, Zhenghao Chen, Wei Jiang, Wei Wang, Dong Xu

机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； Futurewei Technologies Inc（未来科技公司） ； School of Computer and Information Sciences, The University of Newcastle（计算机与信息科学学院，新castle大学） 纠错

AI总结 本文提出StreamLoD-GS框架，通过LoD结构、运动分区和量化残差细化技术，实现流媒体视频的高效重建与高保真渲染。

XGuardian: Towards Explainable and Generalized AI Anti-Cheat on FPS Games

XGuardian: 向可解释和通用的AI反作弊系统迈进：FPS游戏中的瞄准辅助作弊检测

Jiayi Zhang, Chenxin Sun, Chenxiong Qian

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

AI总结 XGuardian是一种面向FPS游戏的通用且可解释的AI反作弊系统，通过分析仰角和俯角数据，有效检测瞄准辅助作弊并提升检测性能与通用性。

Comments Accepted by USENIX Security 2026

Revisiting Model Interpolation for Efficient Reasoning

重新审视模型插值以实现高效推理

Taiqiang Wu, Runming Yang, Tao Liu, Jiahao Wang, Ngai Wong

机构 * The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文重新审视模型插值方法，发现其遵循三阶段进化范式，并通过实验验证了其在高效推理中的优越性。

Comments 14 pages, 6 figures, 7 tables. Working in progress (Llama results added)

ShapLoRA: Allocation of Low-rank Adaption on Large Language Models via Shapley Value Inspired Importance Estimation

ShapLoRA: 通过受Shapley值启发的重要性估计在大型语言模型上分配低秩适应

Yi Zhao, Qinghua Yao, Xinyuan song, Wei Zhu

机构 * Singapore Management University（新加坡国立管理学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Emory University（埃默里大学） ； University of Hong Kong（香港大学） 纠错

AI总结 ShapLoRA通过受Shapley值启发的重要性估计方法，改进大型语言模型的低秩适应分配，提升模型性能。

Comments accepted by CPAL

PEARL: Prototype-Enhanced Alignment for Label-Efficient Representation Learning with Deployment-Driven Insights from Digital Governance Communication Systems

PEARL：基于原型增强的标签高效表示学习方法，结合数字治理通信系统的部署驱动洞察

Ruiyu Zhang, Lin Nie, Wai-Fung Lam, Qihao Wang, Xin Zhao

机构 * Department of Politics and Public Administration（政治与公共行政系） ； The University of Hong Kong（香港大学） ； Department of Applied Social Sciences（应用社会科学系） ； The Hong Kong Polytechnic University（香港理工大学） ； School of Physical Science and Technology（物理科学与技术学院） 纠错

AI总结 PEARL通过有限监督对齐嵌入向类原型，提升标签稀缺环境下嵌入几何质量，显著改善最近邻检索性能。

Comments 15 pages, 1 figure

SWE-SQL: Illuminating LLM Pathways to Solve User SQL Issues in Real-World Applications

SWE-SQL：揭示LLM解决现实应用中用户SQL问题的路径

Jinyang Li, Xiaolong Li, Ge Qu, Per Jacobsson, Bowen Qin, Binyuan Hui, Shuzheng Si, Nan Huo, Xiaohan Xu, Yue Zhang, Ziwei Tang, Yuanshuai Li, Florensia Widjaja, Xintong Zhu, Feige Zhou, Yongfeng Huang, Yannis Papakonstantinou, Fatma Ozcan, Chenhao Ma, Reynold Cheng

机构 * HKU STAR Lab（香港大学STAR实验室） ； Google Cloud（谷歌云） ； CUHKSZ（香港中文大学） ； CUHK（香港中文大学） ； THU（清华大学） ； The BIRD Team（BIRD团队） 纠错

AI总结 SWE-SQL通过引入BIRD-CRITIC基准和Six-Gym训练环境，提升开源模型解决SQL问题的能力，实现对复杂SQL调试任务的突破。

Comments 29 pages, 10 figures, NeurIPS 2025 Main

Enhancing the De-identification of Personally Identifiable Information in Educational Data

提升教育数据中个人可识别信息的脱敏

Zilyu Ji, Yuntian Shen, Jionghao Lin, Kenneth R. Koedinger

机构 * Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出使用微调后的GPT-4o-mini模型高效检测教育数据中的PII，实现高召回率和低计算成本，为隐私保护提供新的解决方案。

Journal ref Journal of Educational Data Mining 17(2) (2025) 55-85

RoPE Attention Can Be Trained in Almost Linear Time

RoPE 注意力可以几乎线性时间训练

Yang Cao, Jiayan Huo, Yingyu Liang, Zhenmei Shi, Zhao Song

机构 * Wyoming Seminary（怀俄明神学院） ； University of Arizona（亚利桑那大学） ； The University of Hong Kong（香港大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Simons Institute for the Theory of Computing, University of California, Berkeley（计算理论学院，加州大学伯克利分校） 纠错

AI总结 本文提出了一种在RoPE注意力中基于有界条目的几乎线性时间反向计算算法，并证明了有界条目条件对于亚二次性能的必要性。

Semantic2D: Enabling Semantic Scene Understanding with 2D Lidar Alone

Semantic2D: 仅使用2D激光雷达实现语义场景理解

Zhanteng Xie, Yipeng Pan, Yinqiang Zhang, Jia Pan, Philip Dames

机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； Department of Mechanical Engineering, Temple University（机械工程系， Temple大学） 纠错

AI总结 Semantic2D通过仅使用2D激光雷达实现语义场景理解，提出首个公开数据集和细粒度分割算法，提升机器人导航性能。

Scientific Image Synthesis: Benchmarking, Methodologies, and Downstream Utility

科学图像合成：基准测试、方法论与下游应用

Honglin Lin, Chonghan Qin, Zheng Liu, Qizhi Pei, Yu Li, Zhanping Zhong, Xin Gao, Yanfeng Wang, Conghui He, Lijun Wu

机构 * Shanghai Jiao Tong University（上海交通大学） ； OpenDataLab, Shanghai Artificial Intelligence Laboratory（OpenDataLab，上海人工智能实验室） ； The University of Hong Kong（香港大学） ； Peking University（北京大学） 纠错

AI总结 本文提出ImgCoder框架和SciGenBench基准，通过逻辑驱动方法提升科学图像生成的结构精度，并展示微调LMMs在科学图像上的效果，验证了高保真合成在多模态推理中的潜力。