The University of Hong Kong（香港大学）

Geometric Reciprocity: Unlocking Self-Supervision for Stereoscopic Video Generation

几何互易性：解锁立体视频生成的自监督能力

Jingyi Lu, Kai Han

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

AI总结 针对单目转立体任务中立体修复依赖稀缺标注数据的问题，提出几何互易性定理，构建自监督框架，从海量单目视频学习，性能远超现有无监督、监督SOTA方法。

Comments Accepted to ICML 2026. Project page: https://visual-ai.github.io/grt/

Geometry-Aware Motion Latents for Learning Robust Manipulation Policies

用于学习鲁棒操纵策略的几何感知运动潜变量

Yunchao Zhang, Yijia Weng, Ruizhe Liu, Ming Hu, Leonidas Guibas, Yanchao Yang

机构 * Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） 纠错

AI总结 研究如何学习机器人操纵的运动潜变量，核心方法是通过预测点云在操纵过程中的演变来学习离散运动潜码，贡献是仅用单视图RGB-D输入达先进性能，验证几何预测是关键，且潜码有有效运动抽象能力。

Beyond Scene Priors: Fine-Grained Traffic Scene Reasoning with Benchmarking and Query-Guided Small-Object Focus

超越场景先验：通过基准测试和查询引导的小目标聚焦进行细粒度交通场景推理

Waikit Xiu, Qiang Lu, Zian Wang, Xinjie Yang, Zhiwei Chen, Chen Sun, Xiying Li

机构 * The University of Hong Kong（香港大学） ； Sun Yat-Sen University（中山大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 针对安全关键交通场景中复杂问题，提出细粒度交通推理基准FGTR - Bench和文本引导小目标推理MLLM（TSR - MLLM），解决视觉语言对齐中关键小目标被忽视问题，提升模型性能。

Harness-Aware Self-Evolving: Co-Evolving Model Weights, Harness, and Task Solutions

harness感知自进化：共同进化模型权重、harness和任务解决方案

Haochen Luo, Yi Huang, Sichun Luo, Fengyuan Liu, Lei Li, Zefa Hu, Junlan Feng, Qi Liu

机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； Jiutian Research, China Mobile（中国移动九天研究院） 纠错

AI总结 研究提出HASE框架，通过单模型在多轮动作空间生成任务解决方案或编辑harness组件。能使单模型匹配高性能模型文本分类性能，在alpha因子挖掘中超越基线，还能修复评估组件，在算法发现中达最优性能。

TabQueryBench: A Query-Centric Benchmark for Synthetic Tabular Data

TabQueryBench：用于合成表格数据的以查询为中心的基准测试

Jialin Zhang, Fenghao Dong, Yajie Zhou, Vyas Sekar, Shinan Liu

机构 * University of Hong Kong（香港大学） ； Tongji University（同济大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Maryland, College Park（马里兰大学学院公园分校） 纠错

AI总结 提出TabQueryBench以查询为中心的基准测试，用SQL查询评估合成数据保真度，将查询分类为模板并生成可执行SQL查询，实验展示了当前表格生成模型在查询保真度等方面的五种模式。

G$^2$TAM: Geometry Grounded Track Anything Model

G$^2$TAM：几何基础的轨迹任意模型

Chenming Zhu, Peizhou Cao, Jingli Lin, Wenbo Hu, Yunlong Ran, Jiangmiao Pang, Tai Wang, Xihui Liu

机构 * HKU（香港大学） ； Shanghai AI Lab（上海人工智能实验室） ； BUAA（北京航空航天大学） ； SJTU（上海交通大学） ； UCLA（加州大学洛杉矶分校） ； ZJU（浙江大学） 纠错

AI总结 研究利用现代前馈3D重建模型的空间一致性，提出G$^2$TAM框架，用无序RGB图像或视频进行3D实例跟踪。核心是跨模态空间编码器，还构建数据集，实验表明该模型有多种优势，为交互式空间推理奠定基础。

Comments Accepted by ICML 2026. Project Page:https://zcmax.github.io/projects/G2TAM/

Beyond Forecasting: The Belief-to-Trade Layer in Prediction-Market Agents

超越预测：预测市场代理中的信念到交易层

Yishu Wang, Yuxuan Wang, Jiaqi Deng, Hanyang Tang

机构 * 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） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 以预测未来事件为通用人工智能测试平台，提出Raven-Agent这一预测市场自主交易代理，在存档决策集的控制重放中表现出色。

Comments 10 pages, 4 figures

Awakening Diffusion Transformers: Eliciting Stronger Generation and Understanding via Massive Activation Modulation

唤醒扩散变换器：通过大规模激活调制激发更强的生成和理解能力

Chaofan Gan, Zicheng Zhao, Yuanpeng Tu, Xi Chen, Ziran Qin, Tieyuan Chen, Supavadee Aramvith, Mehrtash Harandi, Weiyao Lin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Monash University（莫纳什大学） ； The University of Hong Kong（香港大学） ； Zhongguancun Academy（中关村科学城创新中心） ； Chulalongkorn University（朱拉隆功大学） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 研究扩散变换器中大规模激活（MAs）的结构和功能，发现其空间分布及与AdaLN残差缩放因子的关系。基于此提出EMA框架，通过MA驱动的细节引导和MA调制的表征提取，提升生成和理解能力。

Holo-Captioning: Toward the Text Equivalent of 3D Scenes

全息字幕：迈向3D场景的文本等效物

Kun-Yu Lin, Chengke Bu, Zhenguo Li, 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） ； Frontier Robotics（前沿机器人） 纠错

AI总结 研究提出全息字幕任务，先将其定义为生成结构化文本描述，开发字幕引擎及大规模基准，在此基础上提出HoloScribe模型，还给出评估指标和测试集，该模型性能超现有方法。

Comments ECCV 2026

VideoAgent: All-in-One Framework for Video Understanding and Editing

VideoAgent: 视频理解与编辑的全能框架

Hengji Zhou, Lingxuan Huang, Jian Wang, Bing Zhou, Si Wu, Lianghao Xia, Chao Huang

机构 * South China University of Technology（华南理工大学） ； The University of Hong Kong（香港大学） ； Snap Inc（Snap公司） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） 纠错

AI总结 提出VideoAgent，一种基于多智能体编排的全能框架，通过自动镜头创建和30多个专业编辑智能体，解决现有系统在长视频理解和多样化编辑操作上的局限，在VideoEdit基准上实现87-95%编排成功率并降低60% API成本。

Comments Preprint. Code available at https://github.com/HKUDS/VideoAgent

Medical Heuristic Learning: An LLM-Driven Framework for Interpretable and Auditable Clinical Decision Rules

医学启发式学习：一个用于可解释和可审计临床决策规则的LLM驱动框架

Wei Xu, Ke Yang, Gang Luo, Keli Zheng, Lingyan Hu, Jing Wang, Kefeng Li

机构 * Centre for Artificial Intelligence Driven Drug Discovery, Macao Polytechnic University（人工智能驱动药物发现中心，澳门理工学院） ； Key Laboratory of Short-Range Radio Equipment Testing and Evaluation, Ministry of Industry and Information Technology Terahertz Science Application Center (TSAC), Beijing Institute of Technology（工业和信息化部短距离无线电设备测试与评估重点实验室，太赫兹科学应用中心（TSAC），北京理工大学） ； Department of Critical Care Medicine, Yantai Yuhuangding Hospital, Qingdao University（重症医学科，烟台友谊医院，青岛大学） ； Faculty of Education, The University of Hong Kong（教育学院，香港大学） ； College of Information Engineering, Dalian University（信息工程学院，大连大学） 纠错

AI总结 提出医学启发式学习（MHL），利用LLM驱动的工作流优化确定性可执行决策系统，生成可解释、可审计的Python决策规则，在医学数据集上达到与最先进方法相当的性能，并支持小样本和高度不平衡场景。