The University of Hong Kong（香港大学）

Understanding Backdoor Vulnerabilities in Vertical Federated Learning: The Gap Between Research and Practice

理解垂直联邦学习中的后门漏洞：研究与实践之间的差距

Ziqi Zhao, Jialin Lu, Junjie Shan, Junyuan Zhang, Shuya Yang, Ka-Ho Chow

机构 * School of Computing and Data Science, The University of Hong Kong（香港大学计算机与数据科学学院） 纠错

AI总结 本文针对垂直联邦学习（VFL）的后门漏洞开展面向实践的系统性研究，发现现有研究与实践存在差距，提出实用后门工作流并引入BVBench基准，为相关研究奠定基础。

Validation of Smartphone-Based Photogrammetric 3D Body Scanning for Automated Anthropometric Measurements Compared with a Commercial Depth-Sensor-Based Body Scanner

基于智能手机摄影测量的三维人体扫描用于自动人体测量的验证：与商用基于深度传感器的人体扫描仪对比

Ruting Cheng, Boyuan Feng, Chuhui Qiu, Joaquin A. Calderon, Qing Pan, Yufan Liu, James K. Hahn

机构 * The George Washington University（乔治·华盛顿大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本研究对比验证了智能手机摄影测量应用PolyCam与商用Fit3D ProScanner的人体扫描性能，发现二者一致性较强，PolyCam可作为商用人体扫描仪的潜在易获取替代方案用于纵向体型评估。

Comments 16 pages, 5 figures, 4 tables

VALG: An Agentic System for ML Theory Research

VALG：面向机器学习理论研究的智能体系统

Dechen Zhang, Xuan Tang, Xinxiang Yin, Xingwu Chen, Jian Qian, Difan Zou

机构 * The University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Northwestern Polytechnical University（西北工业大学） 纠错

AI总结 本文提出VALG智能体系统，将机器学习理论研究过程组织为自主工作流，通过多环节验证与图结构证明开发，在COLT 2026开放问题子问题上验证了其有效性，相关代码已开源。