The University of Hong Kong（香港大学）

LayerRecall: A State-Conditioned Memory Router for Long-Horizon Consistency in Video Generation

LayerRecall：用于视频生成中长时序一致性的状态条件化记忆路由

Yixuan Ding, Jiahao Kong, Wei Huang, Ruijie Quan, Yi Yang

机构 * Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 提出LayerRecall记忆路由与CHPM训练方法，在不牺牲局部连续性的前提下提升视频生成长程一致性，在MemoBench、MovieBench等数据集上取得最优结果，且具备跨主干可移植性与低推理开销。

Comments 15 pages, 11 figures

Semantic Head Specialization Guides Hybrid ViT Attention for Multimodal LLMs

语义头专业化指导多模态大语言模型的混合视觉Transformer注意力机制

Chenhong He, Lei Li, Shicheng Li, Hanglong Lv, Lingpeng Kong, Qi Liu, Tong Yang, Shuhuai Ren

机构 * Peking University（北京大学） ； Xiaomi Corporation（小米公司） ； The University of Hong Kong（香港大学） 纠错

AI总结 该研究针对多模态LLM中混合ViT注意力设计不足的问题，提出语义头专业化（SHS）概念，据此设计Ariadne注意力机制，在22项图像视频任务上性能与全注意力相当，计算量降低6.5倍。

PersonaForge: Realistic Multi-Turn User Simulation for Agentic Systems

PersonaForge：面向智能体系统的逼真多轮用户模拟

Hanglong Lv, Dawei Zhu, Lei Li, Bowen Ye, Huaqiu Liu, Yifan Song, Bofei Gao, Weimin Xiong, Jinhao Dong, Chenhong He, Lingpeng Kong, Qi Liu, Tong Yang, Fuli Luo

机构 * Peking University（北京大学） ； Xiaomi（小米） ； The University of Hong Kong（香港大学） ； Renmin University of China（中国人民大学） 纠错

AI总结 该研究针对现有智能体系统训练评估中多轮用户交互数据不足的问题，提出PersonaForge模拟框架构建相关数据集与基准，实验证实其可提升智能体交互效率与任务表现。

PAWBench: How Far Are We from Probabilistically Aligned World Modeling?

PAWBench：我们离概率对齐的世界建模还有多远？

Yuandong Pu, Le Zhuo, Sayak Paul, Gabriel Jorge Menezes, Avram Đorđević, Shiyang Li, Yifan Zhou, Bin Fu, Wenlong Zhang, Junjun He, Yu Qiao, Yihao Liu, Jinbo Xing, Xi Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Krea AI ； Huggingface ； Shanghai Innovation Institute（上海创新研究院） ； Tongyi Lab（通义实验室） ； The University of Hong Kong（香港大学） 纠错

AI总结 本研究针对当前视频生成器未满足概率对齐世界建模要求的问题，提出PAWBench基准与PAWEval协议，经50种场景和11个系统测试发现无模型达要求，为相关研究奠定基础。

CARA: Concept-Aware Risk Attention for Interpretable Collision Anticipation

CARA：用于可解释碰撞预测的概念感知风险注意力

Zhishan Tao, Ruoyu Wang, Yucheng Wu, Enjun Du, Yilei Yuan, Sherwin Ho, Yue Su, Jinbo Su, Yi Hong

机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Pennsylvania（宾夕法尼亚大学） ； Renmin University of China（中国人民大学） 纠错

AI总结 研究自动驾驶碰撞预测问题，提出CARA框架，从事故叙述中获取风险概念并与视频帧对齐成轨迹，将语义风险因素作为动态证据，结合可解释性与预测过程，实验证明其能提高预测准确性和预警及时性。

Comments Accepted to ACM Multimedia 2026