高校专区
离散思维到连续动作：面向端到端自动驾驶的隐式对齐规划
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Central Media Technology Institute, Huawei（华为中央媒体技术研究院）
AI总结 该研究提出具备隐式对齐规划的VLA框架LaPla，通过残差VQ-VAE消除量化误差，在nuScenes基准和AlpaSim模拟器上分别实现长时程L2误差降低、驾驶成功率提升的效果。
Comments 8 pages, 5 figures
DSAQuant：面向视频生成的去噪阶段对齐量化感知训练
机构 * Robbyant（睿冰科技（Robbyant）） ； ZJU（浙江大学） ； HKUST（香港科技大学） ； PolyU（香港理工大学）
AI总结 DSAQuant是面向VDMs的去噪阶段对齐量化感知训练框架，适配视频去噪阶段特性，在W3A3量化下将VBench平均分数提升最高6.60，优于SOTA基线。
Comments Project page: \url{https://robbyant-research.github.io/DSAQuant/}; Code: \url{https://github.com/robbyant-research/DSAQuant}
RuleMem：面向长期对话智能体的主动规则记忆
机构 * 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）） ； Shenzhen Institute of Computing Sciences（深圳计算科学研究院） ； The Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学）
AI总结 针对长期对话智能体记忆机制的被动性局限，提出RuleMem规则记忆框架，通过归纳逻辑规则指导推理，在LoCoMo基准上较14个基线实现最高准确率，相对提升54.3%。
城市边界，社会壁垒：用于绘制封闭社区及其公平性影响的基准与以视觉为中心的框架
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； School of Public Administration and Policy, Renmin University of China（中国人民大学公共管理学院） ； Sony AI（索尼人工智能） ； University of South China（南华大学）
AI总结 本文针对中国封闭社区研究的不足，构建了大湾区封闭/开放社区识别的多模态基准GBA-GCs，提出以视觉为中心的多模态框架MCGC，其性能优于基线模型，可用于大都市级绘制并揭示相关公平性问题。
Comments ECCV 2026 camera-ready version
展开世界：分解四维属性以增强空间推理能力
机构 * Joy Future Academy（京东探索研究院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； The University of Hong Kong（香港大学）
AI总结 该研究针对VLMs的空间推理瓶颈，提出分解式强化学习框架FactoSR，将世界一致性推理分解为三个几何子目标，在相关基准上实现三维、四维推理性能的显著提升，为发展具世界感知的VLMs提供关键路径。
Comments Accepted by ECCV 2026
构建世界模型的预训练数据：基于Unreal Engine的动作条件视频生成流水线
机构 * Joy Future Academy, JD（京东探索研究院） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 该研究开发了基于Unreal Engine的分布式流水线，用于生成动作条件多视角合成视频，为世界模型提供大规模预训练数据，已产出大量不同分辨率的视频。
Comments 16 pages, 5 figures
基于共享鸟瞰图的空地协同视觉语言导航
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanjing University of Posts and Telecommunications（南京邮电大学）
AI总结 本文提出首个空地协同视觉语言导航的无训练基线AGC-VLN，通过共享鸟瞰图实现无人机与地面无人车的协同，在CARLA-Air场景中联合成功率达77.0%，显著优于单智能体基线。
Comments 8 pages, 5 figures
陷入叙事：多轮大语言模型对话中的叙事俘获
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Dongbei University of Finance and Economics（东北财经大学）
AI总结 该研究提出多轮LLM对话中的叙事俘获失效模式，构建含5078个场景的基准，发现17个LLMs中该现象普遍存在，偏移达25个百分点，偏好优化是主因，部分推理策略可缓解，旨在培养具独立判断的LLM顾问。
Comments Accepted by EMNLP 2026 findings
适应不断变化的需求：面向零售供应链运营的智能体AI
机构 * School of Business and Management, Hong Kong University of Science and Technology（香港科技大学工商管理学院） ； School of Management, University of Science and Technology of China（中国科学技术大学管理学院） ； Institute of Operations Research and Analytics, National University of Singapore（新加坡国立大学运筹学与分析研究所） ； NUS Business School, National University of Singapore（新加坡国立大学商学院）
AI总结 该研究针对零售供应链运营需求演变的问题，提出图约束的智能体框架，结合GPT、Qwen、DeepSeek等大语言模型，可提升需求重构的正确性与端到端成功率。
学习面向感知的腿式移动操作的地形感知全身控制
机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（机器人与自主系统方向，香港科技大学（广州））
AI总结 提出TA-WBC框架，通过混合外感受编码器提取地形特征、基于脚接触平面的末端执行器采样方法以及双策略蒸馏模块，实现腿式机械臂在复杂地形上的全身移动操作控制。
Comments Accepted by RA-L
RW-TTT：面向请求自有测试时训练状态的批量服务
机构 * HKUST（香港科技大学） ； CUHK（香港大学） ； NUS（新加坡国立大学）
AI总结 提出RW-TTT框架，通过标记解码步骤的所有者、版本和读写效果，实现请求自有测试时训练状态下的高效批量LLM服务，在单GPU上达到274.61 tok/s聚合吞吐，较顺序服务提升9.31倍。
从街道形态到空间正义：通过三元SHAP指导框架解释城市运动不平等
机构 * Thrust of Urban Governance and Design, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）城市治理与设计研究所）
AI总结 本文通过整合空间三元理论与多源数据，构建可解释框架，揭示城市街道运动 deprivation 的影响因素，提出七种 deprivation 类型，为促进空间正义提供理论和实践工具。
Comments 41 pages, 4 tables and 15 figures
Journal ref Building and Environment 304 (2026) 115095
ReCoSplat: 基于渲染与比较的自回归前馈高斯点云生成
机构 * University of California Merced（加州大学默塞德分校） ； ETH Zurich（苏黎世联邦理工学院） ； NVIDIA ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 ReCoSplat通过引入渲染与比较模块，解决高斯点云生成中姿态误差问题，实现高效稳定的视角合成。
Comments v2: Corrected OF3GS evaluation results after fixing an implementation bug, added baseline evaluations, updated efficiency benchmarks following a codebase refactor, and added code and pretrained model release links
PeroMAS：钙钛矿材料发现的多智能体系统
机构 * School of Computer Science and Engineering, Southeast University, Nanjing, China（东南大学计算机科学与工程学院） ； School of Materials Science and Engineering, Southeast University, Nanjing, China（东南大学材料科学与工程学院） ； School of Artificial Intelligence, Sun Yat-Sen University, Zhuhai, China（中山大学人工智能学院） ； Information Hub, Hong Kong University of Science and Technology (Guangzhou), Guangzhou, China（香港科技大学（广州）信息中心） ； School of Computer Science and Engineering, Zhejiang Normal University, Jinhua, China（浙江师范大学计算机科学与工程学院）
AI总结 PeroMAS通过多智能体系统实现钙钛矿材料的多目标优化发现，提升材料发现效率并验证其在现实中的有效性。
AM$^3$Safety: 向多模态多轮安全对齐的数据高效方法
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Zhongshan School of Medicine, SUN YAT-SEN UNIVERSITY（中山医学院，孙中山大学） ； University of Edinburgh（爱丁堡大学） ； University of Washington（华盛顿大学）
AI总结 AM$^3$Safety通过结合冷启动拒绝阶段和组相对策略优化，有效提升多模态多轮对话的安全性，降低攻击成功率并增强模型的无害与帮助维度。
Comments EMNLP Main 2026
基于函数近似的马尔可夫决策过程自适应求解方法
机构 * Department of Industrial Engineering & Decision Analytics, The Hong Kong University of Science and Technology（香港科学与技术大学工业工程与决策分析系） ； Department of Management Science & Engineering, Stanford University（斯坦福大学管理科学与工程系）
AI总结 本研究针对带函数近似的马尔可夫决策过程，提出基于线性规划重构的自适应求解算法，其实例依赖保证更紧且经验性能高效，具有广泛应用价值。
Comments Accepted for publication in Operations Research Letters
SolarWM：面向长时序视频世界模型的开放数据与可扩展训练
机构 * CUHK-SZ（香港中文大学（深圳）） ； SLAI（深圳先进人工智能研究院） ； NUS（新加坡国立大学） ； CUHK（香港中文大学） ； HKUST（香港科技大学） ； HKUST-GZ（香港科技大学（广州）） ； NVIDIA（英伟达公司） ； UCLA（加利福尼亚大学洛杉矶分校） ； MSRA（微软亚洲研究院）
AI总结 SolarWM是面向长时序视频世界模型的开放基础框架，通过多源数据引擎与适配框架实现异构数据训练，实例化多款5B至33B模型，仅用5秒序列训练即可支持长时序实时交互，为相关研究提供可复扩展的基础。
SafeEvolve：利用智能体经验进行安全对齐的 harness-策略协同进化
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； SJTU（上海交通大学） ； Fudan University（复旦大学） ； HKUST（香港科技大学） ； Zhejiang University（浙江大学）
AI总结 SafeEvolve是一种基于智能体经验的安全对齐自进化框架，通过harness-策略协同进化实现更优的安全-效用权衡，在Qwen3.5-4B上可降低AgentDojo的ASR并提升良性效用
Comments Project: https://github.com/MaoPopovich/SafeEvolve
oHC：基于四元数的SO(4)上的正交超连接
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Baidu Inc.（百度公司）
AI总结 本文针对HC训练不稳定及残差流多样性耗尽问题，提出基于SO(4)与四元数的正交超连接oHC，在多下游任务上性能优于单流基线、mHC与iHC。
缺失的时间关联：面向脚本驱动的音视频生成的时间上下文路由
机构 * PKU（北京大学） ； Qwen Applications（通义千问应用公司） ； HKUST（香港科技大学） ； CUHK（香港中文大学） ； SJTU（上海交通大学）
AI总结 针对脚本驱动音视频生成中时序对齐不足的问题，提出时间上下文路由（TCR）方法，将脚本时序映射到音视频共享时间轴，显著提升了镜头边界和对话时序的准确性，且保持了音视频质量与同步性。
RideSkill：一种基于大语言模型驱动自动演化的通用拼车分层算法
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Noah’s Ark Lab, Huawei（华为诺亚方舟实验室） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 针对现有拼车算法泛化性差、推理需频繁调用LLM的问题，本文提出RideSkill分层算法，通过LLM自动演化训练组件，实现支持车辆共享的高效拼车调度，保障实时性能。
PhoenixNest-Video：基于证据的多模态智能体框架用于自动视频面试评估
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 针对纯人工视频面试评估成本高、一致性差及现有AI方法分数不透明的问题，提出PhoenixNest-Video多模态智能体框架，在VInterview-2025数据集上获91.50%等级准确率，优于更大的专有模型，且分数可追溯。
Comments Accepted by EMNLP 2026
基于学习点云对应关系的人形机器人统一运动重定向
机构 * HKUST(GZ)（香港科技大学（广州）） ； Noitom Robotics（诺亦腾机器人公司） ； Hanyang University（汉阳大学） ； HKUST（香港科技大学） ； HKU（香港大学）
AI总结 本文提出UMR框架，通过学习密集点云对应关系实现无需人工映射的人形机器人统一运动重定向，在多场景下比现有最优方法实现更高运动保真度，为大规模人类运动数据转机器人训练数据提供可扩展基础。
MegaStyle++：通过分层风格定义扩展图像风格空间
机构 * Tongji University（同济大学） ； Tencent（腾讯） ； Nanyang Technological University（南洋理工大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 针对图像风格缺乏统一定义的问题，提出分层风格定义，构建含多类数据的大规模风格数据集MegaStyle++-8M，扩展了风格空间并提供研究图像风格的可扩展基础。
Comments The dataset and code will be updated at https://github.com/Tencent/MegaStyle, 10pages, 5 figures
隔离作为大语言模型智能体系统安全的头等原则：概念、分类法、挑战及未来方向
机构 * HKUST（香港科技大学） ； NYU（纽约大学） ； SWUPL（西南政法大学）
AI总结 探讨大语言模型智能体系统安全问题，将隔离作为头等原则，用边界中心分类法组织文献，助于识别隔离丧失位置、妥协传播方式及相关防御，还总结了故障路径，讨论挑战并勾勒研究议程。
利用VLA：通过记忆引导智能体将冻结的视觉语言动作模型转化为可靠的操作原语
机构 * Tsinghua University（清华大学） ； Striding AI（驰行人工智能公司） ； Purdue University（普渡大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Infinigence AI（英飞智研人工智能公司） ； Zhongguancun Academy（中关村学院） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 研究语言条件下操作问题，提出Harness VLA框架，将冻结VLA与分析原语库结合，通过学习操作范围扩展预训练VLA，在多种扰动操作任务中相比基线有大幅提升。
TopoBrick：用于零样本建筑物联网预测的外源变量的智能拓扑采样
机构 * University of New South Wales（新南威尔士大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； CSIRO Energy Centre（联邦科学与工业研究组织能源中心）
AI总结 针对建筑物联网预测中现有方法的不足，提出无训练框架TopoBrick，利用建筑知识图和智能拓扑采样器选择外源变量，按部署时间可用性组织，在三座真实建筑实验中性能出色，拓扑感知采样更可靠。
Comments 13 pages, 4 figures, 4 tables
在移动边缘训练：一种在线验证的提示选择方法用于大型推理模型的高效强化学习训练
机构 * Southern University of Science and Technology（南方科技大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology（香港科学理工大学） ； Nanyang Technological University（南洋理工大学） ； Rutgers University（罗格斯大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学理工大学（广州））
AI总结 本文提出HIVE方法，通过历史奖励轨迹和实时提示熵实现高效RL训练，提升提示选择效率而不牺牲性能。
OctoPipe：通过共同优化分区、放置和调度减少异构模型的流水线气泡
机构 * FDU & Shanghai AI Laboratory（复旦大学及上海人工智能实验室） ； HKUST（香港科技大学） ； Unaffiliated（无隶属机构） ； Tsinghua University（清华大学） ； CUHK & SenseTime Research（香港大学及SenseTime研究院）
AI总结 研究针对模型架构异构性加剧流水线气泡降低训练效率的问题，提出OctoPipe系统，通过构建模拟器、开发调谐器、实现执行器共同优化分区、放置和调度，提升了吞吐量。
Comments 14 pages, 13 Figures; Accepted by SC'26;
BeamRMX：用于通用波束无线电地图预测和波束管理的辐射图驱动学习
机构 * Xidian University（西安电子科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 提出BeamRMX框架，将空间辐射图作为BeamRM查询学习场景几何到接收功率场的转换，实验显示在未见场景和配置上平均绝对误差显著降低，跨配置证据可改善重建与波束细化。
Comments 13 pages
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