The Hong Kong University of Science and Technology（香港科技大学）

Cross-cultural value alignment frameworks for responsible AI governance: Evidence from China-West comparative analysis

跨文化价值观对齐框架用于负责任的AI治理：来自中西方比较分析的证据

Haijiang Liu, Jinguang Gu, Xun Wu, Daniel Hershcovich, Qiaoling Xiao

机构 * Wuhan University of Science and Technology（武汉理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； University of Copenhagen（哥本哈根大学） ； WUST-Madrid Complutense Institute（武汉理工大学-马德里康普顿斯研究所） 纠错

AI总结 本研究提出多层审计平台，评估中西方LLM跨文化价值观对齐，发现中国模型在多语言优化上更优，而西方模型存在美国偏见，Mistral系列在跨文化对齐上表现突出。

Comments Presented on Academic Conference "Technology for Good: Driving Social Impact" (2025)

Flow-Guided Implicit Neural Representation for Motion-Aware Dynamic MRI Reconstruction

基于流引导的隐式神经表示用于运动感知的动态MRI重建

Baoqing Li, Yuanyuan Liu, Congcong Liu, Qingyong Zhu, Jing Cheng, Yihang Zhou, Hao Chen, Zhuo-Xu Cui, Dong Liang

机构 * School of Automation, Guangdong University of Technology（广东工业大学自动化学院） ； Research Center for Medical AI, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所医学人工智能研究中心） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科学与技术大学计算机科学与工程系） 纠错

AI总结 本文提出基于流引导的隐式神经表示框架，用于动态MRI中同时恢复图像和运动场，提升重建质量与时间一致性。

Comments 10 pages, 7 figures

CroTad: A Contrastive Reinforcement Learning Framework for Online Trajectory Anomaly Detection

CroTad：一种用于在线轨迹异常检测的对比强化学习框架

Rui Xue, Dan He, Fengmei Jin, Chen Zhang, Xiaofang Zhou

机构 * The University of Queensland（昆士兰大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

AI总结 CroTad通过对比强化学习框架实现在线轨迹异常检测，无需阈值且对噪声和不规则数据具有鲁棒性，有效区分子轨迹和点级别异常行为。

Comments 18 pages, 4 figures, will be submitted to VLDBJ

Generative Augmented Reality: Paradigms, Technologies, and Future Applications

生成增强现实：范式、技术与未来应用

Chen Liang, Jiawen Zheng, Yufeng Zeng, Yi Tan, Hengye Lyu, Yuhui Zheng, Zisu Li, Yueting Weng, Jiaxin Shi, Hanwang Zhang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Nanyang Technological University（南洋理工大学） ； XMax.AI Ltd.（XMax.AI有限公司） 纠错

AI总结 本文提出生成增强现实（GAR）作为下一代AR范式，通过统一生成模型实现环境再合成，提升真实感与沉浸感，同时引发技术、内容生态及伦理挑战。

SePer: Measure Retrieval Utility Through The Lens Of Semantic Perplexity Reduction

SePer：通过语义困惑度降低的视角衡量检索效用

Lu Dai, Yijie Xu, Jinhui Ye, Hao Liu, Hui Xiong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 SePer通过语义困惑度降低衡量检索效用，提供更精确的RAG评估方法

Comments ICLR 2025 Spotlight