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

FaST: Efficient and Effective Long-Horizon Forecasting for Large-Scale Spatial-Temporal Graphs via Mixture-of-Experts

FaST: 为大规模时空图实现高效且有效的长周期预测

Yiji Zhao, Zihao Zhong, Ao Wang, Haomin Wen, Ming Jin, Yuxuan Liang, Huaiyu Wan, Hao Wu

机构 * Yunnan University（云南大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Griffith University（格里菲斯大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Beijing Jiaotong University（北京交通大学） 纠错

AI总结 FaST通过异构性感知混合专家框架，实现大规模时空图的高效长周期预测，提升预测精度与计算效率。

Comments Accepted to KDD 2026

Vision-Language Introspection: Mitigating Overconfident Hallucinations in MLLMs via Interpretable Bi-Causal Steering

视觉-语言反思：通过可解释的双因果引导减轻大语言模型中的过度自信幻觉

Shuliang Liu, Songbo Yang, Dong Fang, Sihang Jia, Yuqi Tang, Lingfeng Su, Ruoshui Peng, Yibo Yan, Xin Zou, Xuming Hu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； The Hong Kong University of Science and Technology（香港理工大学） ； LIGHTSPEED 纠错

AI总结 VLI通过可解释的双因果引导方法，有效减少大语言模型中的对象幻觉，提升多模态任务的准确性和可靠性。

From Rays to Projections: Better Inputs for Feed-Forward View Synthesis

从射线到投影：更优质的输入用于前馈视图合成

Zirui Wu, Zeren Jiang, Martin R. Oswald, Jie Song

机构 * HKUST (GZ)（香港科技大学（广州）） ； University of Oxford（牛津大学） ； University of Amsterdam（阿姆斯特丹大学） ； HKUST（香港科技大学） 纠错

AI总结 本文提出投影条件化方法，通过稳定的2D输入提升视图合成的鲁棒性和一致性，优于传统射线条件化方法。

Comments Project Page: https://wuzirui.github.io/pvsm-web

MVT: Mask-Grounded Vision-Language Models for Taxonomy-Aligned Land-Cover Tagging

MVT：基于分类对齐的土地覆盖标签的掩码导向视觉-语言模型

Siyi Chen, Kai Wang, Weicong Pang, Ruiming Yang, Ziru Chen, Renjun Gao, Alexis Kai Hon Lau, Dasa Gu, Chenchen Zhang, Cheng Li

机构 * HKUST（香港科技大学） ； JHU（约翰·霍普金斯大学） ； CUHKSZ（香港中文大学） ； NUS（新加坡国立大学） ； MUST（穆斯林大学） 纠错

AI总结 MVT通过三阶段框架结合类无关掩码证据与基于分类的场景解释，提升遥感土地覆盖标签的准确性和信息性。

Comments The project is available at https://charlescsyyy.github.io/MVT

AM$^3$Safety: Towards Data Efficient Alignment of Multi-modal Multi-turn Safety for MLLMs

AM$^3$Safety: 向多模态多轮安全对齐的数据高效方法

Han Zhu, Jiale Chen, Chengkun Cai, Shengjie Sun, Haoran Li, Yujin Zhou, Chi-Min Chan, Pengcheng Wen, Lei Li, Sirui Han, Yike Guo

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） 纠错

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。

LEGATO: Good Identity Unlearning Is Continuous

LEGATO: 优良的身份遗忘是连续的

Qiang Chen, Chun-Wun Cheng, Xiu Su, Hongyan Xu, Xi Lin, Shan You, Angelica I. Aviles-Rivero, Yi Chen

机构 * HKUST（香港科技大学） ； University of Cambridge（剑桥大学） ； Central South University（中南大学） ； Shanghai Jiaotong University（上海交通大学） ； SenseTime Research（商汤科技研究院） ； Tsinghua University（清华大学） 纠错

AI总结 LEGATO通过连续轨迹建模实现生成模型的身份遗忘，采用轻量级神经ODE适配器实现可控且稳定的遗忘过程，避免灾难性崩溃并提升性能。

Active Sensing Shapes Real-World Decision-Making through Dynamic Evidence Accumulation

主动感知通过动态证据累积塑造现实世界决策

Hongliang Lu, Yunmeng Liu, Junjie Yang

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Civil and Environmental Engineering（土木与环境工程） ； Emerging Interdisciplinary Area（新兴跨学科领域） ； Systems Hub（系统枢纽） 纠错

AI总结 本文提出了一种计算方案，将证据累积建模扩展到现实世界，揭示了主动感知如何通过动态证据累积影响现实世界决策。

OptiVote: Non-Coherent FSO Over-the-Air Majority Vote for Communication-Efficient Distributed Federated Learning in Space Data Centers

OptiVote: 非相干自由空间光 (FSO) 过空气多数投票用于通信高效的分布式联邦学习在空间数据中心

Anbang Zhang, Chenyuan Feng, Wai Ho Mow, Jia Ye, Shuaishuai Guo, Geyong Min, Tony Q. S. Quek

机构 * School of Control Science and Engineering, Shandong University（控制科学与工程学院，山东大学） ； Department of Computer Science, University of Exeter（计算机科学系，埃克塞特大学） ； Department of ECE, The Hong Kong University of Science and Technology（电子与电气工程系，香港科学与技术大学） ； School of Electrical Engineering, Chongqing University（电气工程学院，重庆大学） ； Information Systems Technology and Design Pillar, Singapore University of Technology and Design（信息系统技术与设计学院，新加坡科技设计大学） 纠错

AI总结 OptiVote 是一种非相干自由空间光过空气多数投票框架，用于在空间数据中心中实现通信高效的分布式联邦学习。

AgenticMath: Enhancing LLM Reasoning via Agentic-based Math Data Generation

AgenticMath: 通过基于代理的数学数据生成增强LLM推理

Xianyang Liu, Yilin Liu, Shuai Wang, Hao Cheng, Andrew Estornell, Yuzhi Zhao, Jun Shu, Jiaheng Wei

机构 * King’s College London（伦敦国王学院） ； Hong Kong Baptist University（香港 Baptist 大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； ByteDance Seed（字节跳动种子） ； City University of Hong Kong（香港城市大学） ； Xi’an Jiaotong University（西安交通大学） 纠错

AI总结 AgenticMath通过基于代理的数学数据生成方法，提升LLM在数学推理任务上的性能。

Comments 8 pages