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

SegRap2025: A Benchmark of Gross Tumor Volume and Lymph Node Clinical Target Volume Segmentation for Radiotherapy Planning of Nasopharyngeal Carcinoma

SegRap2025：鼻咽癌放疗计划中GTV和淋巴结临床靶区体积分割的基准测试

Jia Fu, Litingyu Wang, He Li, Zihao Luo, Huamin Wang, Chenyuan Bian, Zijun Gao, Chunbin Gu, Xin Weng, Jianghao Wu, Yicheng Wu, Jin Ye, Linhao Li, Yiwen Ye, Yong Xia, Elias Tappeiner, Fei He, Abdul qayyum, Moona Mazher, Steven A Niederer, Junqiang Chen, Chuanyi Huang, Lisheng Wang, Zhaohu Xing, Hongqiu Wang, Lei Zhu, Shichuan Zhang, Shaoting Zhang, Wenjun Liao, Guotai Wang

机构 * School of Mechanical and Electrical Engineering, University of Electronic Science and Technology of China（电子科技大学机械与电子工程学院） ； Department of Radiation Oncology, Sichuan Cancer Center, Radiation Oncology Key Laboratory of Sichuan Province, Sichuan Clinical Research Center for Cancer, Sichuan Cancer Hospital and Institute, University of Electronic Science and Technology of China（四川省肿瘤医院放射肿瘤科） ； Shanghai AI Lab, Shanghai, China（上海人工智能实验室） ； The Affiliated Hospital of Qingdao University, Qingdao, China（青岛大学附属医院） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong, China（香港中文大学计算机科学与工程系） ； Faculty of Information Technology, Monash University, Melbourne, Australia（墨尔本大学信息科技学院） ； Department of Computing and Department of Brain Sciences, Imperial College London, United Kingdom（伦敦帝国理工学院计算机系和脑科学系） ； School of Computer Science and Engineering, Northwestern Polytechnical University, Xi'an, China（西北工业大学计算机科学与工程学院） ； UMIT Tirol - Private University for Health Sciences and Health Technology, Austria（蒂罗尔大学（私人健康科学与健康技术大学）） ； School of Information and Communication Engineering, University of Electronic Science and Technology of China（电子科技大学信息与通信工程学院） ； National Heart and Lung Institute, Imperial College London, London, United Kingdom（伦敦帝国理工学院国家心脏和肺研究所） ； Hawkes Institute, Department of Computer Science, University College London, London, United Kingdom（伦敦大学学院霍克斯研究所） ； Shanghai MediWorks Precision Instruments Co., Ltd., China（上海 MediWorks 精密仪器有限公司） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, China（上海交通大学自动化与智能感知学院） ； Department of Systems Hub, Hong Kong University of Science and Technology (Guangzhou), Guangzhou, China（香港科技大学（广州）系统中心） 纠错

AI总结 SegRap2025旨在通过多中心、多模态的基准测试提升鼻咽癌放疗计划中GTV和LN CTV分割的通用性和鲁棒性。

Towards Compact and Robust DNNs via Compression-aware Sharpness Minimization

通过压缩感知锐度最小化实现紧凑且鲁棒的DNN

Jialuo He, Huangxun Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 本文提出C-SAM框架，通过压缩感知锐度最小化提升模型紧凑性与鲁棒性，实验显示鲁棒性提升达42%

PLANA3R: Zero-shot Metric Planar 3D Reconstruction via Feed-Forward Planar Splatting

PLANA3R: 通过前馈平面撒点实现零样本度量平面三维重建

Changkun Liu, Bin Tan, Zeran Ke, Shangzhan Zhang, Jiachen Liu, Ming Qian, Nan Xue, Yujun Shen, Tristan Braud

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Ant Group（蚂蚁集团） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

AI总结 PLANA3R通过前馈平面撒点实现零样本度量平面三维重建，无需显式平面监督，适用于大规模立体数据集。

Comments Camera-ready version of a paper in 39th Conference on Neural Information Processing Systems (NeurIPS 2025). The project page is available at: https://lck666666.github.io/plana3r

NUMINA: A Natural Understanding Benchmark for Multi-dimensional Intelligence and Numerical Reasoning Abilities

NUMINA：多维智能与数值推理能力的自然理解基准

Changyu Zeng, Yifan Wang, Zimu Wang, Wei Wang, Zhengni Yang, Muyi Bao, Jiming Xiao, Anh Nguyen, Yutao Yue

机构 * School of Advanced Technology, Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学先进技术学院） ； Department of Computer Science, University of Liverpool（利物浦大学计算机科学系） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Institute of Deep Perception Technology, JITRI（深度感知技术研究所） 纠错

AI总结 NUMINA是一个用于多维智能和数值推理能力的自然理解基准，通过多尺度注释和自动化注释流程提升多模态室内感知理解，揭示当前LLM在三维空间计算中的不足。

Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025, pages 22575--22590

QVGen: Pushing the Limit of Quantized Video Generative Models

QVGen：推动量化视频生成模型的极限

Yushi Huang, Ruihao Gong, Jing Liu, Yifu Ding, Chengtao Lv, Haotong Qin, Jun Zhang

机构 * Hong Kong University of Science and Technology（香港理工大学） ； Beihang University（北京航空航天大学） ； SenseTime Research（商汤科技研究院） ； Monash University（墨尔本大学） ； Nanyang Technological University（南洋理工大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 QVGen通过量化感知训练框架在极低比特下实现高性能视频生成模型，首次达到全精度质量并优于现有方法。

Comments Accepted by ICLR 2026

GCRayDiffusion: Pose-Free Surface Reconstruction via Geometric Consistent Ray Diffusion

GCRayDiffusion：基于几何一致射线扩散的无姿态表面重建

Li-Heng Chen, Zi-Xin Zou, Chang Liu, Tianjiao Jing, Yan-Pei Cao, Shi-Sheng Huang, Hongbo Fu, Hua Huang

机构 * Beijing Normal University（北京师范大学） ； VAST（中国科学院软件研究所） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 GCRayDiffusion通过几何一致射线扩散实现无姿态表面重建，提升稀疏视角下的3D一致性与精度。

Journal ref Proc. IEEE/CVF Conf. Comput. Vis. Pattern Recognit. (ICCV), 2025, pp. 25335-25345

X-LRM: X-ray Large Reconstruction Model for Extremely Sparse-View Computed Tomography Recovery in One Second

X-LRM：用于极稀疏视图计算层析成像恢复的X射线大重建模型（1秒内）

Guofeng Zhang, Ruyi Zha, Hao He, Yixun Liang, Alan Yuille, Hongdong Li, Yuanhao Cai

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Australian National University（澳大利亚国立大学） ； HKUST（香港科技大学） 纠错

AI总结 X-LRM通过X-former和X-triplane实现极稀疏视图CT重建，1.5 dB优于现有方法并提升27倍速度。

Comments 3DV 2026; A large reconstruction model and the largest dataset (16K samples) for sparse-view CT recovery

Are LLMs Really Not Knowledgeable? Mining the Submerged Knowledge in LLMs' Memory

LLMs真的不具有知识性吗？挖掘LLMs记忆中的潜藏知识

Xingjian Tao, Yiwei Wang, Yujun Cai, Zhicheng Yang, Jing Tang

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） ； University of California, Merced（加州大学默塞德分校） ； The University of Queensland（昆士兰大学） 纠错

AI总结 本文研究LLMs在问答任务中保留潜藏知识的现象，提出Hits@k指标评估潜在知识保留，发现LLMs实际知识量远超标准QA准确率，揭示提示策略对正确答案的抑制效应。