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

RefAny3D: 3D Asset-Referenced Diffusion Models for Image Generation

RefAny3D: 3D资产参考扩散模型用于图像生成

Hanzhuo Huang, Qingyang Bao, Zekai Gu, Zhongshuo Du, Cheng Lin, Yuan Liu, Sibei Yang

机构 * ShanghaiTech University（上海科技大学） ； Sun Yat-sen University（中山大学） ； University of Toronto（多伦多大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； SynWorld ； Macau University of Science and Technology（澳门科学理工学院） 纠错

AI总结 RefAny3D通过整合3D资产，提出一种双分支扩散模型，实现2D图像与3D资产的协同生成，提升图像生成的精确性和多样性。

Comments ICLR 2026. Project page: https://judgementh.github.io/RefAny3D Codes: https://github.com/JudgementH/RefAny3D

Embracing Aleatoric Uncertainty in Medical Multimodal Learning with Missing Modalities

在医疗多模态学习中拥抱概率不确定性与缺失模态

Linxiao Gong, Yang Liu, Lianlong Sun, Yulai Bi, Jing Liu, Xiaoguang Zhu

机构 * HKUST (GZ)（香港科技大学） ； Tongji University（同济大学） ； University of Rochester（罗切斯特大学） ； Meta ； Fudan University（复旦大学） ； The University of British Columbia（不列颠哥伦比亚大学） ； University of California, Davis（加州大学戴维斯分校） 纠错

AI总结 本文提出AUM框架，通过建模单模态概率不确定性来应对医疗多模态学习中的缺失模态问题，在死亡预测任务中取得显著提升。

Distribution-Aware Reward Estimation for Test-Time Reinforcement Learning

面向分布的奖励估计用于测试时强化学习

Bodong Du, Xuanqi Huang, Xiaomeng Li

机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology, Hong Kong, China（电子与计算机工程系，香港科学与技术大学） 纠错

AI总结 DARE通过利用回放分布而非单一多数结果来改进测试时强化学习的奖励估计，提高了优化稳定性和最终性能。

4D-CAAL: 4D Radar-Camera Calibration and Auto-Labeling for Autonomous Driving

4D-CAAL：面向自动驾驶的4D雷达-相机校准与自动标注

Shanliang Yao, Zhuoxiao Li, Runwei Guan, Kebin Cao, Meng Xia, Fuping Hu, Sen Xu, Yong Yue, Xiaohui Zhu, Weiping Ding, Ryan Wen Liu

机构 * School of Information Engineering, Yancheng Institute of Technology（信息工程学院，盐城职业技术学院） ； School of Navigation, Wuhan University of Technology（导航学院，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）） ； School of Information Engineering, Yancheng Institute Technology（信息工程学院，盐城职业技术学院） ； School of Advanced Technology, Xi’an Jiaotong-Liverpool University（先进技术学院，西安交通大学利物浦大学） ； School of Information Science and Technology, Nantong University（信息科学与技术学院，南通大学） ； State Key Laboratory of Maritime Technology and Safety（船舶技术与安全国家重点实验室） 纠错

AI总结 4D-CAAL提出了一种统一框架，通过双用途校准目标和自动标注流程，实现4D雷达与相机的高精度校准，减少人工标注工作量，加速自动驾驶多模态感知系统开发。

Achieving $\varepsilon^{-2}$ Dependence for Average-Reward Q-Learning with a New Contraction Principle

实现平均回报Q学习的ε⁻²依赖性：一种新的收缩原理

Zijun Chen, Zaiwei Chen, Nian Si, Shengbo Wang

机构 * Department of Computer Science and Engineering, HKUST（香港科技大学计算机科学与工程系） ； Edwardson School of Industrial Engineering, Purdue University（普渡大学工业工程学院） ； Department of Industrial Engineering and Decision Analytics, HKUST（香港科技大学工业工程与决策分析系） ； Daniel J. Epstein Department of Industrial and Systems Engineering, USC（美国南加州大学工业与系统工程系） 纠错

AI总结 本文提出了一种新的收缩原理，通过可达性假设实现了平均回报Q学习的最优ε⁻²样本复杂性保证。

Do Reasoning Models Enhance Embedding Models?

推理模型能增强嵌入模型吗？

Wun Yu Chan, Shaojin Chen, Huihao Jing, Kwun Hang Lau, Elton Chun-Chai Li, Zihao Wang, Haoran Li, Yangqiu Song

机构 * CSE, HKUST（香港科技大学计算机科学与工程系） 纠错

AI总结 本文研究了推理模型是否能提升嵌入模型的性能，发现其初始化对对比学习效果无显著影响，并提出HRSA框架揭示流形重新对齐现象。

Comments 10 main pages, 18 appendix pages, 13 figures, 11 tables, 4 prompts

When Ads Become Profiles: Uncovering the Invisible Risk of Web Advertising at Scale with LLMs

当广告成为资料：利用LLMs揭示大规模网络广告中的隐形风险

Baiyu Chen, Benjamin Tag, Hao Xue, Daniel Angus, Flora Salim

机构 * The 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）） ； Queensland University of Technology（昆士兰理工大学） 纠错

AI总结 利用LLMs揭示广告流中的隐私信息泄露风险，展示其在大规模数据中的高精度推断能力。

Comments The ACM Web Conference 2026

Towards Anomaly-Aware Pre-Training and Fine-Tuning for Graph Anomaly Detection

面向图异常检测的异常感知预训练与微调

Yunhui Liu, Jiashun Cheng, Yiqing Lin, Qizhuo Xie, Jia Li, Fugee Tsung, Hongzhi Yin, Tao Zheng, Jianhua Zhao, Tieke He

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； HKUST(GZ)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； The University of Queensland（昆士兰大学） 纠错

AI总结 本文提出APF框架，通过预训练和微调提升图异常检测的异常感知能力，结合谱多项式滤波器和门控融合机制，实现更有效的异常识别。

Comments Accepted by ICLR 2026

GORAG: Graph-based Online Retrieval Augmented Generation for Dynamic Few-shot Social Media Text Classification

基于图的在线检索增强生成用于动态少样本社交媒体文本分类

Yubo Wang, Haoyang Li, Fei Teng, Lei Chen

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Guangzhou HKUST Fok Ying Tung Research Institute（广州HKUST福ying顿研究 institute） 纠错

AI总结 GORAG提出一种基于图的在线检索增强生成框架，用于动态少样本社交媒体文本分类，通过构建关键词和标签的加权图并动态检索上下文以提升分类性能。

Comments Accepted by WWW 2026