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

EvoFSM: Controllable Self-Evolution for Deep Research with Finite State Machines

EvoFSM: 通过有限状态机实现可控的自我进化用于深度研究

Shuo Zhang, Chaofa Yuan, Ryan Guo, Xiaomin Yu, Rui Xu, Zhangquan Chen, Zinuo Li, Zhi Yang, Shuhao Guan, Zhenheng Tang, Sen Hu, Liwen Zhang, Ronghao Chen, Huacan Wang

机构 * QuantaAlpha ； HKUST(GZ)（香港科技大学（广州）） ； FDU（福建大学） ； THU（清华大学） ； SUFE（上海财经大学） ； UCD（都柏林大学） ； HKUST（香港科技大学） ； PKU（北京大学） ； UCAS（中国科学技术大学） 纠错

AI总结 EvoFSM通过有限状态机实现可控自我进化，提升智能体在开放性问题中的适应性与稳定性，有效解决传统方法的不稳定性与幻觉问题。

EvasionBench: A Large-Scale Benchmark for Detecting Managerial Evasion in Earnings Call Q&A

EvasionBench: 一个大规模基准用于检测盈余电话会议问答中的管理层回避

Shijian Ma, Yan Lin, Yi Yang

机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Macau（澳门大学） 纠错

AI总结 EvasionBench通过多模型共识框架和40亿参数分类器，首次大规模评估管理层在盈余电话会议中回避性回应的检测能力。

Comments Major revision. Title and abstract updated to better reflect the refined results. Shijian Ma and Yan Lin contributed equally. Corresponding author: Yan Lin; Project page: https://iiiiqiiii.github.io/EvasionBench/

PhysBrain: Human Egocentric Data as a Bridge from Vision Language Models to Physical Intelligence

PhysBrain: 人眼视角数据作为视觉语言模型到物理智能的桥梁

Xiaopeng Lin, Shijie Lian, Bin Yu, Ruoqi Yang, Zhaolong Shen, Changti Wu, Yuzhuo Miao, Yurun Jin, Yukun Shi, Jiyan He, Cong Huang, Bojun Cheng, Kai Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Zhongguancun Academy（中关村学院） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 PhysBrain通过将人类眼动视频转化为多级具身监督，提升机器人在眼动感知和长期规划中的能力，实现从人类视角到机器人控制的有效迁移。

Comments 21 pages, 8 figures

Dynamic Pyramid Network for Efficient Multimodal Large Language Model

动态金字塔网络用于高效多模态大语言模型

Hao Ai, Kunyi Wang, Zezhou Wang, Hao Lu, Jin Tian, Yaxin Luo, Peng Xing, Jen-Yuan Huang, Huaxia Li, Gen luo

机构 * Beihang University（北航大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； KAUST（卡塔尔大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Technical University Of Denmark（丹麦技术大学） ； Nanjing University of Science and Technology（南京理工大学） ； Peking University（北京大学） ； Xiaohongshu Inc（小红书公司） 纠错

AI总结 动态金字塔网络通过分层结构和动态池化专家提升多模态大语言模型的效率与性能。

LLM Agents for Education: Advances and Applications

教育中的LLM代理：进展与应用

Zhendong Chu, Shen Wang, Jian Xie, Tinghui Zhu, Yibo Yan, Jinheng Ye, Aoxiao Zhong, Xuming Hu, Jing Liang, Philip S. Yu, Qingsong Wen

机构 * Squirrel Ai Learning ； Fudan University（复旦大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

AI总结 本文综述了LLM代理在教育中的应用进展，探讨了其技术实现、挑战及在不同教育领域的应用。

Comments Accepted by EMNLP 2025 Findings

SPOT-Occ: Sparse Prototype-guided Transformer for Camera-based 3D Occupancy Prediction

SPOT-Occ: 基于稀疏原型的Transformer用于基于相机的3D占用预测

Suzeyu Chen, Leheng Li, Ying-Cong Chen

机构 * Artificial Intelligence Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学人工智能方向（广州）） ； 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 SPOT-Occ提出了一种基于稀疏原型的Transformer解码器，通过引导特征选择和聚焦聚合提升基于相机的3D占用预测的效率与精度。

Comments 8 pages, 6 figures

ALORE: Autonomous Large-Object Rearrangement with a Legged Manipulator

ALORE：具有腿部机械臂的自主大物体重排

Zhihai Bi, Yushan Zhang, Kai Chen, Guoyang Zhao, Yulin Li, Jun Ma

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）） 纠错

AI总结 ALORE通过分层强化学习和任务规划框架，实现了腿部机械臂在复杂环境中的多物体自主重排，展示了高效稳定的操作性能和广泛的应用潜力。

Learning from Neighbors with PHIBP: Predicting Infectious Disease Dynamics in Data-Sparse Environments

通过PHIBP学习邻居：在数据稀疏环境中预测传染病动态

Edwin Fong, Lancelot F. James, Juho Lee

机构 * Department of Statistics and Actuarial Science, HKU（香港大学统计与精算科学系） ； Department of ISOM, HKUST（香港科技大学工业系统与管理系） ； The Graduate School of AI, KAIST（韩国科学技术院人工智能研究生院） 纠错

AI总结 PHIBP通过系统地借鉴相关地区统计强度，有效处理稀疏计数数据，提升传染病预测的准确性和流行病学洞察。

Comments v2: Revised version incorporating peer review feedback from book chapter submission. Clarifies modeling objectives for infectious disease prediction and situates the work within a three-paper PHIBP framework, highlighting suitability for future AI/LLM plug-and-play model specification