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

Learning False Discovery Rate Control via Model-Based Neural Networks

通过基于模型的神经网络学习虚假发现率控制

Arnau Vilella, Jasin Machkour, Michael Muma, Daniel P. Palomar

机构 * The Hong Kong University of Science and Technology（香港理工大学） ； Technische Universität Darmstadt（德累斯顿理工大学） 纠错

AI总结 本文提出基于模型的神经网络方法，改进T-Rex选择器框架，以更精确地控制FDR并提高发现能力。

Comments Accepted to IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP) 2026

Phi-Former: A Pairwise Hierarchical Approach for Compound-Protein Interactions Prediction

Phi-Former：一种用于化合物-蛋白质相互作用预测的成对分层方法

Zhe Wang, Zijing Liu, Chencheng Xu, Yuan Yao

机构 * Hong Kong University of Science and Technology（香港科技大学） ； International Digital Economy Academy (IDEA)（国际数字经济学院（IDEA）） ； Princeton University（普林斯顿大学） 纠错

AI总结 Phi-Former通过成对分层方法提升化合物-蛋白质相互作用预测的准确性与可解释性。

Comments Accepted to BIBM 2025. 6 pages, 5 figures

Late-to-Early Training: LET LLMs Learn Earlier, So Faster and Better

后期到早期训练：LET LLMs 早期学习，从而更快且更好

Ji Zhao, Yufei Gu, Shitong Shao, Xun Zhou, Liang Xiang, Zeke Xie

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

AI总结 本文提出LET范式，通过利用已有小型预训练模型加速大模型训练，实现更快的训练速度和更高的性能。

Alignment of Diffusion Models: Fundamentals, Challenges, and Future

扩散模型对齐：基础、挑战与未来

Buhua Liu, Shitong Shao, Bao Li, Lichen Bai, Zhiqiang Xu, Haoyi Xiong, James Kwok, Sumi Helal, Zeke Xie

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Baidu Inc.（百度公司） ； The University of Bologna（博洛尼亚大学） 纠错

AI总结 本文综述了扩散模型对齐的基础、挑战及未来方向，探讨了对齐技术、评估方法及当前挑战的解决方案。

Comments Accepted at ACM Computing Surveys. 35 pages, 5 figures, 4 tables. Paper List: github.com/xie-lab-ml/awesome-alignment-of-diffusion-models

GAS: Enhancing Reward-Cost Balance of Generative Model-assisted Offline Safe RL

GAS: 提升生成模型辅助的离线安全强化学习的奖励-成本平衡

Zifan Liu, Xinran Li, Shibo Chen, Jun Zhang

机构 * The Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科学与技术大学） ； South China University of Technology, Guangdong, China（华南理工大学） 纠错

AI总结 GAS通过增强数据集和引入目标函数，提升生成模型辅助离线安全强化学习中奖励与成本的平衡能力。

Pruning Minimal Reasoning Graphs for Efficient Retrieval-Augmented Generation

对检索增强生成进行最小推理图剪枝以提高效率

Ning Wang, Kuanyan Zhu, Daniel Yuehwoon Yee, Yitang Gao, Shiying Huang, Zirun Xu, Sainyam Galhotra

机构 * Cornell University（康奈尔大学） ； University of Cambridge（剑桥大学） ； The University of Hong Kong（香港大学） ； HKUST（香港科技大学） ； University of British Columbia（不列颠哥伦比亚大学） 纠错

AI总结 AutoPrunedRetriever通过最小推理图剪枝提升检索增强生成效率，实现更高效的知识密集型任务处理。

VisionDirector: Vision-Language Guided Closed-Loop Refinement for Generative Image Synthesis

VisionDirector: 生成图像合成中的视觉-语言引导闭环细化

Meng Chu, Senqiao Yang, Haoxuan Che, Suiyun Zhang, Xichen Zhang, Shaozuo Yu, Haokun Gui, Zhefan Rao, Dandan Tu, Rui Liu, Jiaya Jia

机构 * The Hong Kong University of Science and Technology（香港理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Huawei Research（华为研究） 纠错

AI总结 VisionDirector通过视觉-语言引导闭环细化方法，提升生成图像合成中多目标任务的完成度和质量。