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

Re$^3$Cap: Retrieval-Guided Refinement for Image Captioning Enhancement via Reinforcement Learning

Re³Cap：基于强化学习的图像字幕增强的检索引导优化

Haonan Jia, Shichao Dong, Zenghui Sun, Jiawen Zheng, Ziqi Miao, Gege Shi, Qiuyu Zhao, Jinsong Lan, Xiaoyong Zhu, Bo Zheng

机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝和天猫集团） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

AI总结 本文提出Re³Cap方法，利用多模态检索作为推理信号，通过CRS和CQA优化图像字幕，在COCO-LN500基准上关系推理性能较GRPO提升8.64%，优于SFT。

Comments Accepted to EMNLP 2026 Main Conference

FlatLand: Personalized Graph Federated Learning via Tailored Lorentz Space

FlatLand：基于定制洛伦兹空间的个性化图联邦学习

Jiahong Liu, Ram Samarth B B, Xinyu Fu, Menglin Yang, Weixi Zhang, Rex Ying, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） ； Yale University（耶鲁大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 该研究针对图联邦学习中客户端图结构异质性问题，提出FlatLand方法，通过定制洛伦兹空间与参数解耦策略实现个性化联邦学习，在低维设置下表现更优。

Comments 34 pages, 9 figures, 8 tables. Accepted at ICML 2026 (Oral)

The Cost of a Physics Prior Is Bounded by the Ablation Gap

物理先验的代价由消融间隙界定

Boris Kriuk

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

AI总结 该研究指出物理先验的代价由消融间隙界定，通过理论推导与野火严重度任务实验，发现代价受自由特征和验证拆分影响，提出两次拟合筛选方法以识别无法识别的实验。

Comments 15 pages, 7 tables, 6 figures

CoST: Semantic-Aware Urban Understanding via Spatial-Temporal Alignment

CoST：通过时空对齐实现语义感知的城市理解

Yutian Jiang, Jiabo Liu, Xixuan Hao, Yuxuan Liang

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

AI总结 该研究针对城市理解中跨区域泛化与语义可解释性不足的问题，提出基于对比学习的时空框架CoST，通过空间相关性建模与多时相语义对齐提升性能，在8个城市指标任务中平均相对提升8.7%。

Target-Aware Calibration Data Selection for Preserving Uncertainty in Quantized Language Models

面向量化语言模型不确定性保留的目标感知校准数据选择

Zhen Yang, Sizai Hou, Kaiwen Zheng, Yaofang Liu, Liang He, Yixuan Chen, Kangning Cui

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； City University of Hong Kong（香港城市大学） ； Shanghai Institute of Optics and Fine Mechanics（上海光学精密机械研究所） ； University of Oxford（牛津大学） ； Yale University（耶鲁大学） 纠错

AI总结 本文针对量化语言模型的不确定性保留问题，提出DPQ方案，通过选择与目标对齐的校准数据，在多模型多基准实验中验证其能根据部署需求保留不同类型的不确定性行为。

Comments 20 pages, 5 figures. Accepted to EMNLP Findings 2026

EviRank: Structured Relevance Evidence for Multimodal Image Re-ranking

EviRank：用于多模态图像重排序的结构化相关性证据

Enjun Du, Siyi Liu, Zirong Chen, Xinyu Zuo, Jinwen Luo, Ruiwen Tao, Lisheng Duan, Haijin Liang, Jin Ma, Junfu Pu, Yongqi Zhang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tencent Yuanbao（腾讯元宝） ； The University of Hong Kong（香港大学） 纠错

AI总结 针对现有多模态图像重排序器的不足，提出EviRank将查询解析为结构化证据包，通过证据条件验证实现重排序，在五个基准上达SOTA，蒸馏学生模型保留超90%能力且成本更低。

SAC-Copula: Quality-Preserving Watermarking for Diffusion Language Models via Smooth Correlated Gumbel Fields

SAC-Copula：基于平滑相关Gumbel场的扩散语言模型质量保留水印

Baixin Li, Haiyun He

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

AI总结 针对扩散语言模型的水印方法与迭代并行去掩蔽不兼容的问题，提出SAC-Copula方法，通过高斯Copula构建平滑相关Gumbel扰动场实现质量保留水印，在LLaDA等数据集上验证了其质量-可检测性权衡优势。

Comments Accepted to Findings of EMNLP 2026. 24 pages, 13 figures

RiskTraf: Risk-Extrapolated Residual Learning for Multi-Variate Traffic Flow Prediction

RiskTraf：面向多变量交通流预测的风险外推残差学习

Guangyu Wang, Zhidan Liu

机构 * Dongbei University of Finance & Economics（东北财经大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 该研究针对多变量交通流预测，推出保留三类原始测量的PEMSB-3V基准，提出模型无关的RiskTraf方法，通过风险外推残差学习缓解状态依赖捷径，提升预测性能且优于相关适配方法。

Comments Accepted by CIKM 2026 Oral

Beyond Prompt Engineering: A Systematic Analysis of Prompt Lexical Sensitivity and Its Impacts on Quality

提示工程之外：提示词词汇敏感性及其对质量影响的系统性分析

Qipeng Xie, Zi Liang, Jiafei Wu, Yufei Chen, Weizheng Wang, Wenao Ma, Zhong Ming, Haiqin Yang, Kaishun Wu

机构 * Shenzhen Technology University（深圳技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Zhejiang Lab（之江实验室） ； The Chinese University of Hong Kong（香港中文大学） ； HKUST (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 该研究针对大型语言模型的提示词词汇敏感性开展大规模机制分析，揭示提示词性能稳定性缩放定律，提出自动化提示词优化智能体，可降低代码生成任务性能方差40.7%，为鲁棒提示工程提供可解释框架。

WorldLines: Benchmarking and Modeling Long-Horizon Stateful Embodied Agents

WorldLines: 对长时域有状态具身智能体进行基准测试与建模

Yehang Zhang, Jianchong Su, Haojian Huang, Yifan Chang, Tianhao Zhou, Xinli Xu, Yingjie Xu, Yinchuan Li, Zexi Li, Ying-Cong Chen

机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； Knowin 纠错

AI总结 提出WorldLines基准，通过构建带时间跨度的家庭轨迹（含对话、动作、状态变化等）评估具身智能体的长时记忆与任务规划能力，并设计ObsMem记忆框架提升状态感知决策。

Comments Accepted to EMNLP 2026

Adaptive Inference for Resource-Constrained Dynamic Pricing

资源约束下的自适应推断用于顺序定价

Ruicheng Ao, Jiashuo Jiang, David Simchi-Levi

机构 * Institute for Data, Systems, and Society, Massachusetts Institute of Technology, Cambridge, MA 02139（数据、系统与社会研究所，麻省理工学院，剑桥，马萨诸塞州，02139） ； Department of Industrial Engineering and Decision Analytics, Hong Kong University of Science and Technology, Hong Kong（工业工程与决策分析系，香港科技大学，香港） ； Department of Civil and Environmental Engineering and Operations Research Center, Massachusetts Institute of Technology, Cambridge, MA 02139（土木与环境工程系和运筹中心，麻省理工学院，剑桥，马萨诸塞州，02139） 纠错

AI总结 针对资源约束导致固定价格推断不可行的问题，提出一种目标感知定价控制器，通过认证可行目标带并记录连续局部密度，实现基于局部去偏的学生化区间，并分析遗憾-信息核算。

STS: Efficient Sparse Attention with Speculative Token Sparsity

STS: 高效稀疏注意力与推测性标记稀疏性

Jiangnan Yu, Ceyu Xu, Yongji Wu, Yuan Xie

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出STS，一种无需模型再训练的稀疏注意力机制，通过利用较小的草稿模型识别出的重要标记来预测更大目标模型的重要标记，从而在大规模语言模型推理中实现高效的稀疏注意力计算，显著提升速度并保持准确性。

Comments 14 pages, 12 figures

RecGen3D: Reconstruction-Guided 3D Generation in a Shared Canonical Space

UniRecGen：统一多视图3D重建与生成

Zhisheng Huang, Jiahao Chen, Cheng Lin, Chenyu Hu, Hanzhuo Huang, Zhengming Yu, Mengfei Li, Yuheng Liu, Zekai Gu, Zibo Zhao, Yuan Liu, Xin Li, Wenping Wang

机构 * Macau University of Science and Technology（澳门科技大学） ； Xidian University（西安电子科技大学） ； ShanghaiTech University（上海科技大学） ； Hong Kong University of Science and Technology（香港科技大学） ； University of California, Irvine（加利福尼亚大学尔湾分校） 纠错

AI总结 UniRecGen融合了高效重建与生成模型，通过共享空间协作学习提升多视图3D模型的完整性和一致性，实验显示其在稀疏观测下生成更精确稳定的3D模型。

Comments Accepted to SIGGRAPH Asia 2026 (Conference Papers). 21 pages including supplementary material. Code: this https URL (https://github.com/zsh523/RecGen3D)