高校专区
ReWorld：具有长程记忆的交互式世界模型
机构 * HKUST(GZ)（香港科技大学（广州）） ； ATH, Alibaba（阿里巴巴 ATH 实验室）
AI总结 ReWorld通过训练分离、推理约束解决交互式世界模型的控制与记忆矛盾，结合混合注意力等技术，在三轴评估中优于6种模型，实现长程视频生成与记忆。
Comments 21 pages, 9 figures. Project page: this https URL (https://zhifeichen097.github.io/ReWorld/)
EarthVerse：面向动态地球系统与自然灾害的科学智能体基准测试
机构 * NUIST（南京信息工程大学） ； HKU（香港大学） ； McGill（麦吉尔大学） ； HKUST(GZ)（香港科技大学（广州）） ； Georgia Tech（佐治亚理工学院） ； NUS（新加坡国立大学） ； Tsinghua（清华大学） ； Griffith（格里菲斯大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； MIT（麻省理工学院）
AI总结 EarthVerse是面向动态地球系统与自然灾害的科学智能体基准，含405项任务，评估25个智能体系统，发现其存在跨环节一致性不足问题，为科学可靠性测量提供可复现基础。
EchoWM：开放且可进入的全模态世界模型
机构 * HKUST（香港科技大学） ； PKU（北京大学） ； Joy Future Academy, JD（京东探索研究院） ； HKU（香港大学） ； THU（清华大学） ； USTC（中国科学技术大学） ； FDU（复旦大学） ； Beihang University（北京航空航天大学） ； Stanford University（斯坦福大学）
AI总结 该研究提出EchoWM全模态世界模型，围绕相机意图组织交互，构建互补数据引擎并采用渐进式训练等方法，在公开基准上实现强轨迹跟随与高视觉质量，支持跨视角交互及长序列多模态同步生成。
Comments 42 pages, 24 figures
基于退化感知混合专家增强的低光照无人机图像桥梁损伤检测
机构 * School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； Sustainability X-Lab, The University of Hong Kong（香港大学可持续发展X实验室） ； School of Architecture, Building, and Civil Engineering, Loughborough University（拉夫堡大学建筑、建造与土木工程学院） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology（香港科技大学土木与环境工程系）
AI总结 针对低光照无人机桥梁图像缺陷模糊问题，提出DaL-MoE退化感知混合专家恢复前端，提升了YOLOv11m的桥梁损伤检测精度，实现了合成退化到真实场景的性能迁移。
Comments 31 pages, 9 figures
被文本债务掩埋：面向多模态大语言模型智能体的保留视觉证据的上下文剪枝
机构 * Hong Kong University of Science and Technology（香港科技大学）
AI总结 针对多模态大语言模型智能体长轨迹中文本主导上下文、抑制视觉证据的问题，提出基于KL引导的SPARE框架，结合OPSD与SFT实现高效剪枝，在多步视觉工具使用基准中达到最优准确率与剪枝比例的权衡。
Comments 14 pages, 2 figures, 4 tables
NemoSplat：面向介质感知水下重建的前馈式4D高斯溅射方法
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 针对水下环境光散射与动态物体导致的重建难题，提出首个介质感知前馈4D高斯溅射框架NemoSplat，设计可提示动态解缠器与介质感知高斯预测器，构建大规模水下数据集，实现了最优跟踪精度与高保真渲染。
Comments 10 pages
HeatTok：基于热扩散分词的遥感图像理解增强方法
机构 * Northwestern Polytechnical University（西北工业大学） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出HeatTok分词器，结合热扩散聚合与G-MRoPE编码，在VRSBench、EarthVQA数据集上实现遥感图像理解的最优性能，保留对象级语义完整性。
Comments 19 pages (10 pages main text + appendix), 10 figures. Accepted at the 34th ACM International Conference on Multimedia (ACM MM 2026), Rio de Janeiro, Brazil, November 10--14, 2026
世界模型何时失效：自然输入的故障发现
机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院） ； The Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； Generative AI Research and Development Center, The Hong Kong University of Science and Technology（香港科技大学生成式人工智能研发中心）
AI总结 本文针对现有世界模型评估忽略灾难性故障风险的问题，提出 BasinLens 方法，可在有限查询预算下发现自然输入引发的可复现、局部持续的世界模型故障，暴露常规基准未覆盖的漏洞。
OVIBench：面向中断场景的在线视频问答基准测试
机构 * HIT（哈尔滨工业大学） ； CASIA（中国科学院自动化研究所） ； ZJU（浙江大学） ； UESTC（电子科技大学） ； HKUST（香港科技大学）
AI总结 该研究针对现有视频问答基准未考虑用户中断的问题，提出首个面向中断场景的在线视频问答基准OVIBench，开发模拟协议与指标集，构建训练集OVI-Train，验证了其有效性。
Comments EMNLP 2026
UR²-MLLM：面向放射科报告生成的多模态大语言模型中基于不确定性感知的重访推理
机构 * MedVisAI Lab（MedVisAI实验室） ； Lee Kong Chian School of Medicine, Nanyang Technological University（南洋理工大学李光前医学院） ； Centre of AI in Medicine, Singapore（新加坡医学人工智能中心） ； AI Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）AI方向） ； Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院）
AI总结 该研究针对放射科报告生成任务，提出UR²-MLLM框架，通过动态重访不确定区域的机制实现最优性能，提升报告的可靠性与临床适配性。
Comments EMNLP 2026 Findings
C$^2$Path：用于视觉语言增量目标检测的类条件路径解耦
机构 * Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang Tobacco Monopoly Administration（浙江省烟草专卖局）
AI总结 针对视觉语言增量目标检测的类知识耦合问题，提出类条件路径解耦框架C$^2$Path，通过类别专家库与类条件解耦模块实现隔离更新，在COCO 2017上性能优于现有方法
GameXpert-Bench：编码智能体距离专家级游戏开发还有多远？
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Lightspeed Studios, Tencent（腾讯光速工作室）
AI总结 GameXpert-Bench是覆盖游戏开发全生命周期的基准，含三个赛道，测评显示当前编码智能体在生成可玩游戏基础上表现较好，在缺陷发现等方面仍有不足。
超越成功与失败：面向GUI智能体的长度感知对比学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Baidu Inc.（百度公司） ； University of Alberta（阿尔伯塔大学）
AI总结 针对GUI智能体现有对比RLVR方法无法捕获轨迹细粒度质量差异的问题，提出LACL-GUI框架，引入轨迹级质量信号，在基准测试中实现性能提升。
FCPRAG：融合控制器参数化检索增强生成，用于稳定多段落LoRA注入
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Macau（澳门大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI））
AI总结 FCPRAG是一种融合控制的参数化RAG框架，通过轻量控制器实现样本级适配器融合，在多个数据集和LLM主干上提升了RAG的F1值，降低调优成本并增强鲁棒性。
Comments Accepted to EMNLP 2026
位置：机器人隐私作为具身边界工作——连接日常机器人中的能力、情境与设计响应
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； Beijing Academy of Artificial Intelligence（北京智源人工智能研究院） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本研究提出具身边界隐私框架，结合机器人7种能力与5种部署情境分析其隐私风险，给出具身隐私机制设计启示，呼吁HRI领域关注机器人具身行动的隐私意义。
Comments 8 pages, 1 figure, 3 tables. Accepted for publication in UbiComp Companion '26
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈