Can We Change the Stroke Size for Easier Diffusion?
我们能否通过改变笔触大小来使扩散更简单？
机构 * National University of Singapore（新加坡国立大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文研究通过控制笔触大小改变监督目标的粗糙度，以缓解低信噪比下的预测挑战。
高校专区
The Hong Kong University of Science and Technology（香港科技大学）
Scoring, Reasoning, and Selecting the Best! Ensembling Large Language Models via a Peer-Review Process
评分、推理与选择最佳！通过同行评审过程进行大型语言模型的集成
机构 * Beihang University, Beijing, China（北京航空航天大学） ； Zhongguancun Laboratory, Beijing, China（中关村实验室） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Xi'an Jiaotong University, Xi'an, China（西安交通大学） ； Tsinghua University, Beijing, China（清华大学） ； Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 本文提出LLM-PeerReview方法，通过同行评审机制集成多个大型语言模型，提升响应质量。实验显示其在多个数据集上优于Smoothie-Global，适用于事实性问答、数学推理等任务。
Unveiling Language Routing Isolation in Multilingual MoE Models for Interpretable Subnetwork Adaptation
揭示多语言MoE模型中的语言路由隔离以实现可解释的子网络适应
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； HKUST (Guangzhou)（香港科技大学（广州）） ； University of Maryland（马里兰大学）
AI总结 本文研究了多语言MoE模型中语言路由隔离现象，提出RISE框架通过识别和适应语言特定的专家子网络，提升低资源语言性能并保持其他语言能力。
Comments Accepted By Findings of EMNLP 2026
Unified-MAS: Universally Generating Domain-Specific Nodes for Empowering Automatic Multi-Agent Systems
统一-MAS：通用领域节点生成以增强自动多智能体系统
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Institute for Infocomm Research (I 2 R), A*STAR（信息通信研究院（I2R），A*STAR）
AI总结 本文提出统一-MAS，通过离线节点合成解耦细粒度节点实现与拓扑编排，提升多智能体系统在知识密集型领域的性能与成本效益。
Comments Code is available at https://github.com/linhh29/Unified-MAS
Model Selection and Parameter Estimation for Multidimensional Gaussian Mixture Models with a Common Covariance Matrix
多维高斯混合模型的模型选择与参数估计
机构 * Department of Mathematics, Hong Kong University of Science and Technology (HKUST)（香港科技大学数学系）
AI总结 本文研究了多维高斯混合模型的学习问题，重点在于模型阶选择和高效混合分布估计。通过建立信息论下界，提出基于阈值的估计算法，结合梯度下降方法和PCA降维，验证了方法的最优性与高效性。
TxSum: User-Centered Ethereum Transaction Understanding with Micro-Level Semantic Grounding
TxSum: 基于微粒语义锚定的用户导向以太坊交易理解
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Wuhan University（武汉大学） ； University of North Texas（北卡罗来纳州立大学） ； Fudan University（复旦大学）
AI总结 本文提出TxSum任务，通过构建187个复杂以太坊交易数据集，引入MATEX框架提升交易解释质量，使用户对复杂交易的理解率从52.9%提升至76.5%，恶意交易拒绝率提升至88%。
Comments EMNLP 2026
MVID: Feed-Forward Multi-View Intrinsic Image Decomposition
IDT: 一种物理基础的Transformer用于前馈多视角内在分解
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学）
AI总结 IDT通过基于Transformer的注意力机制实现多视角内在图像分解，采用物理基础模型分离材料和照明效应，提升多视角一致性。
Comments 12 pages 10 figures
MoDGS: Dynamic Gaussian Splatting from Casually-captured Monocular Videos with Depth Priors
MoDGS：基于深度先验的随意捕获单目视频动态高斯溅射
机构 * City University of HongKong（香港城市大学） ； HKUST（香港科技大学） ； HKU（香港大学） ； TAMU（德克萨斯大学奥斯汀分校） ； CUHK(SZ)（香港城市大学（深圳））
AI总结 MoDGS是基于深度先验的新管线，通过3D感知初始化与鲁棒深度损失，从相机静止或缓慢移动的随意单目视频渲染高质量动态场景新视角，性能优于现有方法且代码公开。
Comments Accepted as a poster at ICLR. Project page: https://modgs.github.io
