Huazhong University of Science and Technology（华中科技大学）

End-to-End Reverse Screening Identifies Protein Targets of Small Molecules Using HelixFold3

端到端反向筛选利用HelixFold3识别小分子的蛋白质靶标

Shengjie Xu, Xianbin Ye, Mengran Zhu, Xiaonan Zhang, Shanzhuo Zhang, Xiaomin Fang

机构 * PaddleHelix Team（PaddleHelix团队） ； Baidu Inc.（百度公司） ； School of Software Engineering（软件工程学院） ； Huazhong University of Science and Technology（华中科技大学） ； School of Pharmacy, Tongji Medical College（药学院） 纠错

AI总结 利用HelixFold3端到端反向筛选方法，提高小分子与蛋白质靶标识别的精度和结构保真度，支持药物发现。

LLM-as-RNN: A Recurrent Language Model for Memory Updates and Sequence Prediction

LLM-as-RNN: 一种用于内存更新和序列预测的循环语言模型

Yuxing Lu, J. Ben Tamo, Weichen Zhao, Nan Sun, Yishan Zhong, Wenqi Shi, Jinzhuo Wang, May D. Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Peking University（北京大学） ； Shandong University（山东大学） ； Huazhong University of Science and Technology（华中科技大学） ； UT Southwestern Medical Center（西南医学中心） 纠错

AI总结 LLM-as-RNN通过将冻结的LLM转化为循环预测器，利用自然语言记忆实现在线学习，有效提升序列预测精度并生成可解释的学习轨迹。

Comments 17 pages, 5 figures, 6 tables

DepthCropSeg++: Scaling a Crop Segmentation Foundation Model With Depth-Labeled Data

DepthCropSeg++: 通过深度标注数据扩展作物分割基础模型

Jiafei Zhang, Songliang Cao, Binghui Xu, Yanan Li, Weiwei Jia, Tingting Wu, Hao Lu, Weijuan Hu, Zhiguo Han

机构 * MetaPheno Laboratory（MetaPheno实验室） ； PhenoTrait Technology Co., Ltd.（PhenoTrait技术有限公司） ； Wuhan Digital Engineering Institute（武汉数字工程研究院） ； National Key Laboratory of Multispectral Information Intelligent Processing Technology（国家多光谱信息智能处理技术重点实验室） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； Hubei Key Laboratory of Intelligent Robot（湖北省智能机器人重点实验室） ； School of Computer Science and Engineering, School of Artificial Intelligence, Wuhan Institute of Technology（武汉理工大学计算机科学与工程学院、人工智能学院） 纠错

AI总结 DepthCropSeg++通过深度标注数据扩展作物分割模型，采用两阶段自训练流程提升性能，实现93.11%的mIoU，超越监督基线和SAM模型。

Comments 13 pages, 15 figures and 7 tables

Journal ref IEEE Journal of Selected Topics in Signal Processing, 2026

Mixture-of-Experts with Gradient Conflict-Driven Subspace Topology Pruning for Emergent Modularity

专家混合模型与基于梯度冲突驱动的子空间拓扑修剪以实现涌现模ularity

Yuxing Gan, Ziyu Lei

机构 * Independent Researcher（独立研究者） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 CDSP-MoE通过梯度冲突驱动子空间拓扑修剪，实现无指令场景下的稳健内容驱动路由和模块化结构演化。

Generative Diffusion Contrastive Network for Multi-View Clustering

多视图聚类的生成扩散对比网络

Jian Zhu, Xin Zou, Xi Wang, Lei Liu, Chang Tang, Li-Rong Dai

机构 * Zhejiang Lab（浙江实验室） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Science and Technology of China（中国科学技术大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 本文提出生成扩散对比网络GDCN，通过多重生成机制解决多视图聚类中的低质量数据问题，实现深度多视图聚类任务的最优性能。

HALO: Semantic-Aware Distributed LLM Inference in Lossy Edge Network

HALO：语义感知的分布式LLM推理在失真边缘网络中

Peirong Zheng, Wenchao Xu, Haozhao Wang, Jinyu Chen, Xuemin Shen

机构 * Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系） ； Division of Integrative Systems and Design, The Hong Kong University of Science and Technology（香港理工大学系统与设计学院） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学电气与计算机工程系） 纠错

AI总结 HALO通过语义感知预测和负载平衡调度，提升失真边缘网络中LLM推理的效率与性能。

Comments Accepted by IEEE International Conference on Computer Communications (INFOCOM) 2026

SparseOccVLA: Bridging Occupancy and Vision-Language Models via Sparse Queries for Unified 4D Scene Understanding and Planning

SparseOccVLA: 通过稀疏查询弥合占用与视觉语言模型之间的鸿沟，实现统一的4D场景理解和规划

Chenxu Dang, Jie Wang, Guang Li, Zhiwen Hou, Zihan You, Hangjun Ye, Jie Ma, Long Chen, Yan Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米电动车） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） 纠错

AI总结 SparseOccVLA通过稀疏查询整合视觉语言模型与语义占用，实现统一的4D场景理解和规划，提升自动驾驶性能。

A Survey of AI Scientists

AI科学家的综述

Guiyao Tie, Pan Zhou, Lichao Sun

机构 * Huazhong University of Science and Technology（华中科技大学） ； Lehigh University（莱斯大学） 纠错

AI总结 本文综述了AI科学家的发展历程，提出六阶段方法论框架，分析了从基础模块到闭环系统再到可扩展性与人机协作的演进，为未来系统发展提供路线图。

Comments 28 pages, 9 figures, 1 table