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

Surfacing the Unsaid: CUE-Bench for Affective Stance in Chinese Discourse

揭示未明之言：面向中文话语情感立场的CUE-Bench基准

Zhenyan Zheng, Yunyao Zhang, Junxi Sheng, Junqing Yu, Zikai Song

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

AI总结 针对现有情感基准缺乏情感相关要素结构化说明的问题，本文构建了以情感立场为核心的CUE Bench基准，实验证实融入情感立场可提升细粒度情感识别与语用意图检测性能。

Journal ref EMNLP 2026 Main

VideoRAE: Taming Video Foundation Models for Generative Modeling via Representation Autoencoders

VideoRAE：通过表示自动编码器驯服用于生成建模的视频基础模型

Zhihao Xie, Junfeng Wu, Xinting Hu, Junchao Huang, Li Jiang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Huazhong University of Science and Technology（华中科技大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 研究视频生成模型潜在空间问题，提出VideoRAE，利用冻结视频基础编码器特征经1D自注意力投影仪压缩，支持多种潜在空间，通过多码本高维量化等实现强大重建，收敛快，验证了冻结VFM表示的有效性。

Comments Home page: https://zhxie0117.github.io/VideoRAE

Skill-Conditioned Gated Self-Distillation for LLM Reasoning

技能条件门控自蒸馏用于大语言模型推理

Jiazhen Huang, Xiao Chen, Xiao Luo, Yong Dai, Senkang Hu, Yuzhi Zhao

机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； City University of Hong Kong（香港城市大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 提出技能条件门控自蒸馏（SGSD），通过从经验技能库中检索技能-错误对构建多教师池，并利用验证器验证教师极性，以鲁棒门控目标蒸馏信息性师生差异，在弱先验信息假设下提升数学推理性能。

Comments Accepted by EMNLP 2026 Findings. Code is available at https://github.com/walawalagoose/SGSD

MAIGO: Mitigating Lost-in-Conversation with History-Cleaned On-Policy Self-Distillation

MAIGO: 通过历史清理的在线策略自蒸馏缓解对话丢失

Haoyu Zheng, Yun Zhu, Shu Yuan, Shangming Chen, Qing Wang, Wenqiao Zhang, Jun Xiao, Yueting Zhuang

机构 * Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Fuzhou University（福州大学） ； Tencent（腾讯） 纠错

AI总结 针对大语言模型在多轮对话中性能下降（对话丢失）的问题，提出MAIGO方法，通过在线策略自蒸馏和清理历史助手回复来减少自污染，无需验证器或推理时辅助，显著提升多轮对话准确性。

Asymmetric On-Policy Distillation: Bridging Exploitation and Imitation at the Token Level

非对称在线策略蒸馏：在令牌层面弥合利用与模仿

Nan Jia, Haojin Yang, Xing Ma, Jiesong Lian, Shuailiang Zhang, Weipeng Zhang, Ke Zeng, Xunliang Cai, Zequn Sun

机构 * Huazhong University of Science and Technology（华中科技大学） ； Peking University（北京大学） ； Meituan（美团） 纠错

AI总结 本文提出非对称在线策略蒸馏，通过局部散度最小化改进传统策略蒸馏，提升数学推理任务表现，实现更稳定的策略熵和持续工具使用能力。

ProGS: Towards Progressive Coding for 3D Gaussian Splatting

ProGS：迈向3D高斯散射的渐进编码

Zhiye Tang, Lingzhuo Liu, Shengjie Jiao, Qiudan Zhang, Junhui Hou, You Yang, Xu Wang

机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） 纠错

AI总结 ProGS通过八叉树结构实现3D高斯散射的高效渐进编码，显著提升压缩效率和视觉保真度。

Learning Personalized Prompts for Healthcare Guidance

学习用于医疗指导的个性化提示

Ruize Shi, Hong Huang, Wei Zhou, Kehan Yin, Kai Zhao, Yun Zhao

机构 * Huazhong University of Science and Technology（华中科技大学） ； Tongji Medical College（同济医学院） ； Hubei Maternity and Child Health Care Hospital（湖北省妇幼保健院） 纠错

AI总结 该研究针对现有LLM医疗指导缺乏个性化的问题，提出PPL框架，利用患者自身与同类病例信息构建初始提示并经RL优化，在妇产科数据上获专家97%的偏好，可与专有LLM无缝集成。

Comments Accepted at the EMNLP 2026 Main Conference