让机器人在人群中穿梭自如，港科广&港科大突破社交导航盲区 ICRA 2025
近期，香港科技大学研究团队提出了一种新算法Falcon，通过将轨迹预测算法融入社交导航任务中，实现了长期动态避障并提升导航性能。该算法已在ICRA 2025接收，并构建了两个新的数据集Social-HM3D和Social-MP3D作为社交导航的新基准。
香港科技大学
单张照片实现三维重建，单视角室外复杂场景首次攻克｜ 西湖大学&港科大&Everlyn AI
西湖大学、香港科技大学等团队提出Niagara框架，首次有效解决单视角复杂室外场景三维重建问题。该方法结合深度与法线信息，采用几何仿射场和3D自注意力机制，显著提升细节捕捉精度及几何一致性。在RealEstate10K数据集上验证效果，优于当前最先进的Flash3D方法。
无需百卡集群！港科等开源LightGen: 极低成本文生图方案媲美SOTA模型
LightGen 是由香港科技大学 Harry Yang 教授团队联合 Everlyn AI 和 UCF 提出的一种新型高效图像生成模型，旨在解决主流生成模型依赖大量数据和计算资源的问题。论文提出通过知识蒸馏和直接偏好优化策略，在有限的数据和计算资源下实现了高质量图像的生成，并在多个实验中展示了与 SOTA 模型相当甚至超过的性能表现。
自动调整推理链长度，SCoT来了！为激发推理能力研究还提出了一个新架构
SCoT团队提出了一种新的推理范式SCoT，它能动态调整推理链长度来适应不同复杂度的问题。AtomThink框架则是一个全过程训练和评估的系统，旨在提升多模态大模型在复杂推理任务上的表现。
这个Atom of Thoughts 的原子思维让GPT-4O-Mini 秒杀O3和DeepSeek-R1！
香港科技大学研究人员提出「原子思维」（AOT）改进了GPT-4o-mini在HotpotQA上的性能至80.6%，超越了现有方法。该技术通过将复杂问题分解为独立的子问题，实现更高效和准确的推理。
语音合成也遵循Scaling Law，太乙真人“原声放送”讲解论文 港科大等开源
Llasa团队分享了他们基于Transformer的语音合成模型的研究成果，该模型展示了通过扩展计算资源来提高语音合成效果的能力。研究揭示了训练时间和推理时间扩展对性能的影响，并开源了代码和权重以供其他研究人员参考。
网传DeepSeek R1更容易被越狱？这有个入选顶会的防御框架SelfDefend
香港科技大学等团队提出SelfDefend框架，让大语言模型首次具备自我保护能力，有效抵御越狱攻击。该框架通过创建并行的影子LLM来检测潜在有害查询，并在不影响正常响应的情况下提升安全性。
具身智能核心零部件供应商「VLAI未来动力」获数百万天使轮融资
广州未来动力有限公司近日完成数百万元天使轮融资，资金用于研发一体化关节电机、拓展矩阵及升级硬件，并加快量产订单交付。公司专注于轻量化高精度控制的智能零部件，创始人团队具备丰富经验。”VLAI未来动力”采用三合一模式减少故障点并提高传动效率，发布新一代具身智能一体化关节电机产品。
2024 ACM Fellow颁给10位华人学者！陈雷、周靖人、李国良等入选
2024 ACM Fellows名单公布，多位华人学者上榜。入选者来自香港科技大学、微软亚洲研究院等机构，涵盖计算机科学多个领域，包括数据管理、机器学习和量子计算等。