香港科技大学与浙江大学等研究团队推出「变量自适应专家混合模型（VA-MoE）」。该模型通过分阶段训练与变量索引嵌入机制，引导不同专家模块专注特定类型的气象变量，当新增变量或站点时，无需全量重训即可实现模型扩展，在保障精度的同时大幅降低计算开销。

香港科技大学的研究团队提出了一个融合神经网络框架，用于预测蛋白质序列中的多金属结合位点。该框架采用由 CNN 与融合网络组成的两阶段架构，能够实现快速、稳健、高质量的整体预测，加速了金属-蛋白质相互作用的更多可能性挖掘。

香港科技大学团队提出的时空插补和预测（STIMP）模型，解决了沿海生态系统叶绿素a预测中的数据不完整、时间变化和空间异质性问题。该模型利用深度学习技术，提升了叶绿素a的时空分布预测能力，并在全球多个沿海区域验证了其有效性。

本研究解决了图书馆在学生参与先进技术项目中的不足，通过实施“数字学术协作”计划，强调了培养学生实践能力的重要性。文章展示了在一个学期内从零开始开发中文命名实体识别工具的全过程，强调了学生在合作与创新教育模式中的核心作用。该研究的成果展示了鼓励学生参与的项目如何促进跨学科合作和实际技术应用。

香港科技大学张黔团队招聘博士生/研究助理，研究方向为基于多模态智能物联传感器的人体健康感知与康复理疗辅助系统。招收2025春季/秋季入学的博士生2-3名，要求对硬件开发、算法设计有兴趣，具备自我激励和团队合作能力。研究助理负责智能健康感知项目的硬件系统设计与搭建，要求熟练掌握编程语言和相关技能。工资待遇每月15000~22000港币。申请方式为发送简历等材料到张黔教授的邮箱。

该文章介绍了Alberta大学团队在SemEval-2023视觉词义消歧任务中的系统，使用了BabelNet中检索到的注释、文本和图像编码器的组合算法。此外，还使用语言模型生成的描述来增强上下文，提高准确性。官方提交结果排名第18，非官方结果更好。

香港科技大学推出了定制版的HKUST ChatGPT，使用Microsoft Azure OpenAI API，免费提供给全校师生使用。每个账号有使用限额，每个会话最多只能提问20次。鼓励使用AI工具进行学习和研究，但提醒师生要对内容进行事实核查。