不少人在日常生活中習慣一邊走路一邊處理其他事情，例如構思購物清單或回覆手機訊息。但對於活動能力及認知能力均有所減弱的中風患者而言，這種常見的「雙重作業步行」卻可能構成重大挑戰。香港理工大學研究團隊早前開展全球首項針對中風人士雙重作業步行與跌倒風險的相關研究，其後的後續研究進一步發現，認知作業的類型及複雜性之間的相互作用，會直接影響「雙重作業幹擾」的程度及模式，導致患者的身體活動及認知作業表現同時下降。這項成果對設計中風復康的雙重作業評估及訓練，具有重要的臨牀價值。
理大信興教育及慈善基金康復科學教授彭耀宗教授（左）與助理教授曾秀蘭教授（右）帶領團隊進行中風復康研究
這次研究由理大信興教育及慈善基金康復科學教授、神經康復治療學講座教授兼康復治療科學系系主任彭耀宗教授，聯同該學系助理教授曾秀蘭教授帶領進行，旨在評估社區內慢性中風患者的雙重作業能力。研究期間，參加者需在平地步行及跨越障礙物兩種活動情境下接受評估，過程中要同時完成不同類型的認知作業，包括聽覺辨識、回憶購物清單以及連續減法計算。
點擊看圖輯
理大信興教育及慈善基金康復科學教授彭耀宗教授（左）與助理教授曾秀蘭教授（右）帶領團隊進行中風復康研究
研究參加者在平地步行及跨越障礙物的情境下接受評估，過程中需完成認知作業
理大康復治療科學系系主任彭耀宗教授表示研究結果突顯個人化評估的重要性
理大康復治療科學系助理教授曾秀蘭教授指出精準辨識功能缺損是提升復康成效的關鍵
研究參加者在平地步行及跨越障礙物的情境下接受評估，過程中需完成認知作業
研究團隊採用名為「雙重作業效應」的標準化指標，用以量度患者在活動能力（步行距離）及認知功能（作業準確度）兩方面的表現。結果顯示，患者在步行時進行認知作業，往往會受到雙重作業幹擾，導致其認知作業、步行表現，甚至兩者同時出現下降。這種幹擾不但會增加跌倒風險，亦會窒礙患者重新融入社區生活。
研究同時指出，雙重作業步行的表現高度取決於作業的性質。尤其當認知作業涉及內部反應，例如在腦中進行連續減法時，患者需要動用更多工作記憶、心智追蹤及內部處理能力，因而受到更大的雙重作業幹擾。研究觀察所得，這類涉及內部反應的作業對活動能力造成的幹擾最為顯著，臨牀結果顯示患者的步行距離會明顯下降。此外，作業類型與其複雜性之間的相互作用，也會比這兩個因素各自的單獨影響，更顯著地左右雙重作業的表現。
理大康復治療科學系系主任彭耀宗教授表示研究結果突顯個人化評估的重要性
彭耀宗教授解釋：「我們的研究結果突顯個人化評估的重要性，有助更深入瞭解中風患者在雙重作業時面對的挑戰。雙重作業訓練已獲證實可減少雙重作業幹擾，並降低步行時的跌倒風險。臨牀應用方面，建立全面的雙重作業效應指標，對評估中風後患者的活動能力至關重要。而針對認知作業的不同範疇與複雜性進行標準化評估，亦是引導慢性中風患者進行有效功能訓練的關鍵。」
理大康復治療科學系助理教授曾秀蘭教授指出精準辨識功能缺損是提升復康成效的關鍵
曾秀蘭教授補充説：「由於中風會影響負責不同認知及身體功能的大腦區域，只針對單一認知領域及難度的『一刀切』方式，不足以識別中風患者的主要功能缺憾。因此，精準辨識患者的具體功能缺損，並制定個人化訓練方案，是提升復康成效的關鍵。」
這次研究提出，復康訓練需要突破傳統、單一的功能訓練模式，並納入更貼近日常生活情境的雙重作業訓練，以提升復康成效。相關論文已以「認知作業類型與複雜程度對中風患者平地步行及穿越障礙物中的雙重作業幹擾之影響」為題，刊載於國際學術期刊《神經復康與神經修復》（Neurorehabilitation and Neural Repair）。
香港生成式人工智能研發中心（HKGAI）正式對外發布音樂大模型YuE2，這款模型以「符號規劃」統一創作、翻唱與編輯，屬全球首個採用此架構的開源音樂大模型。其綜合成績已達國際頂尖水平，並在知名評測基準「WildSongBench」中首次超越多款主流商業閉源模型。截至2026年9月18日，YuE2在HuggingFace全站Trending排名第4（trendingScore595），成為榜單前五名之中唯一的音樂類模型。
全球前沿音樂生成模型綜合表現評測圖，顯示 YuE2 在歌曲質素指標與文本對齊度指標上超越 Suno v6 等主流商業閉源模型
下載表現方面，YuE2上線僅9天，官方主模型已錄得11,626次下載；若連同ComfyUI官方封裝包、社群GGUF／量化版本及配套工具鏈一併計算，整體生態累計下載量約17.9萬次。HKGAI形容，這次突破意味開源AI音樂技術已成功打入全球第一梯隊，情況猶如DeepSeek當年對大語言模型帶來的震撼，YuE2亦為音樂界拉開開源社群崛起的序幕。
WildSongBench 基準評測數據榜，YuE2 (best-of-8) 在 SongBench Avg 綜合評分中奪得榜首
作為港產生成式人工智能的研發中心，HKGAI的研發範疇覆蓋語言、視覺及音訊等多個方向。除YuE2之外，中心亦持續在大語言模型、多模態理解及處理等領域輸出技術成果，建構全方位的AI技術體系。這次YuE2的發布，標誌著團隊在音訊生成領域取得突破性里程碑。
YuE2 音樂大模型架構示意圖，展示透過符號規劃與聲學渲染分離的混合專家模型設計，實現由 ABC 樂譜生成至 48 kHz 高保真音訊
技術層面上，YuE2的關鍵在於把「符號規劃（symbolic planning）」與「聲學渲染（acoustic rendering）」分拆處理，並藉混合專家模型達致極高的可控性與生成質素。在符號規劃與語義生成階段，先由自回歸（AR）專家（FFN）負責樂符規劃，透過因果自注意力（causal self-attention）模組自回歸地預測ABC格式樂譜，為歌曲長程創作搭建骨架與風格，再由另一組AR專家完成語義生成。聲學合成則採用流匹配（flow matching）平行預測聲學特徵（acoustic features）。至於波聲重建（vo-reconstruction），模型引入VAE解碼模組，還原48kHz高保真立體聲音訊。在推理生成階段，創作者可在每個步驟隨時介入調整。
有別於市面上「輸入提示詞即直接輸出音訊」的「黑盒」盲盒模式，YuE2採用高度透明的「白盒」創作邏輯。傳統生成方式猶如自動售賣機，使用者只能隨機抽樣；YuE2則更像一位專業音樂製作人，先繪製設計藍圖，再逐層建構，讓創作者可在任何環節精準修改。這意味創作者微調單一音符時，無須重做整首歌曲；要把搖滾轉為爵士風格，亦能完整保留原旋律。創作者只需下達「將第二段副歌升高兩個音」等指令，模型即可精準執行。官方一段示範中，以一首普通華語流行曲進行九輪對話式編輯——包括重新配和聲、改編曲、融入《小星星》旋律、發展變奏及改寫歌詞，最終精準蜕變為結構完整、編曲精緻的英文爵士樂曲。
YuE2把YuE1原有的基於語義（semantic）token、兩階段自回歸架構及模型擴展，成功提升至全新高度，令黑盒生成徹底轉變為透明可控的白盒操作。生成質素方面，YuE2支援中、英、日、韓、俄、西班牙等六種語言，涵蓋逾60種音樂流派（包括City Pop、重金屬、爵士及佛蘭明高等）。與此同時，YuE2宣佈開源，模型權重開放免費下載（僅限非商業用途）。使用者只需單張消費級顯示卡，即可於本地端執行，確保數據保留於本地裝置。團隊亦同步開源轉譜工具、音樂理解模型及評測基準，構建出「轉譜—創作—編輯—評測」的完整開源生態。
YuE2所展現的特質，與DeepSeek足以震撼AI行業之處如出一轍，主要體現在三方面。第一是打破閉源壟斷：作為開源模型，其核心指標已全面追平甚至超越頂尖商業閉源模型。第二是極致資源效益：以更小參數規模與更少硬件資源，達成優於大型模型的音樂生成能力。第三是主導權交還創作者：把音樂控制權由雲端服務商重新交回創作者手中。當AI音樂擺脱隨機抽卡的侷限，實現逐音符精準調控，AI音樂將不再限於娛樂試玩，而是正式跨入專業生產力工具的門檻，真正融入作曲、編曲與配樂等專業工作流程。HKGAI透過YuE2證明，開源社群具備觸及音樂AI最高水平的實力。音樂界DeepSeek時代的來臨，在於它將「打造頂級AI音樂」的能力，真正賦予每一位創作者。
YuE2開源項目入口與資源：項目主頁及原始碼（GitHub）：https://github.com/multimodal-art-projection/YuE
