Aura · 时间线

EventVGGT: 探索跨模态蒸馏以实现一致的事件深度估计

提出EventVGGT，通过三级跨模态蒸馏从VGGT提取时空与几何先验，事件深度估计误差降低53%以上。

The Power of Backdoor Absorption in Community Training

G-ZAP: 可泛化的零样本任意尺度全色锐化框架

提出G-ZAP零样本框架，实现任意尺度全色锐化，跨场景泛化，支持权重重用，性能SOTA。

优化几何动力学：动态几何优化的框架

提出优化几何动力学框架，将优化视为参数、分布和度量的耦合演化，定义动态几何复杂度。

雨滴与反射的统一去除：新基准与新流程

定义统一去除雨滴反射任务，构建真实数据集，提出扩散框架实现最优性能。

CompDiff：面向公平与零样本交叉医学图像生成的层次化组合扩散

CompDiff通过层次化分解人口条件，实现零样本交叉泛化，提升医学图像生成公平性与质量。

宏观经济消息传递用于预测外汇体制变化：一种基于图Tsetlin机器的深度逻辑学习方法

利用图Tsetlin机器和宏观经济消息传递，预测美元/日元汇率体制变化，构建可解释逻辑子句。

非文本目标攻击

提出非文本约束目标攻击(NTA)，最大化LLM输出不安全概率，仅100次迭代攻击成功率96.8%，远超现有梯度攻击。

L-GTA：用于时间序列增强的潜在生成建模

提出基于变分自编码器与Bi-LSTM的L-GTA模型，通过潜在空间扰动实现可控增强，预测误差比最强生成方法降低26%。

理解具有平滑激活函数的两层神经网络

提出四个核心原理，揭示平滑函数两层网络的训练解与黑箱秘密，证明通用逼近。

通过隐式时间步进快速学习软体机器人控制

隐式时间步进结合增量曲率控制，实现软体机器人快速策略学习，速度提升达40倍且精度不降。

使用差异感知特征的部署风险评估：Prime Video案例研究

提出基于差异感知特征的部署风险框架，用LLM提取多语言特征，在Prime Video和ApacheJIT数据集上达0.83召回率和0.81F1值，发现代码结构复杂度比行数变化更有效。

先验感知与上下文引导的组采样用于主动概率子采样

提出PGA-DPS，融合先验和组采样优化主动子采样，在分类、重建、分割任务上超越现有方法。

FDRMFL: 基于信息最大化与对比学习的多模态联邦特征提取模型

提出FDRMFL框架，通过互信息、KL散度和对比损失联合优化，在非IID联邦回归中有效提取多模态特征，均方误差降低33.8%。

从内容到受众：面向广播电视分析的多模态标注框架

提出多模态标注框架，评估九种前沿模型在意大利电视新闻中的语义标注，并整合收视数据揭示受众敏感性与代际差异。

FMMC：利用基础模型实现精确的材料分类

提出FMMC框架，通过生成高质量材料图像与融合视觉语言模型先验，突破数据瓶颈，显著提升材料分类精度。

HiMoE-VLA：面向通用视觉-语言-动作策略的分层混合专家模型

HiMoE-VLA用分层混合专家模块处理异构数据，将负迁移转为正迁移，在多项任务上取得领先性能。

MegaFlow：零样本大位移光流

MegaFlow利用预训练全局ViT特征实现全局匹配与轻量细化，在零样本大位移光流上达到SOTA，并具强迁移性。

张量列扩散：利用低秩结构进行高维基于分数的采样

提出基于函数张量列格式的HJB方程求解器，利用低秩结构高效近似高维函数，实现快速鲁棒采样。

LHM-Humanoid: 杂乱场景中连续物体运输的长周期人体运动控制

提出双控制器与对抗性先验，实现无重置连续抓取-搬运-放置，成功率显著优于现有方法。

CaLiSym：通过结构化正则提升学习真实世界系统的辛动力学

CaLiSym框架通过结构化正则提升将精确辛学习扩展到含驱动耗散的真实系统，实现保几何的高效动力学预测。

GP-4DGS: 基于变分高斯过程的单目视频概率4D高斯溅射

提出GP-4DGS框架，利用变分高斯过程实现动态场景概率建模，量化运动不确定性并提升重建质量。

TIR-Agent：训练探索性与高效的图像恢复智能体

TIR-Agent通过监督微调与强化学习训练，结合随机扰动和自适应奖励，实现高效决策，推理加速2.5倍，超越12个基线。

强化学习的数学方法

综述强化学习数学基础，涵盖MDP、Bellman算子、优化及函数逼近，提供统一数学入口。

AlloSR²：通过同质异构生成流修正一步超分辨率以保持真实感

提出AlloSR²框架，利用SNR引导初始化与流锚定一致性，实现一步真实超分辨率，平衡保真与真实感。

Flow-ERD：面向多样交通仿真的智能体类型感知流匹配与熵正则化蒸馏

Flow-ERD结合类型感知流匹配与熵正则化蒸馏，兼顾真实性与多样性，在WOSAC测试中排名第一。

HiDVFS：面向实时OpenMP DAG工作负载的分层多智能体DVFS

提出分层多智能体DVFS调度器，通过智能体协作实现2.83倍加速和32.9%节能，多平台验证有效。

EgoExoMem：基于同步第一人称和第三人称视频的跨视角记忆推理

提出跨视角记忆推理基准EgoExoMem及无训练帧选择法E²-Select，最佳模型仅55.3%，新方法达58.2%。

我们真的能学习一个表示来优化所有奖励吗？

提出FB改进变体，收敛误差小10^5倍，零样本性能提升24%。

张量化算法与隐马尔可夫及因子隐马尔可夫模型的可扩展滤波方法

利用张量代数直接处理fHMM多维结构，显著提升滤波效率，实现大规模时序数据高效分析。

ButterflyMoE：通过结构化蝴蝶轨道实现压缩可扩展的三值专家

ButterflyMoE用共享三值原型加旋转实现专家多样化，8专家压缩80倍，256专家压缩150倍，内存效率远超基线。

寻找随机凸问题的驻点

针对随机凸优化提出更强驻点准则（次微分含小元素），通过维数理论分解次微分图并随机采样保留片段，实现近似近端点方法求解。

面向医疗系统规模的非结构化临床笔记语义搜索

医疗系统规模语义搜索技术可行，月成本约4000美元，亚秒级延迟，准确率94.6%，临床效率提升24%-89%。

使用大规模干预模拟为AI政策评估提供信息

通过遗传算法模拟，结合参与式与专家评估，探索AI政策组合，助力决策者平衡成本与危害减轻。

基于LLM信息辅助的模型规划与提示选择在部分已知环境中的物体搜索

提出LLM辅助模型规划与提示选择方法，结合概率估计与成本优化，实现高效物体搜索，实验提升显著。

从节拍到泄露：攻击性AI如何从播放列表推断敏感用户信息

开发musicPIIrate工具，利用深度学习从播放列表高精度推断用户隐私，提出JamShield防御框架降低10%推理F1分数。

基于逐层参数调优的最优FALQON量子近似优化方法

提出Optimal FALQON，优化每层时间步长与缩放因子，显著提升成功概率和效率，并为QAOA提供更优初始参数。

面向“短训练、长测试”泛化的快慢潜递归探索

提出持久快慢潜递归，通过权重共享状态更新提升短训练长测试的泛化，优于递归和Transformer基线。

CogAdapt：适配临床心电图基础模型用于可穿戴认知负荷评估

提出CogAdapt框架，通过LeadBridge适配器与ProFine微调，将临床心电图模型用于可穿戴认知负荷评估，F1提升11-16个百分点。

结构化信念状态与首个精度感知的LLM记忆检索基准

现有记忆基准只评估答案质量，忽略检索精度；新基准与结构化代理揭示并解决精度漏洞。

无保真度的多样性：多智能体LLM谈判模拟中的求解器-采样器错配

推理模式增加谈判多样性却未改变失败结局，而智能体自记笔记才能促成协议，保真度测试不可依赖求解能力。

DASH：动态音频驱动的语义分块实现高效全模态令牌压缩

DASH利用音频语义动态分块与三重信号重要性估计，实现高效令牌压缩，在多个基准上保持高精度并达到更高压缩比。

NeuralMUSIC: 一种用于机器人声源定位的混合神经子空间框架

提出NeuralMUSIC混合框架，结合神经网络与经典MUSIC及自监督学习，提升机器人声源定位的鲁棒性和泛化能力。

Polycepta：面向多目标跟踪的以对象为中心的外观估计

Polycepta将外观估计转为递归问题，持续更新对象表征，减少身份切换，KITTI上达92.27% MOTA，速度90.57Hz。

超越可教：智能视觉生成的知识边界演化

构建新基准揭示生成器知识瓶颈，提出“先教后搜”协同训练，实现知识边界可发现与递归改进。

变异性何去何从？从氛围编码到再生产品线

AI生成代码中变异性几乎为零，提出VbR：LLM按规范生成无死代码二进制，变异性应属规范而非代码。

Wan-Streamer v0.2：更高分辨率，相同延迟

Wan-Streamer v0.2提升交互流至640x368分辨率，保持约200ms延迟，采用单GPU思考者与多GPU执行者架构，总延迟约550ms。