大厂专区
SuperGen: 一种高效的超高清视频生成系统，支持草图和分块
机构 * Rice University（里士满大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Texas A&M University（德克萨斯农工大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cisco（思科公司） ； NVIDIA（英伟达公司） ； University of Washington（华盛顿大学）
AI总结 SuperGen通过分块技术实现高效超高清视频生成，无需额外训练，降低计算和内存成本，提升生成速度和质量。
Dora：面向分布式边缘AI的QoE感知混合并行ism
机构 * Northwestern University（西北大学） ； University of California, Riverside（加州大学河滨分校） ； Cisco Research（思科研究）
AI总结 Dora通过QoE感知的混合并行框架，优化边缘AI的分布式训练和推理，提升执行效率并降低能耗。
ProSocialAlign：语言模型中的偏好条件测试时间对齐
机构 * Cisco Research（思科研究） ； Indian Institute of Technology Kharagpur（印度理工学院卡里格普尔分校） ； Eindhoven University of Technology, Netherlands (TU/e)（埃因霍温理工大学（荷兰））
AI总结 ProSocialAlign通过测试时间参数高效方法，在不重新训练模型的情况下，引导生成安全、富有同理心且价值观一致的响应，提升语言模型的安全性和对齐性。
SAE-SSV: 在稀疏表示空间中进行监督引导以可靠控制语言模型
机构 * NJIT（新 jersey 理工学院） ； Rutgers University（罗格斯大学） ； Cisco（思科公司）
AI总结 SAE-SSV通过在稀疏表示空间中训练监督引导向量，实现对语言模型行为的可靠控制，提高了生成任务的成功率和可解释性。
Comments Accepted by EMNLP 2025
具有优化确定等价的风险厌恶约束强化学习
机构 * Yale University（耶鲁大学） ； King’s College London（伦敦国王学院） ； Cisco Systems Inc.（思科系统公司）
AI总结 本文提出一种基于优化确定等价的风险厌恶约束强化学习框架，通过增强鲁棒性和算法收敛性，提升高风险环境下的决策可靠性。
Comments NeurIPS 2025
运动提线木偶：通过先验引导重新思考刚体运动迁移
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Cisco Research（思科研究）
AI总结 Motion Marionette通过内部先验引导刚体运动迁移，实现跨物体的高效可控视频生成。
思科时间序列模型技术报告
机构 * Cisco（思科）
AI总结 思科提出一种多分辨率时间序列模型，通过改进解码器结构，实现对多分辨率输入的处理，提升长上下文预测性能。
在视觉语言模型中实现工具集成推理的规模化代理强化学习
机构 * Virginia Tech（弗吉尼亚理工大学） ； Emory University（埃默里大学） ； KAUST（阿联酋卡塔尔大学） ； Georgia Tech（佐治亚理工学院） ； Cisco（思科系统） ； TAMU（德克萨斯大学奥斯汀分校） ； UT Southwestern Medical Center（德克萨斯西南医学中心） ； Eigen AI
AI总结 本文提出VISTA-Gym，通过多轮轨迹采样和端到端强化学习，提升视觉语言模型的工具集成推理能力，在多个基准测试中取得显著优势。
Comments 17 pages, 9 figures, work in progress
MAIF：基于 artifacts 的代理范式强化 AI 可信度与溯源
机构 * Security Researcher Cisco（安全研究员 希思科） ； Researcher OWASP/Project Kuiper Security（研究员 OWASP/项目 Kuiper 安全） ； Adversarial AI Security Research Cisco（对抗性AI安全研究 希思科）
AI总结 MAIF 通过以 artifacts 为中心的代理范式，解决 AI 的可信度、安全性和问责问题，实现数据的主动信任执行和高效处理。
Comments 7 Pages, 2 Figures, 6 Tables, Repo: https://github.com/vineethsai/maifscratch-1, Added additional Author and fixed Citations
机构 * University of Dhaka（达卡大学） ； University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） ； Cisco Systems（思科系统） ； BanglaLLM ； Maharishi International University（玛哈里希国际大学） ； Unityflow AI
Comments Accepted to BLP at AACL-IJCNLP 2025
机构 * UCSC（加州大学圣何塞分校） ； UCSB（加州大学圣芭芭拉分校） ； UCB（加州大学伯克利分校） ； Cisco Research（思科研究） ； Yale University（耶鲁大学）
机构 * UC Santa Cruz（加州大学圣克ruz分校） ； UC Santa Barbara（加州大学圣芭芭拉分校） ； UC Berkeley（加州大学伯克利分校） ； Cisco Research（思科研究）
机构 * Department of Computer Science, Iowa State University, Ames, IA, USA（伊阿华州立大学计算机科学系） ； Mako AI, USA（Mako AI公司） ； Argonne National Laboratory, USA（阿贡国家实验室） ； Code Metal, USA（Code Metal公司） ； Intel Labs, USA（英特尔实验室） ； Cisco Outshift, USA（Cisco Outshift公司）
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Foundation AI–Cisco Systems Inc.（Foundation AI–Cisco 系统公司） ； Yale University（耶鲁大学）
Comments 37 images, 7 figures, and 15 tables
机构 * Virginia Tech（弗吉尼亚理工大学） ； Cisco Research（思科研究）
Comments The 2025 Conference on Empirical Methods in Natural Language Processing
机构 * Cisco AI Threat Research & Security（思科AI威胁研究与安全）
机构 * Virginia Tech（弗吉尼亚理工大学） ； Cisco Research（思科研究）
Comments The Thirty-ninth Annual Conference on Neural Information Processing Systems
机构 * University of Cagliari（卡利亚里大学） ； Centre for AI Governance（人工智能治理中心） ； Foundation AI – Cisco Systems Inc.（AI基金会——思科系统公司）
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Adobe Research（Adobe研究） ； University of Oregon（俄勒冈大学） ； Cisco AI Research（思科人工智能研究）
机构 * Collaboration AI, Cisco Systems, Inc.（Collaboration AI，Cisco系统公司） ； Hebrew University of Jerusalem, Israel（耶路撒冷希伯来大学） ； University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University, United States（卡内基梅隆大学）
机构 * University of Pittsburgh（匹兹堡大学） ； Cisco Research（思科研究）
机构 * McGill University（麦吉尔大学） ； Cisco（思科） ； Princeton University（普林斯顿大学）
Comments Updated to include information on newly implemented assets, new experimental results (both simulation and real world), and additional features including material and dynamics parameters
机构 * University of Minnesota（明尼苏达大学） ； Cisco Research（思科研究） ； Stony Brook University（石溪大学） ； University of Chicago（芝加哥大学） ； University of Michigan（密歇根大学）
机构 * University of Connecticut（康涅狄格大学） ； Cisco Research（思科研究） ； Illinois Institute of Technology（伊利诺伊理工学院）
Comments Accepted by CSF 2026, 39th IEEE Computer Security Foundations Symposium
机构 * University of Minnesota（明尼苏达大学） ； Texas A&M University（德克萨斯农工大学） ； CISCO Research（思科研究）
机构 * The Ohio State University（俄亥俄州立大学） ； Dolby Laboratories（杜比实验室） ； Cisco Systems（思科系统）
Comments ICLR 2025 Camera Ready Version
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Project Iceberg ； Cisco（思科）
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Cisco Research（思科研究）
机构 * Cisco Systems（思科系统）
机构 * School of Computer Science, Georgia Institute of Technology, USA（计算机科学系，佐治亚理工学院，美国） ； CISCO Research, USA（思科研究，美国）
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈