Intel（英特尔）

VGGT-Edit: Feed-forward Native 3D Scene Editing with Residual Field Prediction

VGGT-Edit：基于残差场预测的前馈原生3D场景编辑

Kaixin Zhu, Yiwen Tang, Yifan Yang, Renrui Zhang, Bohan Zeng, Ziyu Guo, Ruichuan An, Zhou Liu, Qizhi Chen, Delin Qu, Jaehong Yoon, Wentao Zhang

机构 * Peking University（北京大学） ； Tencent（腾讯） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai AI Lab（上海人工智能实验室） ； NTU Singapore（新加坡国立大学） ； Zhongguancun Academy（中关村学院） ； Beijing Key Lab of Data Intel. & Security (PKU)（北京数据智能与安全实验室（北京大学）） 纠错

AI总结 本文提出VGGT-Edit，一种基于文本条件的前馈原生3D场景编辑框架，通过引入深度同步文本注入和残差变换头，实现高质量的3D场景编辑，同时构建DeltaScene数据集以提升编辑效果和推理速度。

BERTO: Intent-Driven Network Time Series Forecasting via Natural Language Operator Preferences

BERTO：通过自然语言运算偏好进行意图驱动的网络时间序列预测

Nitin Priyadarshini Shankar, Vaibhav Singh, Sheetal Kalyani, Christian Maciocco

机构 * Intel Labs（英特尔实验室） ； Indian Institute of Technology Madras（印度理工学院马德拉斯分校） 纠错

AI总结 BERTO通过自然语言运算偏好进行意图驱动的网络时间序列预测，利用BERT框架实现交通预测和能耗优化，结合平衡损失函数和提示条件，使模型能够根据运营商需求动态调整预测偏差，实现灵活的决策感知预测。

Comments 7 pages, 3 figures, 2 tables