大模型对齐与安全

VideoRAE: Taming Video Foundation Models for Generative Modeling via Representation Autoencoders

VideoRAE：通过表示自动编码器驯服用于生成建模的视频基础模型

Zhihao Xie, Junfeng Wu, Xinting Hu, Junchao Huang, Li Jiang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Huazhong University of Science and Technology（华中科技大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 研究视频生成模型潜在空间问题，提出VideoRAE，利用冻结视频基础编码器特征经1D自注意力投影仪压缩，支持多种潜在空间，通过多码本高维量化等实现强大重建，收敛快，验证了冻结VFM表示的有效性。

Comments Home page: https://zhxie0117.github.io/VideoRAE

WAVE-Stereo: Warp-Aligned Volume Encoding for Stereo Matching

WAVE-Stereo：用于立体匹配的扭曲对齐体素编码

Zehan Liu, Yage He, Xianwu Gong

专题命中 其他安全 ：alignment(abstract)

AI总结 研究提出WAVE-Stereo立体匹配方法，基于相关体与特征扭曲互补线索，通过地理扭曲对应编码器并行编码多信息，用周期性全局上下文传播减轻无纹理区匹配退化，在多基准测试中实现精度与效率良好平衡。

Can LLMs Learn and Apply Multi-Level Modelling Semantics? A First Empirical Study

大语言模型能否学习并应用多层次建模语义？首次实证研究

Yuhong Fu, Weixing Zhang, Bowen Jiang, Haowei Cheng, Karamjti Kaur, Markus Stumptner

专题命中 其他安全 ：alignment(abstract)

AI总结 研究大语言模型能否学习应用多层次建模语义，通过让三种商业大语言模型在六种提示策略下为挑战生成模型并与参考对比，发现句法正确性可及，语义正确性部分实现，明确能力边界，为工业5.0建模工作流设计提供参考。

Track and Caption Any Motion: Open-Vocabulary Spatiotemporal Captioning via Trajectory-Conditioned Generation

跟踪并描述任何运动：通过轨迹条件生成实现开放词汇时空字幕

Bishoy Galoaa, Sarah Ostadabbas

机构 * Northeastern University（东北大学） 纠错

专题命中 其他安全 ：alignment(abstract)

AI总结 研究提出TCAM框架，无需文本查询和区域提示，通过字幕感知重采样器在点粒度结合跟踪与语言，用现有分割注释训练，能描述视频中运动、定位时间及轨迹，优于密集视频字幕基线，匹配相关方法，为运动驱动视频理解提供新途径。