Mind-Omni: A Unified Multi-Task Framework for Brain-Vision-Language Modeling via Discrete Diffusion
Mind-Omni：通过离散扩散实现脑-视觉-语言建模的统一多任务框架
Yizhuo Lu, Changde Du, Qingyu Shi, Hang Chen, Jie Peng, Liuyun Jiang, Shuangchen Zhao, Huiguang He
机构
*
NeuBCI Lab, State Key Laboratory of Brain Cognition
；
Brain-inspired Intelligence Technology, Institute of Automation, Chinese Academy of Sciences, Beijing, China
；
School of Future Technology, University of Chinese Academy of Sciences, Beijing, China
；
School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China
；
Zhongguancun Academy, Beijing, China
；
Peking University, Beijing, China
机构
*
School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）科学与工程学院）
；
Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong（香港中文大学机械与自动化工程系）
；
Shanghai AI Laboratory, Shanghai, China（上海人工智能实验室）
；
Nokia Bell Labs, Paris-Saclay, France（法国巴黎萨克雷诺基贝尔实验室）
TypedCSIP: Typed Counterfactual Pretraining for Chinese Legislative Conflict Classification
TypedCSIP：面向中国立法冲突分类的类型化反事实预训练
Yao Liu
机构
*
Chengdu University of Technology, Leshan, China（成都理工大学，乐山，中国）
；
School of Computer Sciences, Universiti Sains Malaysia, Penang, Malaysia（马来西亚理科大学计算机科学学院，槟城，马来西亚）
Virchow: A Million-Slide Digital Pathology Foundation Model
Virchow：百万级数字病理学基础模型
Eugene Vorontsov, Alican Bozkurt, Adam Casson, George Shaikovski, Michal Zelechowski, Siqi Liu, Kristen Severson, Eric Zimmermann, James Hall, Neil Tenenholtz, Nicolo Fusi, Philippe Mathieu, Alexander van Eck, Donghun Lee, Julian Viret, Eric Robert, Yi Kan Wang, Jeremy D. Kunz, Matthew C. H. Lee, Jan Bernhard, Ran A. Godrich, Gerard Oakley, Ewan Millar, Matthew Hanna, Juan Retamero, William A. Moye, Razik Yousfi, Christopher Kanan, David Klimstra, Brandon Rothrock, Thomas J. Fuchs
机构
*
Paige
；
Microsoft Research（微软研究院）
；
NSW Health Pathology（新南威尔士州卫生病理学）
；
St George Hospital（圣乔治医院）
；
Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心）
；
University of Rochester（罗切斯特大学）
Understanding Task Aggregation for Generalizable Ultrasound Foundation Models
理解可泛化超声基础模型的任务聚合
Fangyijie Wang, Tanya Akumu, Vien Ngoc Dang, Amelia Jiménez-Sánchez, Jieyun Bai, Guénolé Silvestre, Karim Lekadir, Kathleen M. Curran
机构
*
Research Ireland Centre for Research Training in Machine Learning Departament de Matem\`atiques i Inform\`atica, Universitat de Barcelona, Barcelona, Spain School of Medicine, University College Dublin, Dublin, Ireland School of Computer Science, University College Dublin, Dublin, Ireland Instituci\'o Catalana de Recerca i Estudis Avan c ats (ICREA) Department of Cardiovascular Surgery, The First Affiliated Hospital of Jinan University, Jinan University, Guangzhou, China Auckland Bioengineering Institute, University of Auckland, Auckland, New Zealand Equal contribution
Towards Understanding Self-Pretraining for Sequence Classification
向序列分类中的自预训练理解迈进
Omar Coser, Loredana Zollo, Paolo Soda, Antonio Orvieto
机构
*
Unit of Artificial Intelligence & Computer Systems, Università Campus Bio-Medico di Roma（人工智能与计算机系统单位，罗马生物医学学院）
；
Unit of Advanced Robotics and Human-Centered Technologies, Università Campus Bio-Medico di Roma（先进机器人与以人为本技术单位，罗马生物医学学院）
；
Department of Diagnostics and Intervention, Radiation Physics, Biomedical Engineering, Umeå University（诊断与介入部门，辐射物理，生物医学工程，乌梅拉大学）
；
Max Planck Institute for Intelligent Systems（智能系统马克斯·普朗克研究所）
；
ELLIS Institute Tübingen（图宾根ELLIS研究所）
；
Tübingen AI Center（图宾根人工智能中心）
Tadpole: Autoencoders as Foundation Models for 3D PDEs with Online Learning
Tadpole：用于3D偏微分方程的自动编码器作为基础模型的在线学习
Qiang Liu, Felix Koehler, Benjamin Holzschuh, Nils Thuerey
机构
*
TUM School of Computation, Information and Technology（慕尼黑技术大学计算、信息与技术学院）
；
Technical University of Munich, Garching, Germany（慕尼黑技术大学，慕尼黑，德国）
；
MCML, Munich Center for Machine Learning, Munich, Germany（慕尼黑机器学习中心，慕尼黑，德国）
When is Warmstarting Effective for Scaling Language Models?
何时在扩展语言模型时预热是有效的？
Neeratyoy Mallik, Maciej Janowski, Johannes Hog, Herilalaina Rakotoarison, Josif Grabocka, Frank Hutter, Aaron Klein
机构
*
University of Freiburg（弗赖堡大学）
；
Zuse School ELIZA（Zuse学校ELIZA）
；
University of Technology Nuremberg（努尔登堡技术大学）
；
University of Helsinki（赫尔辛基大学）
；
Prior Labs（Prior实验室）
；
ELLIS Institute Tübingen（图宾根ELLIS研究所）
机构
*
Saw Swee Hock School of Public Health, National University of Singapore（新加坡国立大学 Saw Swee Hock 公共卫生学院）
；
Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所）
；
Guangzhou Research Translation and Innovation Institute, National University of Singapore（新加坡国立大学广州研究翻译与创新研究所）
；
College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
；
Beijing Key Laboratory of Brainnetome and Brain-Computer Interface, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所脑网络与脑机接口重点实验室）
；
Brainnetome Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所脑网络中心）
Decoding Dynamic Visual Experience from Calcium Imaging via Cell-Pattern-Aware Pretraining
通过细胞模式感知预训练解码动态视觉体验
Sangyoon Bae, Mehdi Azabou, Blake Richards, Jiook Cha
机构
*
Interdisciplinary Program in Artificial Intelligence（人工智能跨学科项目）
；
Seoul National University（首尔国立大学）
；
NSF AI Institute for Artificial and Natural Intelligence (ARNI)（国家科学基金会人工智能与自然智能研究院）
；
Columbia University（哥伦比亚大学）
；
Mila (Quebec AI Institute)（蒙特利尔人工智能研究所）
；
Dept. of Neurology & Neurosurgery（神经病学与神经外科系）
；
McGill University（麦吉尔大学）
；
Montreal Neurological Institute, McGill University（麦吉尔大学蒙特利尔神经科学研究所）
；
School of Computer Science, McGill University（麦吉尔大学计算机科学学院）
；
Learning in Machines and Brains Program, CIFAR（机器与大脑学习计划，CIFAR）
；
Department of Psychology（心理学系）
；
Department of Brain and Cognitive Sciences（脑与认知科学系）
Mind the Gap? A Distributional Comparison of Real and Synthetic Priors for Tabular Foundation Models
注意差距？对现实和合成先验的分布比较用于表格基础模型
Alex O. Davies, Telmo de Menezes e Silva Filho, Nirav Ajmeri
机构
*
School of Geographical Sciences University of Bristol, UK（布里斯托尔大学地理科学学院）
；
School of Engineering Mathematics and Technology University of Bristol, UK（布里斯托尔大学工程数学与技术学院）
；
School of Computer Science University of Bristol, UK（布里斯托尔大学计算机科学学院）
CommentsAccepted for presentation at IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Synthetic Data for Computer Vision Workshop (SynData4CV) 2026
Foundation Models for Discovery and Exploration in Chemical Space
化学空间发现与探索中的基础模型
Alexius Wadell, Anoushka Bhutani, Victor Azumah, Austin R. Ellis-Mohr, Andrew J. Stier, Kareem Hegazy, Alexander Brace, Hancheng Zhao, Celia Kelly, Anuj K. Nayak, Yuhan Chen, Dimitrios Simatos, Hongyi Lin, Murali Emani, Venkatram Vishwanath, Kevin Gering, Melisa Alkan, Tom Gibbs, Jack Wells, Wesley W. Qian, Richard C. Gerkin, Benjamin Amorelli, Alexander B. Wiltschko, Lav R. Varshney, Bharath Ramsundar, Karthik Duraisamy, Michael W. Mahoney, Arvind Ramanathan, Venkatasubramanian Viswanathan
机构
*
Department of Mechanical Engineering, University of Michigan（密歇根大学机械工程系）
；
Department of Chemical Engineering, University of Michigan（密歇根大学化学工程系）
；
Department of Electrical and Computer Engineering, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校电子与计算机工程系）
；
The Santa Fe Institute（圣菲研究所）
；
International Computer Science Institute（国际计算机科学研究所）
；
Department of Statistics, University of California, Berkeley（加州大学伯克利分校统计学系）
；
Department of Computer Science, University of Chicago（芝加哥大学计算机科学系）
；
Argonne National Laboratory（阿贡国家实验室）
；
Idaho National Laboratory（爱达荷国家实验室）
；
NVIDIA Corporation（英伟达公司）
；
Osmo Labs, PBC
；
AI Innovation Institute, Stony Brook University（石溪大学AI创新研究所）
；
Brookhaven National Laboratory（布鲁赫斯研究所）
；
Deep Forest Sciences, Palo Alto, CA（帕洛阿尔托的Deep Forest Sciences）
；
Department of Aerospace Engineering, University of Michigan（密歇根大学航空航天工程系）
；
Lawrence Berkeley National Laboratory（伯克利劳伦斯国家实验室）
