Fudan University（复旦大学）

Explicit Kinematic Guidance from Analytic Concepts for Vision-Language-Action Models

面向视觉-语言-动作模型的来自解析概念的显式运动学引导

Mingyang Sun, Jiude Wei, Xiujian Liang, Qichen He, Donglin Wang, Cewu Lu, Jianhua Sun

机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； Westlake University（西湖大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 该研究针对视觉-语言-动作模型忽略3D物体结构信息的缺陷，构建概念专家模块生成解析概念，通过双阶段机制提供显式引导，提升了模型的操作成功率与学习效率。

Eddeep: a deep-learning framework for fast eddy-current distortion correction in diffusion MRI

Eddeep：用于扩散MRI中快速涡流畸变校正的深度学习框架

Antoine Legouhy, Ross Callaghan, Yuchuan Qiao, Whitney Stee, Philippe Peigneux, Hojjat Azadbakht, Hui Zhang

机构 * Hawkes Institute（霍克斯研究所） ； University College London（伦敦大学学院） ； Institut Pasteur（巴斯德研究所） ； Université Paris Cité（巴黎西岱大学） ； AINOSTICS ltd.（AINOSTICS有限公司） ； Fudan University（复旦大学） ； Université Libre de Bruxelles (ULB)（布鲁塞尔自由大学） ； University of Liège (ULiège)（列日大学） 纠错

AI总结 本研究针对dMRI中涡流畸变校正方法计算成本高的问题，提出深度学习框架Eddeep，其通过两阶段网络实现与FSL Eddy相当的校正质量，同时大幅缩短推理时间，为大规模研究和临床部署提供支持。

Comments Associated GitHub repo: https://github.com/CIG-UCL/eddeep

Beyond Block Boundaries: Multi-Block Editing for Diffusion Large Language Models

超越块边界：扩散大语言模型的多块编辑

Xingyu Mou, Zijin Huang, Tianze Zhang, Yuxin Ma, Lanning Wei, Zengfeng Huang, Da Zheng, Lun Du

机构 * Ant Group（蚂蚁集团） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新院） 纠错

AI总结 研究针对块扩散语言模型的块边界问题，提出多块编辑（MBE）方法。通过无需训练的解码算法编辑前序块令牌，引入监督微调策略，扩展SGLang提升效率。实验表明该方法在保持吞吐量时优于基线，在长程一致性任务上有显著性能提升。

SkillCAT: Contrastive, Assessment-Augmented and Topology-AwareSkill Self-Evolution for LLM Agents

SkillCAT: 面向LLM智能体的对比评估与拓扑感知技能自进化

Kunfeng Chen, Qihuang Zhong, Juhua Liu, Bo Du

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； School of Computer Science, Fudan University（复旦大学计算机学院） 纠错

AI总结 提出SkillCAT框架，通过对比因果提取、评估增强进化和拓扑感知任务执行三阶段，实现无需训练的LLM智能体技能自进化，在多个基准上平均提升高达40.40%。

Comments 9 pages, 4 figures

RA-Det: Towards Universal Detection of AI-Generated Images via Robustness Asymmetry

RA-Det：通过鲁棒性不对称性实现对AI生成图像的通用检测

Xinchang Wang, Yunhao Chen, Yuechen Zhang, Congcong Bian, Zihao Guo, Xingjun Ma, Hui Li

机构 * Jiangnan University（江南大学） ； Fudan University（复旦大学） 纠错

AI总结 RA-Det通过鲁棒性不对称性检测AI生成图像，实现通用且高效的检测方法。