Harbin Institute of Technology（哈尔滨工业大学）

Optimizing Soft Prompt Tuning via Structural Evolution

通过结构进化优化软提示微调

Zhenzhen Huang, Chaoning Zhang, Haoyu Bian, Songbo Zhang, Chi-lok Andy Tai, Jiaquan Zhang, Caiyan Qin, Jingjing Qu, Yalan Ye, Yang Yang, Heng Tao Shen

机构 * School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； College of Professional and Continuing Education, The Hong Kong Polytechnic University（香港理工大学专业及继续教育学院） ； School of Robotics and Advanced Manufacture, Harbin Institute of Technology（哈尔滨工业大学机器人与先进制造学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） 纠错

AI总结 本文提出基于拓扑形态演化的软提示微调优化方法，通过拓扑持久同调量化结构表示，改进模型收敛速度和微调性能，提升可解释性。

Comments This manuscript has been submitted to IEEE Transactions on Knowledge and Data Engineering (TKDE) for peer review

A Survey: Spatiotemporal Consistency in Video Generation

综述：视频生成中的时空一致性

Zhiyu Yin, Kehai Chen, Xuefeng Bai, Ruili Jiang, Juntao Li, Hongdong Li, Jin Liu, Yang Xiang, Jun Yu, Min Zhang

机构 * School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）计算机科学与技术学院） ； School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院） ； Peng Cheng Laboratory（鹏城实验室） ； School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） 纠错

AI总结 本文综述了视频生成中时空一致性的最新进展，涵盖生成模型、特征表示、训练策略等，探讨了未来研究方向和挑战。

Geometric Neural Operators via Lie Group-Constrained Latent Dynamics

通过李群约束的潜在动态实现几何神经算子

Jiaquan Zhang, Fachrina Dewi Puspitasari, Songbo Zhang, Yibei Liu, Kuien Liu, Caiyan Qin, Fan Mo, Peng Wang, Yang Yang, Chaoning Zhang

机构 * School of Information and Software Engineering, University of Electronic Science and Technology of China（信息与软件工程学院，电子科学与技术大学） ； Computer Science and Engineering, University of Electronic Science and Technology of China（计算机科学与工程，电子科学与技术大学） ； Institute of Software Chinese Academy of Sciences, Beijing, China（软件研究所，中国科学院） ； School of Robotics and Advanced Manufacture, Harbin Institute of Technology, Shenzhen, China（机器人与先进制造学院，哈尔滨工业大学（深圳）） ； Department of Computer Science, University of Oxford, Oxford, United Kingdom（计算机科学系，牛津大学） 纠错

AI总结 本文提出了一种基于李群约束的潜在动态方法，用于改进神经算子的几何诱导偏差，从而提高长期预测的保真度。

Rethinking Input Domains in Physics-Informed Neural Networks via Geometric Compactification Mappings

重新思考物理信息神经网络中的输入域 via 几何紧致化映射

Zhenzhen Huang, Haoyu Bian, Jiaquan Zhang, Yibei Liu, Kuien Liu, Caiyan Qin, Guoqing Wang, Yang Yang, Chaoning Zhang

机构 * School of Information and Software Engineering, University of Electronic Science and Technology of China（信息与软件工程学院，电子科学与技术大学） ； Computer Science and Engineering, University of Electronic Science and Technology of China（计算机科学与工程，电子科学与技术大学） ； Institute of Software Chinese Academy of Sciences, Beijing, China（软件研究所，中国科学院北京） ； School of Robotics and Advanced Manufacture, Harbin Institute of Technology, Shenzhen, China（机器人与先进制造学院，哈尔滨工业大学深圳） 纠错

AI总结 本文提出GC-PINN框架，通过几何紧致化映射策略解决物理信息神经网络中输入域几何错位导致的收敛问题，提升训练稳定性与解精度。