EGLOCE: Training-Free Energy-Guided Latent Optimization for Concept Erasure
EGLOCE：无需训练的能量引导潜在优化用于概念擦除
机构 * KAIST AI（韩国科学技术院人工智能） ； Hanyang University（汉阳大学）
AI总结 EGLOCE通过在推理过程中重新定向噪声潜在变量，实现无需训练的概念擦除，结合排斥能量和保留能量，提升图像质量和提示对齐性。
高校专区
Korea Advanced Institute of Science and Technology（韩国科学技术院）
PerMix-RLVR: Preserving Persona Expressivity under Verifiable-Reward Alignment
PerMix-RLVR: 在可验证奖励对齐下保持人物表达性
机构 * KAIST AI（韩国科学技术院人工智能系） ； Samsung Advanced Institute of Technology（三星高级技术研究院） ； Seoul National University（首尔国立大学）
AI总结 本文提出PerMix-RLVR方法，通过训练阶段处理人物敏感性，平衡模型在不同人物设定下的鲁棒性和表现真实性，提升任务性能和人物表达 fidelity。
Comments Preprint
SAT: Selective Aggregation Transformer for Image Super-Resolution
SAT：用于图像超分辨率的选择性聚合变换器
机构 * School of Computing, KAIST, Republic of Korea（韩国科学技术院计算机学院）
AI总结 本文提出SAT变换器，通过选择性聚合关键值矩阵，减少计算复杂度并扩大模型感受野，实现高效且高质量的图像超分辨率。
Comments Accepted to CVPR2026 (Findings Track)
Tiled Prompts: Overcoming Prompt Misguidance in Image and Video Super-Resolution
分块提示：克服图像和视频超分辨率中的提示误导
机构 * KAIST AI（韩国科学技术院人工智能学院）
AI总结 本文提出Tiled Prompts框架，通过为每个潜在块生成特定提示，解决传统全局提示在超分辨率中的误导问题，提升图像和视频的感知质量和真实性。
Comments 29 pages, 8 figures
GL-LowPopArt: A Nearly Instance-Wise Minimax-Optimal Estimator for Generalized Low-Rank Trace Regression
GL-LowPopArt：一种近似实例最优的广义低秩迹回归估计器
机构 * KAIST AI（韩国科学技术院人工智能系） ； CAU AI（中央大学人工智能系） ； POSTECH CSE/AI（浦项工业大学计算机科学与工程/人工智能系） ； LSE Statistics（伦敦政治经济学院统计学系）
AI总结 本文提出GL-LowPopArt估计器，结合核范数正则化与矩阵Catoni估计，改进了广义低秩迹回归的误差界，并引入了新的实验设计目标GL(π)。
Comments AISTATS 2026 (58 pages, 2 tables, 1 figure) (ver5: fixed some stuff from camera-ready version, significant revisions)
Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment
链式放大：通过尺度自回归和偏好对齐实现极端超分辨率
机构 * KAIST AI（韩国科学技术院人工智能系）
AI总结 本文提出Chain-of-Zoom框架，通过自回归链和多尺度提示实现极端超分辨率，利用GRPO优化文本提示对齐人类偏好，实验显示标准4x扩散模型在CoZ下可实现256倍以上高质量放大。
Comments NeurIPS 2025 (Spotlight)
