Korea Advanced Institute of Science and Technology（韩国科学技术院）

Avatar Forcing: Real-Time Interactive Head Avatar Generation for Natural Conversation

Avatar Forcing：用于自然对话的实时交互式头部化身生成

Taekyung Ki, Sangwon Jang, Jaehyeong Jo, Jaehong Yoon, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） ； NTU Singapore（新加坡国立大学） ； DeepAuto.ai 纠错

AI总结 提出Avatar Forcing框架，通过扩散强制实现实时交互式头部化身生成，利用直接偏好优化进行无标签学习，在低延迟（约500ms）下生成富有表现力的反应动作。

Comments CVPR 2026. Project page: https://taekyungki.github.io/AvatarForcing/

NOS-Gate: Queue-Aware Streaming IDS for Consumer Gateways under Timing-Controlled Evasion

NOS-Gate: 面向消费网关的时序控制规避下队列感知流式入侵检测系统

Muhammad Bilal, Omer Tariq, Hasan Ahmed

机构 * School of Computing and Communications, Lancaster University（计算与通信学院，兰卡斯特大学） ； School of Computing, Korea Advanced Institute of Science and Technology（计算学院，韩国科学技术院） 纠错

AI总结 提出一种轻量级流式入侵检测系统NOS-Gate，基于网络优化脉冲动力学和K-of-M持久规则，在时序控制规避下实现高召回率低延迟的加密流量元数据检测。

Comments 9 pages, 3 figures, 4 tables. M. Bilal, O. Tariq and H. Ahmed, "NOS-Gate: Queue-Aware Streaming IDS for Consumer Gateways under Timing-Controlled Evasion," in IEEE Transactions on Consumer Electronics, doi: 10.1109/TCE.2026.3682516

SpeedAug: Policy Acceleration via Tempo-Enriched Policy and RL Fine-Tuning

SpeedAug: 通过节奏增强策略和强化学习微调实现策略加速

Taewook Nam, Junmo Cho, Youngsoo Jang, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） ； UNIST（全南大学） ； DeepAuto.ai 纠错

AI总结 提出SpeedAug框架，通过节奏增强先验策略和强化学习微调，使机器人策略学习任务最优执行节奏，在保持高成功率的同时显著提升执行速度和样本效率。

T1: Tool-integrated Verification for Test-time Compute Scaling in Small Language Models

T1：小语言模型测试时计算扩展的工具集成验证

Minki Kang, Jongwon Jeong, Jaewoong Cho

机构 * KAIST（韩国科学技术院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； KRAFTON 纠错

AI总结 针对小语言模型在测试时扩展中验证能力不足的问题，提出T1框架，通过外部工具过滤候选输出后由小语言模型进行最终验证，显著提升验证准确率和测试时扩展性能。

Comments ICLR 2026