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

Smooth $\%$MinMax: A Differentiable Relaxation for Codon Harmonization

Smooth $\%$MinMax：一种用于密码子优化的可微松弛方法

Yoonho Jeong, Hyunwoo Choi, Ryan Fernandez Medina Hariri, Eok Kyun Lee, Seung Seo Lee, Insung S. Choi

机构 * Department of Chemistry, KAIST（韩国科学技术院化学系） ； School of Chemistry and Chemical Engineering, Highfield Campus, University of Southampton（南安普顿大学化学与化学工程学院） 纠错

AI总结 针对传统$\%$MinMax等密码子优化指标离散不可微、无法适配梯度驱动神经密码子设计的问题，提出Smooth $\%$MinMax可微松弛方法，实现两类密码子设计的衔接。

Comments 17 pages, 2 figures

Hierarchical Scaffolding Enables Human-Like Cognitive Selectivity under Data Scarcity

分层脚手架在数据稀缺情况下实现类人认知选择性

Juhyoung Park, Jaehyuk Bae, Hyeonbo Yang, Se-Bum Paik

机构 * School of Computing（计算机学院） ； Department of Brain and Cognitive Sciences Korea Advanced Institute of Science and Technology（韩国科学技术院脑与认知科学系） 纠错

AI总结 受人类高效学习启发，引入基于认知心理学的分层学习框架SCALA，从粗概念结构引导模型到细粒度识别，有效提升数据稀缺时的准确率、泛化能力及新类别获取速度。

RAF: Reliability-Aware Fusion of Camera, LiDAR, and 4D RADAR for Robust 3D Object Detection in Adverse Weather

RAF：用于恶劣天气下稳健3D目标检测的相机、激光雷达和4D雷达的可靠性感知融合

Heejun Park, Jaeseok Jeong, Kuk-Jin Yoon

机构 * Visual Intelligence Lab., KAIST（韩国科学技术院视觉智能实验室） 纠错

AI总结 针对恶劣天气下多传感器3D目标检测难题，提出RAF方法，通过明确监督像素可靠性估计，利用预训练网络，仅训练新增相机分支等，实验证明该方法有效提升检测精度。

Comments ECCV 2026

How Many Initial Points Does Bayesian Optimization Need?

贝叶斯优化需要多少初始点？

Mujin Cheon, James Odgers, Dong-Yeun Koh, Calvin Tsay

机构 * Korea Advanced Institute of Science & Technology (KAIST)（韩国科学技术院） ； HayanMind Inc.（哈扬思维公司） ； Technical University of Nuremberg (UTN)（纽伦堡工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Helmholtz Munich（亥姆霍兹慕尼黑中心） ； Imperial College London（伦敦帝国理工学院） 纠错

AI总结 研究贝叶斯优化初始点数量选择问题，发现初始点数量与总成本呈U型关系，不同超参数和采集函数都存在此权衡，汤普森采样是例外，还给出实用建议。

Comments 4 pages. Accepted at the ICML 2026 Workshop on Decision-Making from Offline Datasets to Online Adaptation

InSpace: Structure-Aware 3D Indoor Scene Generation from a Single 360° Image

InSpace：从单张360°图像生成具有结构感知的3D室内场景

Gwanhyeong Koo, Hyunsu Kim, Youngji Kim, Taejae Lee, Siwoo Lim, Sunjae Yoon, Suyong Yeon, Chang D. Yoo

机构 * KAIST（韩国科学技术院） ； NAVER LABS（NAVER实验室） ； Chung-Ang University（中央大学） 纠错

AI总结 针对单图像到3D生成扩展到室内场景有挑战的问题，提出InSpace框架，利用360°图像，经估计部分场景几何、生成粗结构、产生详细布局和资产几何三阶段，还建数据集，实验表明其性能强。

Comments ECCV 2026

Order-based Causal Discovery for Multistage Processes

多阶段过程的基于顺序的因果发现

Eun-Yeol Ma, Junsub Jung, Heeyoung Kim

机构 * Department of Industrial and Systems Engineering, Korea Advanced Institute of Science and Technology（韩国科学技术院工业与系统工程系） 纠错

AI总结 针对多阶段过程中现有因果发现方法的不足，提出基于顺序的因果发现方法OCDM。通过结合过程知识和新算法推断因果结构，并用新剪枝技术消除伪边，实验证明其优于现有方法。

Annotating Korean adnominal ending constructions in corpus data: Beyond relative-clause identification

语料库数据中韩语定语词尾结构标注：超越关系从句识别

Jungyeul Park, Chulwoo Park

机构 * KAIST（韩国科学技术院） ； Anyang University（安阳大学） 纠错

AI总结 研究韩语定语词尾ETM，指出它非关系从句结构直接标记，提出基于语料库的类型学，通过多种因素区分结构，以有序规则程序为依存句法树库实现标注层并验证，发现不能仅从形态识别关系从句修饰。

HyperVAttention: Efficient Sparse Attention with Spatio-Temporal Clustering for Video Diffusion

HyperVAttention：用于视频扩散的具有时空聚类的高效稀疏注意力

Dongyeun Lee, Amir Zandieh, Vahab Mirrokni, Junmo Kim, Insu Han

机构 * KAIST（韩国科学技术院） ； Google Research（谷歌研究院） 纠错

AI总结 针对视频扩散中自注意力机制的二次复杂度问题，提出HyperVAttention框架，通过3D局部窗口聚类等方法解决聚类开销大及CTA利用率低的瓶颈，提升视频扩散中无训练稀疏注意力的质量和速度。

Comments 21 pages, 8 figures

Transfer Learning in High-dimensional Ising Models

高维伊辛模型中的迁移学习

Joonho Kim, Seyoung Park

机构 * Graduate School of Artificial Intelligence, KAIST（韩国科学技术院人工智能研究生院） 纠错

AI总结 针对高维伊辛模型估计中目标样本量有限及利用未知相关辅助二元数据集困难的问题，提出迁移学习方法Trans-Ising，结合源筛选规则与两阶段估计程序，经理论分析和实验验证效果良好。

Comments Published as a conference paper at ICML 2026

Function-Space Diffusion for Motion Planning

用于运动规划的函数空间扩散

Zinuo Chang, Yipu Chen, Byoungwoo Park, Hongzhe Yu, Yongxin Chen

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； School of Aerospace Engineering, Georgia Institute of Technology（佐治亚理工学院航空航天工程学院） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

AI总结 研究提出函数空间扩散运动规划方法，将轨迹建模为连续函数在函数空间直接扩散，定义谱域正向过程，用基于离散正弦变换的傅里叶神经算子参数化反向过程，实现离散不变轨迹生成，提升规划性能。

Comments 8 pages

Token-level Response-visual Attention Guidance for Multimodal LLMs Knowledge Distillation

多模态大语言模型知识蒸馏的令牌级响应视觉注意力引导

Jaehyun Jang, Eunseop Yoon, Hee Suk Yoon, SooHwan Eom, Mark A. Hasegawa-Johnson, Chang D. Yoo

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 研究多模态大语言模型知识蒸馏，挑战传统依赖，发现下游性能与响应视觉注意力相似度强相关。提出令牌级响应视觉注意力引导方法，通过自适应加权散度，有效引导学生模型，实验证明其性能优于基线。

Comments ECCV 2026

Diversity-aware View Partitioning for Scalable VGGT

面向可扩展VGGT的多样性感知视图划分

Jinsoo Park, Donggyu Choi, Ahyun Seo, Minsu Cho, Jeany Son

机构 * POSTECH（浦项科技大学） ； GIST（光州科学技术院） ； KAIST（韩国科学技术院） ； RLWRLD 纠错

AI总结 针对VGGT在大量视图下注意力计算成本高且冗余视图降低性能的问题，提出基于视觉差异和空间分散的图划分方法，将视图组织为多样性感知的平衡块，减少冗余注意力交互，提升相机位姿估计、多视图深度预测和3D重建性能。

Comments 34 pages, 11 figures, Accepted to ECCV 2026

Heavy-Ball Q-Learning with Residual Weighting Correction

带残差加权修正的重球Q学习

Donghwan Lee

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST）） 纠错

AI总结 提出一种带残差加权修正的重球Q学习算法，基于切换线性系统与联合谱半径分析其收敛性，并证明在特定条件下比标准Q学习收敛更快，同时扩展到线性函数逼近情形。

Beyond Monotonic Progress: Retry-Supervised Value Learning for Robot Imitation

超越单调进展：面向机器人模仿的重试监督值学习

Xinyao Qin, Junjie Lu, Kaixin Wang, Chuheng Zhang, Sinjae Kang, Kimin Lee, Min Xu, Bin Liang, Jun Yang, Li Zhao

机构 * Tsinghua University（清华大学） ； University of Technology Sydney（技术科技大学） ； Microsoft Research Asia（微软亚洲研究院） ； KAIST（韩国科学技术院） 纠错

AI总结 针对机器人模仿学习中演示数据包含错误与修正行为的问题，提出ReTVL框架，利用重试事件作为稀疏监督学习对错误敏感的值函数，通过全局进度校准与局部偏好学习捕捉错误-恢复结构，优化下游行为克隆。