University of Maryland, College Park（马里兰大学帕克分校）

Ambiguity Detection and Elimination in Automated Executable Process Modeling

自动可执行过程建模中的歧义检测与消除

Ion Matei, Praveen Kumar Menaka Sekar, Maksym Zhenirovskyy, Hon Yung Wong, Sayuri Kohmura, Shinji Hotta, Akihiro Inomata

机构 * Fujitsu Research of America（富士通美国研究院） ； University of Maryland, College Park（马里兰大学帕克分校） ； Fujitsu Limited（富士通株式会社） 纠错

AI总结 本文提出一种基于诊断的框架，通过分析关键性能指标的分布检测行为不一致，定位逻辑分歧并修复文本，以减少生成模型行为的变异。

Replicable Composition

可复制组合

Kiarash Banihashem, MohammadHossein Bateni, Hossein Esfandiari, Samira Goudarzi, MohammadTaghi Hajiaghayi

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Google Research（谷歌研究院） 纠错

AI总结 研究解决如何在保持可复制性的同时联合解决多个问题，提出新的组合定理并改进样本复杂度。

Comments Abstract shortened due to Arxiv requirements

GaNI: Global and Near Field Illumination Aware Neural Inverse Rendering

GaNI：全局和近场照明感知的神经逆渲染

Jiaye Wu, Saeed Hadadan, Geng Lin, Matthias Zwicker, David Jacobs, Roni Sengupta

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

AI总结 本文提出GaNI，一种能从共位光相机拍摄的场景图像中重建几何、反照率和粗糙度参数的神经逆渲染技术。通过两阶段方法解决多物体场景中全局和近场照明建模问题，改进神经体积渲染和逆神经辐射度算法，提升反射率和几何重建效果。

Catalog-Native LLM: Speaking Item-ID Dialect with Less Entanglement for Recommendation

基于目录的LLM：以更少的纠缠进行推荐的口语化项ID表达

Reza Shirkavand, Xiaokai Wei, Chen Wang, Zheng Hui, Heng Huang, Michelle Gong

机构 * University of Maryland - College Park（马里兰大学帕克分校） ； Roblox ； University of Cambridge（剑桥大学） 纠错

AI总结 本文提出IDIOMoE模型，通过将物品交互历史视为语言空间中的本地方言，结合预训练LLM的文本理解和协作信号，提升推荐性能。