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

TSRouter: Dynamic Modality-Model Selection for Time Series Reasoning

TSRouter：用于时间序列推理的动态模态-模型选择

Fangxu Yu, Tao Feng, Dehai Min, Lu Cheng, Ge Liu, Tianyi Zhou

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； MBZUAI（Mohamed Bin Zayed University of Artificial Intelligence） 纠错

AI总结 研究针对时间序列推理中不同模型能力互补及特性差异问题，提出基于图的TSRouter动态路由框架，通过构建异构图并将路由设为候选评分问题来选择最优模态-模型对，在多任务评估中性能显著提升，还具备零样本泛化等优势。

Comments Accepted to COLM 2026

UPLiFT: Efficient Pixel-Dense Feature Upsampling with Local Attenders

UPLiFT：高效像素密集特征上采样与局部关注者

Matthew Walmer, Saksham Suri, Anirud Aggarwal, Abhinav Shrivastava

机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； Meta 纠错

AI总结 UPLiFT通过高效局部关注者操作符实现低成本的像素密集特征上采样，优于现有方法。

Comments Accepted to CVPR 2026 as conference paper. Website: see https://www.cs.umd.edu/~mwalmer/uplift/. Code and Models: see https://github.com/mwalmer-umd/UPLiFT