Massachusetts Institute of Technology（麻省理工学院）

VGI-BENCH: Probing Visual Intelligence in Video Generation Models

VGI-BENCH：探究视频生成模型的视觉智能

Xuan He, Cong Wei, Yuhao Cheng, Linrui Ma, Yuxuan Zhang, Zuojun Li, Yuhao Wen, Zeyi Liu, Yuren Hao, Songcheng Cai, Keming Wu, Penghui Du, Kai Zou, Rui Yang, Chenkai Sun, Ke Yang, Ping Nie, Kelsey R Allen, Chenglong Wang, Michel Galley, Jianfeng Gao, ChengXiang Zhai

机构 * University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） ； University of Waterloo（滑铁卢大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（矢量研究所） ； Microsoft Research（微软研究院） ； Etude AI 纠错

AI总结 本研究推出VGI-bench基准，含27项任务810个实例，评估视频生成模型视觉推理能力，发现最强模型Seedance~2.0仅达51.0%，将推动下一代视频生成模型发展。

Hybrid Feedback Sampling for Sample-Efficient Model Predictive Control

用于样本高效模型预测控制的混合反馈采样

Chaoyi Pan, Zeji Yi, John Zhang, Zachary Manchester, Guannan Qu, Guanya Shi

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文提出混合反馈采样MPC（FS-MPC）算法，平衡局部与全局搜索，解决采样MPC在高维开环不稳定系统中的样本效率与数值不稳定问题，在真实机器人控制任务中表现优于现有方法。

Comments 15 pages, 6 figures

Dual-Informed Vertical Expansion for Multi-Objective Node Selection in Anytime Conflict-Based Search

双信息引导的垂直扩展用于任意时间冲突搜索中的多目标节点选择

Willem van Osselaer, Jiarui Li, Meshal Alharbi, Gioele Zardini

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 提出DIVE策略，通过最佳边界搜索与深度优先搜索结合，在保持最优性的同时减少搜索中断、提供早期可行解并降低内存占用。

Generative AI Use in Entrepreneurship: An Integrative Review and an Empowerment-Entrapment Framework

生成式人工智能在创业中的应用：整合性综述与赋能-陷阱框架

Jackson G. Lu, Gerui Gloria Zhao, Anna Manyi Zheng

机构 * MIT Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院） ； School of Economics and Management, Tsinghua University（清华大学经济管理学院） 纠错

AI总结 本文整合研究生成式人工智能对创业各阶段的影响，提出赋能-陷阱框架，揭示其双刃剑作用，探讨核心特征及边界条件，为创业实践提供指导。

Qworld: Question-Specific Evaluation Criteria for LLMs

Qworld: 为LLMs设计的问题特定评估标准

Shanghua Gao, Yuchang Su, Pengwei Sui, Curtis Ginder, Marinka Zitnik

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Department of Medicine, Brigham and Women’s Hospital（布里洛妇产科医院医学部） ； Kempner Institute for the Study of Natural and Artificial Intelligence, Harvard University（哈佛大学自然与人工智能研究 institute） ； Broad Institute of MIT and Harvard（MIT 和哈佛大学Broad研究所） ； Harvard Data Science Initiative（哈佛大学数据科学计划） 纠错

AI总结 Qworld通过递归扩展树生成问题特定评估标准，覆盖89%专家标准并产生79%新标准，揭示LLM在长期影响、公平性等维度的能力差异。

CarBench: A Comprehensive Benchmark for Neural Surrogates on High-Fidelity 3D Car Aerodynamics

CarBench：用于高保真3D汽车气动学的神经代理综合基准

Mohamed Elrefaie, Dule Shu, Matt Klenk, Faez Ahmed

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Schwarzman College of Computing, Massachusetts Institute of Technology（斯克里文计算机学院，麻省理工学院） ； Future Product Innovation, Toyota Research Institute（丰田研究机构未来产品创新部） 纠错

AI总结 CarBench是首个针对大规模3D汽车气动学的综合基准测试，评估了多种神经代理方法在高保真CFD模拟中的性能。

Towards Audio Token Compression in Large Audio Language Models

向大型音频语言模型中的音频标记压缩迈进

Saurabhchand Bhati, Samuel Thomas, Hilde Kuehne, Rogerio Feris, James Glass

机构 * MIT（麻省理工学院） ； IBM Research（IBM研究院） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； Tuebingen AI Center/University of Tuebingen（图宾根人工智能中心/图宾根大学） 纠错

AI总结 本文提出通过无监督分割和低秩适配器技术，压缩音频标记以提升大型音频语言模型在资源受限平台上的性能。