Nanjing University（南京大学）

Off-Policy Value-Based Reinforcement Learning for Large Language Models

为大语言模型设计的非策略价值基于强化学习

Peng-Yuan Wang, Ziniu Li, Tian Xu, Bohan Yang, Tian-Shuo Liu, ChenYang Wang, Xiong-Hui Chen, Yi-Chen Li, Tianyun Yang, Congliang Chen, Yang Yu

机构 * National Key Laboratory for Novel Software Technology & School of Artificial Intelligence, Nanjing University（新型软件技术国家重点实验室 & 智能科学与技术学院，南京大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Research Institute of Big Data（大数据研究院（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 本文提出ReVal方法，通过结合步级信号和轨迹级信号提升大语言模型的训练效率，实验表明其在数学推理任务中优于GRPO。

VLGOR: Visual-Language Knowledge Guided Offline Reinforcement Learning for Generalizable Agents

VLGOR：基于视觉-语言知识的离线强化学习用于通用智能体

Pengsen Liu, Maosen Zeng, Nan Tang, Kaiyuan Li, Jing-Cheng Pang, Yunan Liu, Yang Yu

机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China \& School of Artificial Intelligence, Nanjing University, China ； Computational Intelligence Center (CIC), School of Computer ； Artificial Intelligence, Shandong Jianzhu University, Jinan, 250101, China 纠错

AI总结 本文提出VLGOR框架，结合视觉和语言知识生成虚拟轨迹，提升智能体在未见任务中的泛化能力，实验显示其性能比基线方法高24%以上。

ViDiC: Video Difference Captioning

ViDiC：视频差异描述

Jiangtao Wu, Shihao Li, Zhaozhou Bian, Jialu Chen, Runzhe Wen, An Ping, Yiwen He, Jiakai Wang, Yuanxing Zhang, Jiaheng Liu

机构 * NJU-LINK Team, Nanjing University（南京大学NJU-LINK团队） ； Kling Team, Kuaishou Technology（快手科技Kling团队） 纠错

AI总结 本文提出ViDiC任务及ViDiC-1K数据集，旨在评估多模态大语言模型对视频对相似性与差异性的细粒度描述能力，揭示现有模型在比较描述和差异感知上的性能差距。

DINO-Tok: Adapting DINO for Visual Tokenizers

DINO-Tok：为视觉分词器适应DINO

Mingkai Jia, Mingxiao Li, Zhijian Shu, Anlin Zheng, Liaoyuan Fan, Jiaxin Guo, Tianxing Shi, Dongyue Lu, Zeming Li, Xiaoyang Guo, Xiaojuan Qi, Xiao-Xiao Long, Qian Zhang, Ping Tan, Wei Yin

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Horizon Robotics（Horizon机器人） ； Nanjing University（南京大学） ； Hong Kong University（香港大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文提出DINO-Tok，一种基于冻结DINO编码器的视觉分词器，结合连续自编码和离散向量量化方法，提升高维潜在空间中的语义一致性和生成质量。

From Context to Intent: Reasoning-Guided Function-Level Code Completion

从上下文到意图：基于推理的函数级代码补全

Yanzhou Li, Tianlin Li, Yiran Zhang, Shangqing Liu, Aishan Liu, Xianglong Liu, Yang Liu

机构 * Nanyang Technological University（南洋理工大学） ； Beihang University（北京航空航天大学） ； Nanjing University（南京大学） 纠错

AI总结 本文提出一种基于推理的提示框架，通过利用代码上下文中的隐含线索推断开发者意图，提升函数级代码补全的准确性，并通过实验验证其有效性。

UniCA: Unified Covariate Adaptation for Time Series Foundation Model

UniCA: 时空基础模型的统一协变量适应

Lu Han, Yu Liu, Lan Li, Qiwen Deng, Jian Jiang, Yinbo Sun, Zhe Yu, Binfeng Wang, Xingyu Lu, Lintao Ma, Han-Jia Ye, De-Chuan Zhan

机构 * School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院，中国） ； National Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室，中国） ； Ant Group, Hangzhou, China（蚂蚁集团，杭州，中国） 纠错

AI总结 UniCA通过协变量同质化和统一注意力融合机制，提升时空基础模型对异质协变量的适应能力，实验证明其在多模态预测任务中的优越性。

Enhancing AI-Based Tropical Cyclone Track and Intensity Forecasting via Systematic Bias Correction

通过系统性偏差校正增强基于AI的热带气旋轨迹和强度预报

Peisong Niu, Haifan Zhang, Yang Zhao, Tian Zhou, Ziqing Ma, Wenqiang Shen, Junping Zhao, Huiling Yuan, Liang Sun

机构 * DAMO Academy, Alibaba Group（阿里集团达摩院） ； State Key Laboratory of Severe Weather Meteorological Science and Technology, Nanjing University（南京大学 severe weather meteorological science and technology 国家重点实验室） 纠错

AI总结 本文提出BaguanCyclone框架，通过概率中心精修模块和区域感知强度预测模块提升热带气旋轨迹和强度预报精度，优于传统数值天气预报模型和多数AI基线模型。