Nanjing University（南京大学）

LottieGPT: Tokenizing Vector Animation for Autoregressive Generation

LottieGPT：为自回归生成设计向量动画的标记化

Junhao Chen, Kejun Gao, Yuehan Cui, Mingze Sun, Mingjin Chen, Shaohui Wang, Xiaoxiao Long, Fei Ma, Qi Tian, Ruqi Huang, Hao Zhao

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； AIR, Tsinghua University（清华大学人工智能研究院） ； BAAI（百度人工智能研究院） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanjing University（南京大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳）） 纠错

AI总结 本文提出首个向量动画标记化与自回归生成框架，基于Lottie标准设计标记器并构建大规模数据集，通过微调Qwen-VL生成可编辑的向量动画。

Comments Accepted by CVPR 2026. Project Page: https://lottiegpt.github.io/

GenTac: Generative Modeling and Forecasting of Soccer Tactics

GenTac：生成式足球战术建模与预测

Jiayuan Rao, Tianlin Gui, Haoning Wu, Yanfeng Wang, Weidi Xie

机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） 纠错

AI总结 GenTac通过生成式框架建模足球战术的随机过程，实现长周期轨迹预测，支持多因素条件模拟，展现高精度战术生成与未来战术预测能力。

Comments 40 pages, 5 figures; technical Report

HistLens: Mapping Idea Change across Concepts and Corpora

HistLens：跨概念和语料库的思想变化映射

Yi Jing, Weiyun Qiu, Yihang Peng, Zhifang Sui

机构 * Department of Computer Science and Technology, Tsinghua University, China（清华大学计算机科学与技术系） ； School of History, Nanjing University, China（南京大学历史学院） ； Department of Chinese Language and Literature, Tsinghua University, China（清华大学中国语言文学系） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University, China（北京大学计算机学院多媒体信息处理国家重点实验室） 纠错

AI总结 HistLens提出一种基于SAE的统一框架，用于多概念、多语料库的概念史分析，通过分解概念表示并追踪其激活动态，实现跨概念和语料库的思想演变模式计算。

Comments Accepted by ACL 2026 MainConference

When More Thinking Hurts: Overthinking in LLM Test-Time Compute Scaling

更多思考反而有害：在LLM测试时间计算扩展中的过度思考

Shu Zhou, Rui Ling, Junan Chen, Xin Wang, Tao Fan, Hao Wang

机构 * Nanjing University（南京大学） ； Baidu（百度） ； Nanjing University of Finance & Economics（南京财经大学） 纠错

AI总结 研究探讨了在LLM测试时间计算扩展中，增加推理token的边际效用随计算预算增加而下降的现象，发现模型存在过度思考问题，且最优思考长度因问题难度而异。

Comments 11 pages, 7 figures

How to Design a Compact High-Throughput Video Camera?

如何设计一款紧凑型高吞吐量视频相机？

Chenxi Qiu, Tao Yue, Xuemei Hu

机构 * Nanjing University（南京大学） 纠错

AI总结 本文提出基于梯度相机的低比特方案，解决高吞吐量视频成像的读出与传输瓶颈，并通过多尺度重建CNN实现高分辨率图像重建。

Comments 12 pages, 10 figures

Tango: Taming Visual Signals for Efficient Video Large Language Models

Tango：驯服视觉信号以提高视频大语言模型的效率

Shukang Yin, Sirui Zhao, Hanchao Wang, Baozhi Jia, Xianquan Wang, Chaoyou Fu, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Reconova AI Lab（Reconova AI实验室） ； Nanjing University（南京大学） 纠错

AI总结 Tango通过改进注意力选择和相似性聚类方法，优化视频大语言模型的视觉信号利用，实现在保留10%视频token时性能损失仅0.1%，推理速度提升1.88倍。

Comments Code: https://github.com/xjtupanda/Tango

Reasoning as Gradient: Scaling MLE Agents Beyond Tree Search

推理作为梯度：超越树搜索的MLE代理扩展

Yifei Zhang, Xu Yang, Xiao Yang, Bowen Xian, Qizheng Li, Shikai Fang, Jingyuan Li, Jian Wang, Mingrui Xu, Weiqing Liu, Jiang Bian

机构 * Nanjing University（南京大学） ； Microsoft Research Asia（微软亚洲研究院） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Wuhan University（武汉大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文提出Gome，一种基于梯度优化的MLE代理，通过将结构化诊断推理映射到梯度计算，实现更高效的优化。实验显示，随着模型能力增强，梯度优化在前沿模型中表现更优，且在受限预算下达到35.1%的任何奖牌率。

Comments 36 pages, 6 figures, 17 tables

StaMo: Unsupervised Learning of Generalizable Robot Motion from Compact State Representation

StaMo：从紧凑状态表示中无监督学习通用机器人运动

Mingyu Liu, Jiuhe Shu, Hui Chen, Zeju Li, Canyu Zhao, Jiange Yang, Shenyuan Gao, Hao Chen, Chunhua Shen

机构 * State Key Laboratory of CAD & CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Nanjing University（南京大学） ； HKUST（香港科技大学） ； Ant Group（蚂蚁集团） 纠错

AI总结 本文提出StaMo方法，通过轻量编码器和预训练扩散变换器解码器学习高效紧凑状态表示，提升机器人运动性能，并发现通过潜在插值获得的token差异可作为有效潜动作，增强策略协同训练。

The Master-Slave Encoder Model for Improving Patent Text Summarization: A New Approach to Combining Specifications and Claims

主从编码器模型用于改进专利文本摘要：一种结合规范和权利要求的新方法

Shu Zhou, Xin Wang, Zhengda Zhou, Haohan Yi, Xuhui Zheng, Hao Wan

机构 * School of Information Management, Nanjing University（南京大学信息管理学院） ； Key Laboratory of Data Engineering and Knowledge Services in Jiangsu Provincial Universities, Nanjing University（江苏省高校数据工程与知识服务重点实验室（南京大学）） ； Baidu, Inc.（百度公司） 纠错

AI总结 本文提出主从编码器模型(MSEA)以提升专利文本摘要质量，通过结合专利文本指令与权利要求，增强新术语处理及信息冗余控制，实验显示其在ROUGE指标上优于现有模型。

Comments 25pages, 1 figure

LAST: Leveraging Tools as Hints to Enhance Spatial Reasoning for Multimodal Large Language Models

LAST：利用工具作为提示以增强多模态大语言模型的空间推理能力

Shi-Yu Tian, Zhi Zhou, Kun-Yang Yu, Ming Yang, Yang Chen, Ziqiao Shang, Lan-Zhe Guo, Yu-Feng Li

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） 纠错

AI总结 LAST通过整合专用视觉模型，解决多模态大语言模型在复杂几何布局解析中的幻觉和不精确问题，提出统一框架提升空间推理能力。

Comments 13 pages