Nanjing University（南京大学）

ACE-LoRA: Adaptive Orthogonal Decoupling for Continual Image Editing

ACE-LoRA：适应性正交解耦用于持续图像编辑

Yuehao Liu, Weijia Zhang, Xuanming Shang, Zhizhou Chen, Yanhao Ge, Shanyan Guan, Chao Ma

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

AI总结 ACE-LoRA通过动态正则化框架解决持续图像编辑中的灾难性遗忘问题，采用适应性正交解耦和历史信息压缩策略，提出首个全面的CIE-Bench基准，验证方法在指令忠实度、视觉真实性和抗遗忘性上的优势。

Beyond What to Select: A Plug-and-play Oscillatory Data-Volume Scheduling for Efficient Model Training

超越选择范围：一种插拔式振荡数据量调度用于高效模型训练

Suorong Yang, Hanqi Zhu, Hai Gan, Fangjian Su, Guang Li, Furao Shen, Soujanya Poria

机构 * National University of Singapore（国立新加坡大学） ； Nanjing University（南京大学） ； Hokkaido University（北海道大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出PODS框架，通过动态调节数据选择比例，在保持优化稳定性的同时提升训练效率，实验显示其在多种任务中均能提升效率与泛化能力。

UMo: Unified Sparse Motion Modeling for Real-Time Co-Speech Avatars

UMo：统一稀疏运动建模用于实时协同语音化身

Xiaoyu Zhan, Xinyu Fu, Chenghao Yang, Xiaohong Zhang, Dongjie Fu, Pengcheng Fang, Tengjiao Sun, Xiaohao Cai, Hansung Kim, Yuanqi Li, Jie Guo, Yanwen Guo

机构 * Nanjing University（南京大学） ； Mogo AI Ltd.（Mogo AI有限公司） ； University of Southampton（南安普顿大学） 纠错

AI总结 UMo通过统一稀疏运动建模架构，结合文本、音频和运动令牌，实现高效实时密集重建，提升面部表情和手势的高保真动画生成，同时在低延迟条件下保持精细的语音-运动对齐。

EponaV2: Driving World Model with Comprehensive Future Reasoning

EponaV2：通过全面的未来推理驱动世界模型

Jiawei Xu, Zhizhou Zhong, Zhijian Shu, Mingkai Jia, Mingxiao Li, Jia-Wang Bian, Qian Zhang, Kaicheng Zhang, Jin Xie, Jian Yang, Wei Yin

机构 * PCA Lab, VCIP, College of Computer Science, Nankai University（PCA实验室、VCIP、计算机科学学院、南开大学） ； Horizon Robotics ； HKUST（香港科技大学） ； NJUPT（南京工程大学） ； NTU（国立台湾大学） ； Anyverse ； School of Intelligence Science and Technology, Nanjing University（智能科学与技术学院、南京大学） 纠错

AI总结 本文提出EponaV2，一种新的驾驶世界模型范式，通过全面的未来推理实现高质量规划。模型通过预测更全面的未来表示，结合3D和语义模态，提升环境理解与现实推理能力，从而改进轨迹规划。

A Unified Knowledge Embedded Reinforcement Learning-based Framework for Generalized Capacitated Vehicle Routing Problems

面向通用有容量车辆路径问题的统一知识嵌入强化学习框架

Wen Wang, Xiangchen Wu, Liang Wang, Hao Hu, Xianping Tao

机构 * Nanjing University（南京大学） 纠错

AI总结 本文提出一种结合知识嵌入的强化学习框架，通过分解问题和动态规划提升解决有容量车辆路径问题的效率与质量。

MemCompiler: Compile, Don't Inject -- State-Conditioned Memory for Embodied Agents

MemCompiler: 编译，而非注入 -- 用于具身智能体的状态条件化记忆

Xin Ding, Xinrui Wang, Yifan Yang, Hao Wu, Shiqi Jiang, Qianxi Zhang, Liang Mi, Hanxin Zhu, Kun Li, Yunxin Liu, Zhibo Chen, Ting Cao

机构 * University of Science and Technology of China（中国科学技术大学） ； Huazhong University of Science and Technology（华中科技大学） ； Microsoft Research（微软研究院） ； Nanjing University（南京大学） ； Institute for AI Industry Research (AIR) Tsinghua University（清华大学人工智能产业研究院） 纠错

AI总结 MemCompiler通过状态条件化记忆编译提升具身智能体的记忆效率与效果，在多个基准测试中实现性能提升和延迟降低。

Breaking the Reasoning Horizon in Entity Alignment Foundation Models

突破实体对齐基础模型中的推理地平线

Yuanning Cui, Zequn Sun, Wei Hu, Kexuan Xin, Zhangjie Fu

机构 * Nanjing University of Information Science and Technology（南京信息工程大学） ； State Key Laboratory for Novel Software Technology, Nanjing University（南京大学软件新技术国家重点实验室） ； National Institute of Healthcare Data Science, Nanjing University（南京大学健康数据科学国家研究院） ； University of Queensland（昆士兰大学） ； Engineering Research Center of Digital Forensics, Ministry of Education, Nanjing University of Information Science and Technology（南京信息工程大学数字取证工程研究中心） 纠错

AI总结 本文提出基于并行编码策略的实体对齐基础模型，通过局部锚点引导信息流和合并关系图，有效解决实体对齐中长距离依赖捕捉问题，验证了模型在未见过的知识图谱上的强泛化能力。