Nanjing University（南京大学）

An Empirical Study of Training Pixel-Space Text-to-Image Diffusion Models

像素空间文本到图像扩散模型训练的实证研究

Dengyang Jiang, Ruoyi Du, Zhennan Chen, Dongyang Liu, Zanyi Wang, Mingzhe Zheng, Xiangpeng Yang, Huanqia Cai, Aiming Hao, Yuming Jiang, Peng Gao, Harry Yang, Steven Hoi

机构 * Alibaba Token Hub（阿里巴巴令牌中心） ； Alibaba Group（阿里巴巴集团） ； Nanjing University（南京大学） ； University of California San Diego（加利福尼亚大学圣迭戈分校） 纠错

AI总结 本文通过实证研究提出潜空间到像素空间的训练策略，确定关键设计选择，使像素空间文本到图像扩散模型性能媲美或超越潜空间模型，且推理加速3.18至4.75倍，为相关研究提供实用指南。

Comments Z-Image-Pixel & Empirical Insight of Training Pixel-Space Diffusion Models

Learning to Unlearn: Machine Unlearning via Learning the Unlearning Behaviors

学习遗忘：通过学习遗忘行为实现机器遗忘

Hang Zhang, Kaifeng Zhang, Yixiao Ma, Weijie Xu, Ye Zhu, Kai Ming Ting

机构 * State 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） ； Centre for Cyber Resilience and Trust Deakin University（迪肯大学网络韧性与信任中心） 纠错

AI总结 该研究提出模型不可知的学习遗忘方法L2UL，通过从分布视角学习遗忘行为替代手动设计遗忘函数，在数据密集场景及ResNet等大模型上，实现与重新训练相当的准确率且效率更高。

Task-Anchored Representation Shaping for Pre-Trained Model-Based Continual Learning

面向预训练模型的持续学习的任务锚定表示塑造

Zhiming Xu, Huiyu Yi, Zhen-Hao Xie, Baile Xu, Furao Shen, Jian Zhao, Suorong Yang

机构 * Nanjing University（南京大学） 纠错

AI总结 该研究针对预训练模型持续学习中的跨任务歧义瓶颈，提出TAILS模块，通过任务锚点修正特征表示，以轻量开销提升分类与任务推理性能。

Comments 7pages, 4figures, 5tables

Step-Level On-Policy Distillation: Interpolating Between On-Policy Distillation and Supervised Fine-Tuning

步骤级在线策略蒸馏：在线策略蒸馏与监督微调的插值方法

Changhui Sun, Lanbo Liu, Hang Lei, Tong Ling, Jiahang Xie, Zhiyong Zheng, Yujia Wang, Hao Liu, Feng Xiao, Lu Liu, Yanlong Du, Zifeng Cheng, Ziwei Jiang, Qing Gu

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学现代软件技术国家重点实验室） ； XingYun Lab, HUJING Digital Media & Entertainment Group（星云实验室，沪景数字媒体娱乐集团） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

AI总结 该研究针对令牌级在线策略蒸馏的局限，提出步骤级在线策略蒸馏SOPD，结合监督微调与在线策略蒸馏的优势，在推理和智能体任务上显著优于传统方法，为蒸馏研究提供新视角。

Pushing the Limits of High-Resolution Weather Forecasting through Data Scaling

通过数据缩放推动高分辨率天气预报的极限

Yang Zhao, Peisong Niu, Tian Zhou, Ziqing Ma, Guanlong Ma, Rong Jin, Huiling Yuan, Liang Sun

机构 * State Key Laboratory of Severe Weather Meteorological Science and Technology, Nanjing University（南京大学灾害性天气气象科技国家重点实验室） ； School of Atmospheric Science, Nanjing University（南京大学大气科学学院） ； Ant Healthcare, Ant Group（蚂蚁集团蚂蚁医疗） ； DAMO Academy, Alibaba Group（阿里巴巴集团达摩院） 纠错

AI总结 该研究针对高分辨率天气预报的 data bottleneck，提出BaguanHR框架，通过变量级超分辨率合成高分辨率数据，使预报性能超越现有方法，且数据量与预报误差呈幂律关系。

Comments Accepted by ECCV2026

Free-Flow Class-Incremental Learning: Towards Robust CIL under Variable Class Arrivals

迈向自由流类增量学习的现实性

Zhiming Xu, Baile Xu, Jian Zhao, Furao Shen, Suorong Yang

机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院） ； Department of Computer Science and Technology, Nanjing University, China（南京大学计算机科学与技术系） ； School of Electronic Science and Engineering, Nanjing University, China（南京大学电子科学与工程学院） 纠错

AI总结 本文提出自由流类增量学习（FFCIL）框架，通过类均值目标和方法调整提升鲁棒性，解决现实场景中类增量学习的挑战。

Comments 7pages, 5figures, 2 tables

DECO: Decoupled Multimodal Diffusion Transformer for Bimanual Dexterous Manipulation with a Plugin Tactile Adapter

DECO：解耦多模态扩散变压器用于配备插件触觉适配器的双臂灵巧操作

Xukun Li, Yu Sun, Lei Zhang, Bosheng Huang, Yibo Peng, Yuan Meng, Haojun Jiang, Shaoxuan Xie, Guocai Yao, Alois Knoll, Zhenshan Bing, Xinlong Wang, Zhenguo Sun

机构 * Beijing Academy of Artificial Intelligence, Beijing, China（北京人工智能研究院） ； School of Computation, Information and Technology, Technical University of Munich, Garching, Germany（慕尼黑技术大学计算与信息学院） ； Department of Shenyang Institute of Computing Technology, University of Chinese Academy of Sciences, Beijing, China（中国科学院沈阳计算技术研究所部门） ； State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China（新型软件技术国家重点实验室） ； Department of Computer Science and Technology, Tsinghua University, Beijing, China（清华大学计算机科学与技术系） 纠错

AI总结 DECO通过解耦多模态输入和触觉适配器，实现了双臂灵巧操作的高效整合与高成功率

Comments 25 pages, 8 figures. Project Page: this https URL (https://baai-humanoid.github.io/DECO-webpage/)