Heavy-Tailed Flow Matching via Random Clocks
通过随机时钟进行重尾流匹配
机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究重尾数据匹配问题，提出HTFM框架，将重尾源视为时钟条件高斯源混合，用截断对数签名特征编码时钟。实验显示其在多领域优于高斯流匹配等基线，保留低NFE采样优势，还提供尾部控制接口。
高校专区
National University of Singapore（新加坡国立大学）
NodeImport: Imbalanced Node Classification with Node Importance Assessment
NodeImport：基于节点重要性评估的不平衡节点分类
机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Grabtaxi Holdings Pte Ltd（Grab出租车控股私人有限公司）
AI总结 针对图节点分类的类别不平衡问题，提出利用平衡元集评估节点重要性的方法，推导公式并开发新框架，能过滤有价值节点，构建高质量元集，实验证明该框架在缓解不平衡上具优越性。
Journal ref KDD '25: Proceedings of the 31st ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1, 2025, Pages 94 - 105
Harness Handbook: Making Evolving Agent Harnesses Readable,Navigable, and Editable
Harness手册：使不断演进的智能体框架具有可读性、可导航性和可编辑性
机构 * Tencent（腾讯） ； Indiana University（印第安纳大学） ； University of Maryland, College Park（马里兰大学帕克分校） ； University of Georgia（佐治亚大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究智能体框架演进中行为定位难的问题，提出通过Harness手册和行为引导的渐进式披露，以行为为中心自动合成框架表示并辅助规划，提高行为定位和编辑计划质量，助力复杂智能体系统发展。
Comments 29 pages, 6 figures. Project page: https://ruhan-wang.github.io/Harness-Handbook/
Quantum Topological Data Encoding
量子拓扑数据编码
机构 * Royal Holloway University of London, Department of Computer Science, UK（伦敦皇家霍洛威大学计算机科学系） ； Leiden Institute of Advanced Computer Science (LIACS), Leiden University, Leiden, The Netherlands（莱顿先进计算机科学研究所（LIACS）、莱顿大学） ； Technology Cluster, Singapore University of Technology（技术集群、新加坡技术大学） ； Centre for Quantum Technologies, National University of Singapore, Singapore（量子技术中心、新加坡国立大学）
AI总结 研究如何将拓扑信息编码到量子态，提出量子拓扑数据编码框架（QTDE），通过拓扑驱动量子演化实现，在团复形分类任务中测试，该量子表示优于基线，还指出其可用于高效可靠数据表示的应用领域。
