National University of Singapore（新加坡国立大学）

KineBench: Benchmarking Embodied World Models via IDM-Free Kinematic Grounding

KineBench：通过无逆动力学模型的运动学基础对具身世界模型进行基准测试

Zeyu Liu, Zhangzhe Zhu, Yang Zhang, Chenyou Fan, Chenjia Bai, Xuelong Li

机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Shenzhen Research Institute of Northwestern Polytechnical University（西北工业大学深圳研究院） 纠错

AI总结 研究旨在评估具身世界模型物理一致性，提出无逆动力学模型的KineBench基准测试。利用级联视觉基础模型提取姿态，在物理模拟器中闭环验证，纳入运动学指标，基于ManiSkill3的任务评估EWMs，揭示任务复杂度受限的非线性缩放，为数据缩放策略提供指导。

Comments Accept to ECCV2026

Statistical Inference for Rank Allocation in Low-Rank Adaptation

低秩适应中秩分配的统计推断

Yihang Gao, Vincent Y. F. Tan

机构 * Department of Mathematics, National University of Singapore（数学系，新加坡国立大学） ； Department of Mathematics and Department of Electrical and Computer Engineering, National University of Singapore（数学系和电气与计算机工程系，新加坡国立大学） 纠错

AI总结 研究低秩适应中在固定参数预算下分配秩资源的问题，提出StatLoRA方法，将其表述为统计假设检验问题，通过检验统计量和p值确定组件取舍，实验表明该方法在匹配秩预算下性能良好，支持了分配规则稳定性及渐近理论。

Comments 77 pages

A Structure-Adaptive Random Feature Method for High-Dimensional Elliptic PDEs

一种用于高维椭圆型偏微分方程的结构自适应随机特征方法

Jiale Linghu, Hao Dong, Yangshuai Wang

机构 * School of Mathematics and Statistics, Xidian University（西安电子科技大学数学与统计学学院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 该研究针对高维椭圆型偏微分方程，提出分层方差分析随机特征方法（HA-RFM），通过选择坐标块、识别低秩特征等步骤，建立误差界并推导相关保证，在随机岭测试等方面有显著效果，扩展了半线性计算维度并描绘了坐标族。