Peking University（北京大学）

SemanticVocoder: Bridging Audio Generation and Audio Understanding via Semantic Latents

SemanticVocoder: 通过语义潜在空间弥合音频生成与音频理解

Zeyu Xie, Chenxing Li, Qiao Jin, Xuenan Xu, Guanrou Yang, Wenfu Wang, Mengyue Wu, Dong Yu, Yuexian Zou

机构 * Peking University（北京大学） ； Tencent AI Lab（腾讯AI实验室） ； Shanghai AI Lab（上海AI实验室） ； SJTU（上海交通大学） 纠错

AI总结 SemanticVocoder通过引入语义潜在空间，实现了音频生成与理解的统一，提升了生成性能并推动了共享语义空间的研究。

Comments Demo: https://zeyuxie29.github.io/SemanticVocoder/

PRAC: Principal-Random Subspace for LLM Activation Compression and Memory-Efficient Training

PRAC: 用于LLM激活压缩和内存高效训练的主成分随机子空间

Yanyi Li, Yimu Zhang, Cong Fang

机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） 纠错

AI总结 PRAC通过分解激活为主成分和随机子空间，实现LLM激活压缩和内存高效训练，达到36%的内存减少且性能损失小。

Towards Better RL Training Data Utilization via Second-Order Rollout

通过二次回滚实现更好的RL训练数据利用

Zhe Yang, Yudong Wang, Rang Li, Zhifang Sui

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机学院，北京大学） ； ByteDance BandAI（字节跳动BandAI） 纠错

AI总结 本文提出通过二次回滚提升RL训练数据利用效率，联合训练生成与批判能力，实验表明在相同数据下性能更优，并揭示标签平衡与噪声问题的解决方法。

Accelerating LLM Pre-Training through Flat-Direction Dynamics Enhancement

通过平坦方向动力学增强加速大语言模型预训练

Shuchen Zhu, Rizhen Hu, Mingze Wang, Mou Sun, Xue Wang, Kun Yuan, Zaiwen Wen

机构 * Peking University（北京大学） ； Zhejiang Lab, Zhejiang（浙江实验室） 纠错

AI总结 LITE通过增强平坦方向动力学提升大语言模型预训练效率

G4Splat: Geometry-Guided Gaussian Splatting with Generative Prior

G4Splat：基于生成先验的几何引导高斯点云法

Junfeng Ni, Yixin Chen, Zhifei Yang, Yu Liu, Ruijie Lu, Song-Chun Zhu, Siyuan Huang

机构 * Tsinghua University（清华大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； BIGAI ； Peking University（北京大学） 纠错

AI总结 G4Splat通过几何引导的生成先验提升3D场景重建，有效解决多视角不一致性问题，实现高质量场景补全。

Comments ICLR'26. Project page: https://dali-jack.github.io/g4splat-web/

Beyond Attribution: Unified Concept-Level Explanations

超越归因：统一的概念层面解释

Junhao Liu, Haonan Yu, Xin Zhang

机构 * School of Computer Science, Peking University, Beijing 100871, China（北京大学计算机科学学院） ； Key Lab of High Confidence Software Technologies (Peking University), Ministry of Education（高可信软件技术重点实验室（北京大学）） 纠错

AI总结 UNCLE框架通过扩展局部模型无关方法，提供统一的概念层面解释，提升解释的忠实度和多样性。

pQuant: Towards Effective Low-Bit Language Models via Decoupled Linear Quantization-Aware Training

pQuant：通过解耦线性量化感知训练实现有效的低比特语言模型

Wenzheng Zhang, Bingzheng Liu, Yang Hu, Xiaoying Bai, Wentao Zhang, Bin Cui

机构 * School of Computer Science, Peking University（北京大学计算机学院） ； College of Future Information Technology, Fudan University（复旦大学未来信息技术学院） ； Center for Information Research, Academy of Military Sciences（军事科学院信息研究所） ； Advanced Institute of Big Data（大数据高级研究所） ； Center of Machine Learning Research, Peking University（北京大学机器学习研究中心） 纠错

AI总结 pQuant通过解耦线性层为两个专门分支，提升低比特语言模型的精度与可扩展性。

Comments 10 pages, 7 figures

DICArt: Advancing Category-level Articulated Object Pose Estimation in Discrete State-Spaces

DICArt: 在离散状态空间中推进类别级拟合物体姿态估计

Li Zhang, Mingyu Mei, Ailing Wang, Xianhui Meng, Yan Zhong, Xinyuan Song, Liu Liu, Rujing Wang, Zaixing He, Cewu Lu

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； East China Normal University（华东师范大学） ； Peking University（北京大学） ； Emory University（埃默里大学） ； Hefei University of Technology（合肥工业大学） ； Jianghuai Advance Technology Center（江淮先进技术中心） ； Anhui Provincial Key Laboratory of Humanoid Robots（安徽省人形机器人重点实验室） 纠错

AI总结 DICArt通过离散扩散过程和层次化运动学耦合策略，提升复杂环境下类别级6D姿态估计的可靠性。