Peking University（北京大学）

GrainGS: Gradient-Decoupled Gaussian Splatting for Efficient Dynamic Novel View Synthesis

GrainGS：用于高效动态新视图合成的梯度解耦高斯点云渲染

Jiahao He, Yihua Shao, Zhengkai Zhao, Pan Gao, Fei Ma, Jingcai Guo, Hao Tang, Nicu Sebe, Qi Tian

机构 * College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Department of Computing, Hong Kong Polytechnic University（香港理工大学计算学系） ； School of Computer Science, Peking University（北京大学计算机科学学院） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy（广东省人工智能与数字经济实验室） ； Huawei Consumer Business Group, Huawei（华为消费者业务集团） ； Department of Information Engineering and Computer Science, University of Trento（特伦托大学信息工程与计算机科学系） 纠错

AI总结 针对动态场景重建问题，GrainGS结合分层锚点框架与高斯变形，通过静态预热、停止梯度操作等实现各高斯独立预测时间偏移及规范-残差外观分解，在合成和真实多视图基准测试中展现出高重建质量、实时渲染及紧凑存储等优势。

DataFlow-Harness: A Grounded Code-Agent Platform for Constructing Editable LLM Data Pipelines

DataFlow-Harness：用于构建可编辑大语言模型数据管道的基础代码代理平台

Runming He, Zhen Hao Wong, Hao Liang, Zimo Meng, Chengyu Shen, Xiaochen Ma, Wentao Zhang

机构 * Peking University（北京大学） ； Institute for Advanced Algorithms Research（先进算法研究所） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 研究针对大语言模型数据处理工作流中编码代理脚本无法自动转化为可编辑工件的问题，提出DataFlow-Harness平台，通过类型化增量突变引导构建DAG，结合多种技术，在数据工程基准测试中取得高通过率，降低成本和延迟。

Comments 13 pages, 2 figures, and 5 tables. Technical report

LMEB: Long-horizon Memory Embedding Benchmark

LMEB：长周期记忆嵌入基准

Xinping Zhao, Xinshuo Hu, Jiaxin Xu, Danyu Tang, Xin Zhang, Mengjia Zhou, Yan Zhong, Yao Zhou, Zifei Shan, Meishan Zhang, Baotian Hu, Min Zhang

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Shenzhen Loop Area Institute (SLAI)（深圳环湖研究院） ； Peking University（北京大学） 纠错

AI总结 本文提出LMEB基准，用于评估复杂长周期记忆检索任务，涵盖22个数据集和193个零样本任务，揭示大模型并不总优于小模型，且传统检索能力不等同于长周期记忆能力。

Comments 35 pages, 9 figures, 23 tables

RAD: A Dataset and Benchmark for Real-Life Anomaly Detection with Robotic Observations

RAD：面向机器人观测的真实异常检测数据集与基准

Kaichen Zhou, Xinhai Chang, Taewhan Kim, Jiadong Zhang, Yang Cao, Chufei Peng, Fangneng Zhan, Hao Zhao, Hao Dong, Kai Ming Ting, Ye Zhu

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Great Bay University（大湾大学） ； Harvard University（哈佛大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学） ； Deakin University（德克萨斯大学） 纠错

AI总结 提出RAD数据集，包含13类日常物体和4种缺陷，从60多个机器人视角在非受控光照下采集，用于评估2D特征、3D重建和视觉语言模型在姿态无关的异常检测中的表现，发现2D方法优于3D和VLM方法。

CARE: Anti-entanglement Ultrasound Image Segmentation via Channel-Aware Region Extrication

CARE：通过通道感知区域提取实现抗纠缠超声图像分割

Weixin Xu, Yuting Lu, Luqi Gong, Qing Guo, Ziliang Wang, Yun Xing

机构 * Beihang University（北航） ； Peking University（北京大学） 纠错

AI总结 研究针对超声图像分割中目标与背景纠缠问题，提出通道感知区域提取（CARE）框架，通过分离编码响应及区域交互恢复病变线索，在多个基准实验中表现卓越，有效解决了视觉模糊性问题。

Comments 10 pages, 7 figures