Peking University（北京大学）

Egocentric Station Holding of Robotic Fish in Unknown Turbulent Background Flow

未知湍流背景流中机器鱼的自我中心驻位

Xiaozhu Lin, Xu Huang, Hongru Dai, Xiaopei Liu, Junzhi Yu, Yang Wang

机构 * School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） ； State Key Laboratory for Turbulence and Complex Systems, Department of Advanced Manufacturing and Robotics, College of Engineering, Peking University（北京大学工程科学学院先进制造与机器人系湍流与复杂系统国家重点实验室） ； Laboratory of Cognitive and Decision Intelligence for Complex System, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统认知与决策智能实验室） 纠错

AI总结 研究机器鱼在未知湍流背景流中的自我中心驻位问题，提出SWiFT框架，集成实验装置、CFD模拟器及转移管道，通过强化学习探索驻位策略，相比现有方法有显著改进，验证了仅靠自我中心反馈可驻位，推动机器鱼控制发展。

Comments 20 pages, 18 figures

Structured Scaling of AI Discovery Across Diverse Scientific Domains

基于评估的科学发现扩展

Haotian Ye, Haowei Lin, Jingyi Tang, Yizhen Luo, Rahul Thapa, Caiyin Yang, Chang Su, Rui Yang, Ruihua Liu, Rundao Li, Zeyu Li, Pengwei Sun, Chong Gao, Dachao Ding, Guangrong He, Miaolei Zhang, Lina Sun, Wenyang Wang, Yuchen Zhong, Zhuohao Shen, Puheng Li, Pan Lu, Bianxiao Cui, Di He, Jianzhu Ma, Junfeng Li, Hexi Baoyin, Yejin Choi, Stefano Ermon, Xiaowen Chu, Tongyang Li, Yuzhi Xu, James Zou

机构 * Wizard Intelligence Learning Lab, Stanford University（智能巫师学习实验室，斯坦福大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 本文提出SimpleTES框架，通过并行探索、反馈驱动精炼和局部选择，提升评估驱动的发现循环效率，解决科学发现扩展问题，展示在21个科学问题上超越基线模型的性能。

CityGuard: Graph-Aware Private Descriptors for Bias-Resilient Identity Search Across Urban Cameras

CityGuard：图感知的隐私保护描述符用于城市摄像头间鲁棒的身份搜索

Rong Fu, Yibo Meng, Jia Yee Tan, Rui Lu, Jiekai Wu, Simon Fong

机构 * University of Macau（澳门大学） ； Tsinghua University（清华大学） ； Renmin University of China（中国人民大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Hong Kong University of Science and Technology（香港科技大学） ； Juntendo University（顺天堂大学） ； Peking University（北京大学） 纠错

AI总结 CityGuard通过图感知变换器实现隐私保护的身份检索，结合适应性度量学习、空间条件注意力和差分隐私嵌入，提升跨摄像头身份检索的鲁棒性与隐私保护能力。

Comments 36 pages, 12 figures

AdvSynGNN: Structure-Adaptive Graph Neural Nets via Adversarial Synthesis and Self-Corrective Propagation

AdvSynGNN：通过对抗合成与自我纠正传播实现结构自适应的图神经网络

Rong Fu, Chunlei Meng, Shuo Yin, Kun Liu, Simon Fong

机构 * University of Macau（澳门大学） ； Peking University（北京大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； University of Southampton（南安普顿大学） 纠错

AI总结 本文提出AdvSynGNN，通过对抗合成与自我纠正传播实现结构自适应的图神经网络，提升在结构噪声和非同质拓扑下的鲁棒性。

Comments 32 pages, 8 figures

Med-R$^3$: Enhancing Medical Retrieval-Augmented Reasoning of LLMs via Progressive Reinforcement Learning

Med-R$^3$：通过渐进强化学习增强LLMs的医学检索增强推理

Keer Lu, Zheng Liang, Youquan Li, Jiejun Tan, Da Pan, Shusen Zhang, Guosheng Dong, Bin Cui, Yunhuai Liu, Wentao Zhang

机构 * Peking University（北京大学） ； Baichuan Inc.（北川科技公司） 纠错

AI总结 Med-R$^3$ 通过渐进强化学习提升医疗场景下LLMs的检索增强推理能力，实现检索与推理的协同优化。

PilotRL: Training Language Model Agents via Global Planning-Guided Progressive Reinforcement Learning

PilotRL: 通过全局规划引导的渐进式强化学习训练语言模型代理

Keer Lu, Chong Chen, Bin Cui, Yunhuai Liu, Wentao Zhang

机构 * Peking University（北京大学） ； Huawei Cloud BU（华为云业务部） 纠错

AI总结 PilotRL通过全局规划引导的渐进式强化学习训练语言模型代理，提升长周期决策能力。

VisRAG2.0: Mitigating Visual Hallucinations via Evidence-Guided Multi-Image Reasoning in Visual Retrieval-Augmented Generation

VisRAG2.0：通过视觉检索增强生成中的证据引导多图像推理减轻视觉幻觉

Yubo Sun, Chunyi Peng, Yukun Yan, Shi Yu, Zhenghao Liu, Sen Mei, Chi Chen, Maosong Sun

机构 * School of Software and Microelectronics, Peking University, China（北京大学软件与微电子学院） ； School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Institute for AI, Tsinghua University, China（清华大学人工智能研究院计算机科学与技术系） 纠错

AI总结 研究针对视觉检索增强生成中VLM存在的视觉幻觉及证据识别问题，提出证据引导的多图像推理框架EVisRAG，引入RS-GRPO改进训练，实验表明该方法能提升性能、减少幻觉，有效提高视觉基础和推理可靠性。

EchoBridge: Long-Tail-Aware ECG-Echocardiography Text Alignment for Echocardiography-Derived Cardiac Findings

回声桥：用于超声心动图衍生心脏发现的长尾感知心电图-超声心动图文本对齐

Xiaocheng Fang, Jieyi Cai, Guangkun Nie, Haoyu Wang, Jiarui Jin, Yujie Xiao, Bo Liu, Chenyang He, Qinghao Zhao, Gaofeng Cheng, Hongyan Li, Shenda Hong

机构 * School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； University of the Chinese Academy of Sciences（中国科学院大学） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能重点实验室） ； National Institute of Health Data Science, Peking University（北京大学健康数据科学研究所） ； Department of Cardiology, Peking University People’s Hospital（北京大学人民医院心内科） 纠错

AI总结 研究旨在解决超声心动图衍生心脏发现的心电图表示问题。提出回声桥方法，含互补共享-私有投影与自适应原型边界校准。经多种协议评估，该方法在指标上超越最强基线，并在多数情况包括低流行瓣膜发现上有增益。

Physics Transformer: Tailoring Transformer for General PDE Prediction

物理变压器：为一般偏微分方程预测定制变压器

Guoze Sun, Rui Zhang, Jiankai Tang, Mengtao Yan, Runze Mao, Zhi X. Chen, Hao Sun

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； School of Mechanics and Engineering Science, Peking University（北京大学力学与工程科学学院） 纠错

AI总结 研究如何将Transformer应用于偏微分方程预测，提出基于函数投影的物理变压器架构，它能将物理场离散化并投影得到紧凑物理令牌，在多样基准实验中准确捕捉物理结构，取得先进预测性能，为PDE求解的Transformer架构设计奠定基础。

Comments Original version. To be updated

NSL-SLAM: High-Fidelity Neural Structured-Light Depth for Practical SLAM and Reconstruction

NSL-SLAM：用于实际SLAM和重建的高保真神经结构光深度

Jiaheng Li, Binsheng Zhang, Xinhai Chang, Wenzheng Chen

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王选计算机研究所） ； School of Computer Science and Technology, Beihang University（北京航空航天大学计算机科学与技术学院） ； Yuanpei College, Peking University（北京大学元培学院） 纠错

AI总结 研究针对高保真结构光深度定制实用SLAM系统，核心方法是强化深度感知并构建以深度为中心的管道，主要贡献是提升跟踪精度、降低轨迹偏差，实现实用稳健的SLAM且运行速度达20.9 FPS。

Comments 13 pages, 9 figures

MSVS-VAE: Multi-Scale Anchored VecSet for High-Fidelity 3D Reconstruction

MSVS-VAE：用于高保真3D重建的多尺度锚定向量集

Dehao Hao, Kaiyi Zhang, Tanghui Jia, Xiangjun Gao, Dongyu Yan, Weikai Chen, Zeyu Hu, Lingting Zhu, Yingda Yin, Runze Zhang, Li Yuan, Xin Wang, Long Quan

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Lightspeed Studios（光速工作室） 纠错

AI总结 研究针对高保真3D重建中VAE的瓶颈问题，提出MSVS-VAE。通过分层点洗牌上采样 densify 锚定向量集潜在特征，用AVS-Conv取代全局交叉注意力，引入多尺度查询解码融合特征，实验表明其性能优于现有方法，解码速度和紧凑性有显著提升。

LoTA-N2N: Local Trace Adaptation for Zero-Shot Self-Supervised Image Denoising

LoTA-N2N：用于零样本自监督图像去噪的局部迹线自适应

Jintong Hu, Bin Xia, Junlin Liu, Jiayue Liu, Wenming Yang

机构 * Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； University of Southern California（南加州大学） ； Peking University（北京大学） 纠错

AI总结 研究针对单图像自监督去噪问题，提出LoTA-N2N两阶段零样本自适应框架，通过估计局部相互作用和控制空间抵消，在多种噪声下实验效果优于仅基于MSE的方法，为无配对干净目标等情况的自监督去噪提供有效设计原则。

Comments 22pages, 9 tables, 11 figures

Cascade Forgery Mining Network for Fingerprint Presentation Attack Detection

用于指纹呈现攻击检测的级联伪造挖掘网络

Hongyan Fei, Chuanwei Huang, Zheng Wang, Pengcheng Luo, Jingwei Li, Jufu Feng

机构 * Peking University（北京大学） 纠错

AI总结 针对指纹呈现攻击检测中不同区域伪像提取难度不同的问题，提出用局部Gabor特征确定性量化AED并分区，构建AED引导的级联伪造挖掘网络及方向引导对抗训练模块，实验证明该方法优于现有方法，提升了高AED指纹分类能力。

Towards Ultrafast Depth Sensing Via Active Event-based Stereo Vision

通过基于主动事件的立体视觉实现超快速深度感知

Jianing Li, Yunjian Zhang, Haiqian Han, Kangyao Huang, Xiangyang Ji

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Peng Cheng Laboratory（鹏城实验室） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 纠错

AI总结 针对传统主动立体系统在快速运动场景的问题，提出基于主动事件的立体视觉，构建数据集，创新设计ActiveEventNet+网络，性能优于现有方法，降低计算复杂度，能实现高速实时处理，为高速深度感知相机系统设计提供新思路。

Comments Accepted by TPAMI

Neuromorphic Object Detection: An In-Depth Study and Future Directions

神经形态目标检测：深入研究与未来方向

Jianing Li, Dianze Li, Arren Glover, Xiaopeng Fan, Guoqi Li, Chiara Bartolozzi, Ryad B. Benosman, Yonghong Tian

机构 * Peking University（北京大学） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Chinese Academy of Sciences（中国科学院） ； Italian Institute of Technology（意大利理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Pittsburgh（匹兹堡大学） ； Sorbonne Université（索邦大学） ； INSERM（法国国家健康与医学研究院） ； CNRS（法国国家科学研究中心） ； Institut de la Vision（视觉研究所） 纠错

AI总结 针对传统相机在特定条件下目标检测的挑战，本文对神经形态目标检测算法进行全面调查和基准测试，从多视角探索现有方法，评估多种模型并分析结果，讨论未解决问题，为该领域研究提供资源与方向。

Comments Accepted by Proceedings of the IEEE

Dependency-Guided Code Generation: Structured Matrix Decomposition and Consistency-Guided Refinement

依赖引导的代码生成：结构化矩阵分解与一致性引导的细化

Mingqiao Mo, Yangchen Zeng, Zikai Xiao, Xin Xiao, Wenhua Nie, Zhaolu Kang, Guangyuan Dong, Kai Shu, Hao Zhang, Xiaodong Fan

机构 * University of the Chinese Academy of Sciences（中国科学院大学） ； ByteDance Inc.（字节跳动公司） ； Zhejiang University（浙江大学） ； National Taiwan University（台湾国立大学） ； Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） ； Tsinghua University（清华大学） ； Liaoning Technical University（辽宁技术大学） 纠错

AI总结 针对现有代码生成方法无法充分捕捉代码实体依赖关系的问题，提出依赖感知代码生成框架，通过结构化矩阵分解和一致性引导细化生成代码，经实验验证该方法能生成语义对齐和结构保真度更高的代码。

Comments 12 pages

Achieving Linear Speedup with ProxSkip in Distributed Stochastic Optimization

通过ProxSkip在分布式随机优化中实现线性加速

Luyao Guo, Sulaiman A. Alghunaim, Kun Yuan, Laurent Condat, Jinde Cao

机构 * School of Computer Science and Engineering, Suzhou University of Technology（苏州科技大学计算机科学与工程学院） ； Department of Electrical Engineering, Kuwait University（科威特大学电子工程系） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； King Abdullah University of Science and Technology（卡塔尔科学与技术大学） ； School of Mathematics, Southeast University（东南大学数学系） ； Purple Mountain Laboratories（紫金山实验室） 纠错

AI总结 本文研究了ProxSkip在非凸设置下的收敛性，证明其在节点数量上实现线性加速，并展示了局部更新对通信效率的提升作用。

SERM: Self-Evolving Relevance Model with Agent-Driven Learning from Massive Query Streams

SERM：具有代理驱动学习的自演化相关性模型

Chenglong Wang, Canjia Li, Xingzhao Zhu, Yifu Huo, Huiyu Wang, Weixiong Lin, Yun Yang, Qiaozhi He, Tianhua Zhou, Xiaojia Chang, Jingbo Zhu, Tong Xiao

机构 * Northeastern University, Shenyang, China（东北大学，沈阳，中国） ； ByteDance（字节跳动） ； Peking University（北京大学） 纠错

AI总结 针对大规模查询流中相关性模型泛化能力不足的问题，SERM通过多代理模块检测分布偏移并生成可靠标签，实现迭代自演化提升性能。

Comments Accepted by Findings of ACL 2026

SkillSieve: A Hierarchical Triage Framework for Detecting Malicious AI Agent Skills

SkillSieve：一种用于检测恶意AI代理技能的分层分流框架

Yinghan Hou, Zongyou Yang

机构 * Department of Earth Science and Engineering（地球科学与工程系） ； Imperial College London（帝国理工学院伦敦分校） ； Department of Computer Science（计算机科学系） ； University College London（伦敦大学学院） ； Lingban Technology Co., Ltd.（灵伴科技有限公司） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室） 纠错

AI总结 提出SkillSieve三层检测框架，通过启发式评分、LLM子任务分析和多LLM陪审团辩论，高效检测恶意AI代理技能，在390个技能基准上达到F1=0.920。

Comments 10 pages, 2 figures, 6 tables

LEDOM: Reverse Language Model

LEDOM：反向语言模型

Xunjian Yin, Sitao Cheng, Yuxi Xie, Xinyu Hu, Li Lin, Xinyi Wang, Liangming Pan, William Yang Wang, Xiaojun Wan

机构 * Peking University（北京大学） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） ； University of Arizona（亚利桑那大学） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 LEDOM是一种反向自回归语言模型，通过反向训练获得独特能力，如演绎推理和解决反转诅咒，并在多个基准测试中提升了性能。

Comments Work in progress; Models can be found at: https://huggingface.co/Corning/Reverse-Model-7B-348B/tree/main

Aortic Valve Disease Screening from PPG via Physiology-Guided Self-Supervised Learning

通过生理引导的自监督学习检测PPG中的主动脉瓣疾病

Jiaze Wang, Qinghao Zhao, Zizheng Chen, Zhejun Sun, Deyun Zhang, Yuxi Zhou, Shenda Hong

机构 * Department of Computer Science, Tianjin University of Technology（天津理工大学计算机科学系） ； National Institute of Health Data Science, Peking University（北京大学国家健康数据科学研究院） ； Department of Cardiology, Peking University People’s Hospital（北京大学人民医院心内科） ； HeartVoice Medical Technology（心声医疗科技） ； DCST, BNRist, RIIT, Institute of Internet Industry, Tsinghua University（清华大学计算机科学与技术系、北京人工智能研究所、互联网产业研究所） ； Institute of Medical Technology, Peking University Health Science Center（北京大学健康科学中心医学技术研究所） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究所） ； State Key Laboratory of Vascular Homeostasis and Remodeling, NHC Key Laboratory of Cardiovascular Molecular Biology and Regulatory Peptides, Peking University（北京大学血管稳态与重塑国家重点实验室、国家心血管分子生物学与调节肽重点实验室） 纠错

AI总结 本文提出基于生理引导的自监督学习方法，利用大量未标记PPG数据高效筛查主动脉狭窄和反流，实现优于传统监督学习的检测性能。

Comments 33 pages, 8 figures. Under review

BioProBench: A Corpus and Benchmark for Biological Protocol Reasoning in Autonomous Science

BioProBench: 一个全面的数据集和生物协议理解与推理基准

Yuyang Liu, Liuzhenghao Lv, Xiancheng Zhang, Jingya Wang Li Yuan, Yonghong Tian

机构 * School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院） ； School of Chemical Biology&Biotechnology, Peking University（北京大学化学生物学与生物技术学院） 纠错

AI总结 BioProBench通过构建大规模数据集和基准，提升生物协议理解与推理的LLM性能。

Recurrent Autoregressive Diffusion: Global Memory Meets Local Attention

循环自回归扩散：全局记忆与局部注意力相结合

Taiye Chen, Zihan Ding, Anjian Li, Christina Zhang, Zeqi Xiao, Yisen Wang, Chi Jin

机构 * Peking University（北京大学） ； Princeton University（普林斯顿大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 研究针对超长视频生成中现有模型的不足，提出循环自回归扩散（RAD）框架，结合循环块与局部注意力，解决训练推理差距等问题，在相关数据集实验中展现出长视频生成的优越性。

Comments Published at ECCV 2026. Project page: https://yeyutaihan.github.io/recurrent-autoregressive-diffusion/

Simulation-Based Empirical Bayes

基于模拟的经验贝叶斯

Xinwei Shen, Diana Cai, Cheng Zhang, David M. Blei

机构 * Department of Statistics University of Washington（统计学系华盛顿大学） ； Department of Computer Science Cornell University（计算机科学系康奈尔大学） ； School of Mathematical Sciences and Center for Statistical Science Peking University（数学科学学院与统计科学中心北京大学） ； Departments of Computer Science and Statistics Columbia University（计算机科学与统计学系哥伦比亚大学） 纠错

AI总结 研究针对似然只能通过模拟器获得的情况开发经验贝叶斯方法，引入基于模拟的经验贝叶斯（SBEB），通过观测数据、模拟器样本和推断网络计算估计，迭代细化先验，经实验证明其比固定先验的SBI提高了准确性。

Hyperball May Not Be a Free Lunch

超球可能并非免费午餐

Yihao Xiao, Jialong Sun, Zitian Gao, Zeming Wei, Chutian Wang, Ran Tao, Jiaye Teng, Bryan Dai

机构 * IQuest Research（IQuest研究公司） ； Peking University（北京大学） ； Sun Yat-sen University（中山大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； Shanghai University of Finance and Economics（上海财经大学） 纠错

AI总结 研究超球风格优化器优势来源，通过推导角有效学习率等方法分析，发现其优势并非源于更新方向，而是有效步长演变，预训练实验表明学习率衰减策略影响性能，谨慎调度对发挥其潜力至关重要。

Comments 14 pages, 4 figures. Code: https://github.com/mangocrazz/hyperball-may-not-be-a-free-lunch. Equal contribution: Yihao Xiao and Jialong Sun. Corresponding author: Bryan Dai

dRAE: Representation Autoencoder with Hyper-Spherical Codes

dRAE：具有超球面码的表示自编码器

Tianren Ma, Lin Long, Chuyan Chen, Mu Zhang, Junbo Zhao, Tong Zhang, Qixiang Ye

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Ant Group（蚂蚁集团） 纠错

AI总结 研究旨在解决高维视觉表示离散化难题，提出超球面量化（HSQ），其离散表示自编码器（dRAE）能解耦语义与特征幅度，防止码本坍缩，实现高保真重建，实验证明性能提升、码本利用率高且训练流程简化。

Comments Preprint. Project Page: https://drae-hsq.github.io

QLPO: Quadrant-weighted Sampling for Length-aware Policy Optimization

QLPO：用于长度感知策略优化的象限加权采样

Siwei Chen, Siqi Chen, Xupeng Miao, Bin Cui

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Beijing Key Laboratory of Software and Hardware Cooperative Artificial Intelligence Systems, Peking University（北京大学软硬件协同人工智能系统北京市重点实验室） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Institute of Computational Social Science, Peking University (Qingdao)（北京大学（青岛）计算社会科学研究院） 纠错

AI总结 针对大型推理模型长思维链响应致高延迟成本问题，提出QLPO方法，通过先过度生成候选响应，再按特定规则重采样训练组，实现隐式长度控制，在多模型中改善准确率与长度权衡，减少响应长度并保持推理性能。

Comments 18 pages, 7 figures, 6 tables. Accepted at COLM 2026

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