Princeton University（普林斯顿大学）

Video Models Reason Early: Exploiting Plan Commitment for Maze Solving

视频模型早起推理：利用计划承诺解决迷宫

Kaleb Newman, Tyler Zhu, Olga Russakovsky

机构 * Princeton University（普林斯顿大学） 纠错

AI总结 研究通过2D迷宫解决探讨视频模型生成过程中的规划动态，发现模型在早期步骤中承诺高层运动计划，并揭示路径长度而非障碍密度是迷宫难度的主要预测因素，提出ChEaP方法提升复杂迷宫解决性能。

WorldFlow3D: Flowing Through 3D Distributions for Unbounded World Generation

WorldFlow3D: 通过3D分布流动实现无界世界生成

Amogh Joshi, Julian Ost, Felix Heide

机构 * Princeton University（普林斯顿大学） ； Torc Robotics 纠错

AI总结 WorldFlow3D通过流动3D分布生成无界3D世界，具备快速收敛、高精度结构与纹理生成能力，并在真实和合成场景中验证了跨领域泛化性。

TruckDrive: Long-Range Autonomous Highway Driving Dataset

TruckDrive：长距离自动驾驶高速公路数据集

Filippo Ghilotti, Edoardo Palladin, Samuel Brucker, Adam Sigal, Mario Bijelic, Felix Heide

机构 * Torc Robotics ； Princeton University（普林斯顿大学） 纠错

AI总结 本文提出TruckDrive数据集，用于解决重卡车高速公路自动驾驶中长距离感知的挑战，通过多模态传感器采集47.5万样本，支持20秒序列中2D检测1000米和3D检测400米的感知基准测试。

Stronger Normalization-Free Transformers

更强的无归一化变换器

Mingzhi Chen, Taiming Lu, Jiachen Zhu, Mingjie Sun, Zhuang Liu

机构 * Princeton University（普林斯顿大学） ； New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出Derf函数，通过大规模搜索找到更有效的归一化替代方案，其在视觉识别、语音表示和DNA序列建模中均优于LayerNorm、RMSNorm和DyT。

Comments Published in CVPR 2026