Stanford University（斯坦福大学）

SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms

SMILE-UHURA挑战 -- 从超高分辨率7T磁共振血管造影中进行微血管分割

Soumick Chatterjee, Hendrik Mattern, Marc Dörner, Alessandro Sciarra, Florian Dubost, Hannes Schnurre, Rupali Khatun, Chun-Chih Yu, Tsung-Lin Hsieh, Yi-Shan Tsai, Yi-Zeng Fang, Yung-Ching Yang, Juinn-Dar Huang, Marshall Xu, Siyu Liu, Fernanda L. Ribeiro, Saskia Bollmann, Karthikesh Varma Chintalapati, Chethan Mysuru Radhakrishna, Sri Chandana Hudukula Ram Kumara, Raviteja Sutrave, Abdul Qayyum, Moona Mazher, Imran Razzak, Cristobal Rodero, Steven Niederren, Fengming Lin, Yan Xia, Jiacheng Wang, Riyu Qiu, Liansheng Wang, Arya Yazdan Panah, Rosana El Jurdi, Guanghui Fu, Janan Arslan, Ghislain Vaillant, Romain Valabregue, Didier Dormont, Bruno Stankoff, Olivier Colliot, Luisa Vargas, Isai Daniel Chacón, Ioannis Pitsiorlas, Pablo Arbeláez, Maria A. Zuluaga, Stefanie Schreiber, Oliver Speck, Andreas Nürnberger

机构 * Faculty of Computer Science, Otto von Guericke University Magdeburg（奥托·冯·格里克大学马格德堡分校计算机科学学院） ； Data and Knowledge Engineering Group, Otto von Guericke University Magdeburg（奥托·冯·格里克大学马格德堡分校数据与知识工程小组） ； Human Technopole（人类技术极地） ； Biomedical Magnetic Resonance, Otto von Guericke University Magdeburg（生物医学磁共振，奥托·冯·格里克大学马格德堡分校） ； Department of Neurology, Medical Faculty, University Hospital of Magdeburg（马格德堡大学医院医学系神经科） ； German Centre for Neurodegenerative Diseases（德国神经退行性疾病研究中心） ； Centre for Behavioural Brain Sciences, Magdeburg（行为脑科学中心，马格德堡） ； Department of Neurology, University Hospital Zurich（苏黎世大学医院神经科） ； Department of Consultation-Liaison-Psychiatry and Psychosomatic Medicine, University Hospital Zurich（苏黎世大学医院咨询-联络精神病学与心身医学科） ； Stanford University（斯坦福大学） ； Translational Radiobiology, Department of Radiation Oncology, Universitätsklinikum Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg（转化放射生物学，放射肿瘤学部，埃尔兰根大学医院，埃尔兰根-纽伦堡弗里德里希-亚历山大大学） ； National Yang Ming Chiao Tung University（阳明交通大学） ； School of Electrical Engineering and Computer Science, University of Queensland（昆士兰大学电气工程与计算机科学学院） ； Australian eHealth Research Centre, CSIRO（澳大利亚eHealth研究中心，CSIRO） ； National Heart and Lung Institute, Faculty of Medicine, Imperial College London（英国伦敦帝国理工学院医学系国家心脏和肺研究所） ； Hawkes Institute, Department of Computer Science, University College London（霍克斯研究所，伦敦大学学院计算机科学系） ； School of Computer Science and Engineering, University of New South Wales（新南威尔士大学计算机科学与工程学院） ； Mohamed bin Zayed University of Artificial Intelligence, Abu Dhabi, United Arab Emirates（阿布扎克穆罕默德·本·扎耶德人工智能大学） ； The Alan Turing Institute, London, UK（艾伦·图灵研究所，伦敦，英国） ； School of Computing, University of Leeds（利兹大学计算学院） ； Department of Computer Science at School of Informatics, Xiamen University（厦门大学信息学院计算机科学系） ； Manteia Technologies Co., Ltd, Xiamen, China（厦门Manteia技术有限公司） ； Leicester International Institute, Dalian University of Technology（大连理工大学利兹国际学院） ； Sorbonne Université, Institut du Cerveau - Paris Brain Institute（索邦大学，巴黎脑研究所） ； Centre of Formation and Research in Artificial Intelligence, Universidad de Los Andes, Colombia（智利洛斯安德斯大学人工智能培训与研究中心） ； Data Science Department, EURECOM, Sophia Antipolis, France（EURECOM数据科学系，法国索菲亚安蒂波利斯） 纠错

AI总结 该研究旨在解决公共标注数据集不足的问题，通过提供一个包含时间飞行血管造影的7T MRI标注数据集，评估了多种深度学习方法在微血管分割任务中的性能。

Bridging Structure and Language: Graph-Based Visual Reasoning for Autonomous Road Understanding

连接结构与语言：基于图的视觉推理用于自动驾驶道路理解

Lena Wild, Katie Z Luo, Marco Pavone

机构 * KTH Royal Institute of Technology（皇家理工学院） ； TRATON ； Stanford University（斯坦福大学） ； NVIDIA（英伟达） 纠错

AI总结 本文提出结合道路子基质（CRS）框架，通过图结构和开放词汇语义的联合执行，解决自动驾驶中道路结构理解的精度与语义灵活性之间的平衡问题。

Interpretable Discriminative Text Representations via Agreement and Label Disentanglement

通过共识和标签解缠获得可解释的判别文本表示

Tong Wang, Yiqing Xu, Leo Yang Yang

机构 * Yale University（耶鲁大学） ； Stanford University（斯坦福大学） ； Hong Kong Baptist University（香港 Baptist 大学） 纠错

AI总结 本文提出了一种可解释的判别文本表示方法，通过共识和标签解缠来确保特征的可解释性和可重复性，实验表明该方法在多个文本分类任务中表现优异，产生了更清晰且更少标签纠缠的特征。

Motion-Robust Deep Reconstruction for Free-Breathing Cardiac Cine MRI

运动鲁棒深度重建用于自由呼吸心脏 cine MRI

Mahmut Yurt, Kanghyun Ryu, Zhitao Li, Xucheng Zhu, Xianglun Mao, Martin Janich, Marcus Alley, Kawin Setsompop, John Pauly, Shreyas Vasanawala, Ali Syed

机构 * Stanford University（斯坦福大学） ； KIST ； GE Healthcare（通用电气医疗） 纠错

AI总结 本文提出Cine-DL框架，通过结合目标k空间预处理和快速模型基于深度重建，解决自由呼吸径向采集在高加速下的运动伪影问题，提升临床应用可行性。

IndusAgent: Reinforcing Open-Vocabulary Industrial Anomaly Detection with Agentic Tools

IndusAgent: 通过智能工具增强开放词汇工业异常检测

Rongbin Tan, Fangfang Lin, Zhenlong Yuan, Min Qiu, Kejin Cui, Mengmeng Wang, Yi Wang, Zijian Song, Zhiyuan Wang, Jiyuan Wang, Yue Wang, Shuhan Song§, Huawei Cao

机构 * State Key Lab of Processors, Institute of Computing Technology, CAS（处理器国家重点实验室，计算技术研究所，中国科学院） ； Santa Clara University（圣克拉拉大学） ； LongCat Team（LongCat团队） ； Independent Researcher（独立研究者） ； New York University（纽约大学） ； Sun Yat-sen University（孙中山大学） ； Nanyang Technological University（南洋理工大学） ； Stanford University（斯坦福大学） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） 纠错

AI总结 本文提出IndusAgent框架，通过整合视觉观测、高分辨率局部片段和专家正常性先验，提升开放词汇工业异常检测的零样本性能，验证了方法的鲁棒性和泛化能力。

VISTAQA: Benchmarking Joint Visual Question Answering and Pixel-Level Evidence

VISTAQA: 评估联合视觉问答与像素级证据

Mozhgan Nasr Azadani, Yimu Wang, Yongpeng Zhu, Lihong Chen, Milan Ganai, Sean Sedwards, Marco Pavone, Krzysztof Czarnecki

机构 * University of Waterloo（滑铁卢大学） ； Stanford University（斯坦福大学） ； NVIDIA（英伟达） 纠错

AI总结 本文提出VISTAQA基准，用于评估视觉问答中自由回答的正确性和像素级证据的定位，通过引入GROVE指标，强调回答正确性与视觉证据对齐的重要性，实验显示现有系统在该指标下表现有限，揭示了回答准确性和视觉证据对齐之间的显著差距。

Mechanistic Interpretability for Learning Assurance of a Vision-Based Landing System

基于视觉着陆系统的学习保证机制解释

Romeo Valentin, Olivia Beyer Bruvik, Marc R. Schlichting, Mykel J. Kochenderfer

机构 * Stanford Intelligent Systems Laboratory, Stanford University, Stanford, CA, USA（斯坦福智能系统实验室，斯坦福大学，斯坦福，CA，美国） 纠错

AI总结 本文提出了一种基于视觉着陆系统的学习保证机制，通过分离内容与风格来构建可解释的模型，从而提供可靠的证据支持，同时引入了新的运行时保证方法来监控模型的情境表示。

Comments 10 pages, 4 figures

Epistemic Regret Minimization: Label-Free Causal Critique Beyond Outcome Reward

知识悔恨最小化：超越结果奖励的无标签因果批评

Edward Y. Chang, Longling Geng

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文提出了一种名为知识悔恨最小化（ERM）的框架，通过评估模型推理轨迹的因果结构而非答案本身，来改进因果批评，从而在没有正确答案的情况下进行无标签操作，并在多个前沿LLM上实验表明，ERM在因果批评任务中表现优于传统方法。

Comments 43 pages, 22 tables, 18 figures

What if Agents Could Imagine? Reinforcing Open-Vocabulary HOI Comprehension through Generation

如果智能体能够想象？通过生成强化开放词汇人-物交互理解

Zhenlong Yuan, Yue Wang, Dapeng Zhang, Kejin Cui, Rui Chen, Jing Tang, Lei Sun, Hongwei Yu, Chengxuan Qian, Xiangxiang Chu, Shuo Li, Yuyin Zhou

机构 * Dream-X Team（Dream-X团队） ； Stanford University（斯坦福大学） ； National University of Singapore（新加坡国立大学） ； Independent Researcher（独立研究者） ； Case Western Reserve University（凯斯西储大学） ； UC Santa Cruz（加州大学圣克鲁兹分校） 纠错

AI总结 本文提出ImagineAgent框架，通过生成式世界建模和工具增强强化学习，解决开放词汇人-物交互理解中的跨模态幻觉和视角限制问题，实现了高效且鲁棒的推理。

PerpetualWonder: Long-Horizon Action-Conditioned 4D Scene Generation

PerpetualWonder: 长时间地平线动作条件4D场景生成

Jiahao Zhan, Zizhang Li, Hong-Xing Yu, Jiajun Wu

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文提出PerpetualWonder，一种混合生成模拟器，能够从单张图像生成长时间地平线动作条件的4D场景。该方法通过引入真正的闭环系统，解决了现有方法因物理状态与视觉表示解耦导致的生成问题，实现了物理动态和外观的双向修正。

Comments Project website: https://johnzhan2023.github.io/PerpetualWonder/

FineVision: Open Data Is All You Need

FineVision: 你只需要开放数据

Luis Wiedmann, Orr Zohar, Amir Mahla, Xiaohan Wang, Rui Li, Thibaud Frere, Leandro von Werra, Aritra Roy Gosthipaty, Andrés Marafioti

机构 * Hugging Face ； Technical University of Munich（慕尼黑技术大学） ； Stanford University（斯坦福大学） 纠错

AI总结 本文提出FineVision，一个包含2400万样本的高质量数据集，通过半自动化流程整合了200多个来源，通过严格的数据清洗和人工审核确保数据质量，训练基于该数据集的模型在广泛评估中表现更优，推动数据驱动的视觉语言模型研究。

NeuroQA: A Large-Scale Image-Grounded Benchmark for 3D Brain MRI Understanding

NeuroQA: 一种大规模的3D脑部MRI理解图像 grounded 评估基准

Mohammad H. Abbasi, Favour Nerrise, Shaurnav Ghosh, Ridvan Yesiloglu, Yuncong Mao, Bailey Trang, Mohammad Asadi, Merryn Daniel, Gustavo Chau Loo Kung, Ken Chang, Pavan Pinkesh Shah, Adam Turnbull, Kyan Younes, Seena Dehkharghani, Ehsan Adeli

机构 * Stanford University（斯坦福大学） 纠错

AI总结 本文提出NeuroQA，一个大规模的3D脑部MRI视觉问答基准，包含来自12977名受试者的56953个问答对，涵盖5-104岁及五个临床领域，通过3D体积评估11种临床推理技能，并提供可复现的生成脚本和在线排行榜。

Comments 30 pages, dataset and benchmark release

Open-World Evaluations for Measuring Frontier AI Capabilities

面向前沿AI能力的开放世界评估

Sayash Kapoor, Peter Kirgis, Andrew Schwartz, Stephan Rabanser, J. J. Allaire, Rishi Bommasani, Harry Coppock, Magda Dubois, Gillian K Hadfield, Andrew B. Hall, Sara Hooker, Seth Lazar, Steve Newman, Dimitris Papailiopoulos, Shoshannah Tekofsky, Helen Toner, Cozmin Ududec, Arvind Narayanan

机构 * Princeton University（普林斯顿大学） ； Cornflower Labs（Cornflower实验室） ； Meridian Labs（Meridian实验室） ； Stanford University（斯坦福大学） ； UK AI Security Institute（英国人工智能安全研究所） ； Johns Hopkins University（约翰霍普金斯大学） ； Adaption Labs（Adaption实验室） ； Australian National University（澳大利亚国立大学） ； Golden Gate Institute for AI（金门人工智能研究所） ； UW Madison（威斯康星大学麦迪逊分校） ； Microsoft Research（微软研究院） ； AI Digest（AI摘要） ； Georgetown University (CSET)（乔治城大学（CSET）） 纠错

AI总结 本文提出开放世界评估作为一种补充方法，通过小样本定性分析来评估长期、复杂、现实世界任务，以更准确地衡量AI能力，并介绍了CRUX项目作为定期进行此类评估的尝试。

Proximal State Nudging: Reducing Skill Atrophy from AI Assistance

近端状态引导：减少人工智能辅助下的技能退化

Megha Srivastava, Jonathan Ouyang, Eric Zhou, Andrew Silva, Emily Sumner, Dorsa Sadigh, Yuchen Cui, Deepak Gopinath, Guy Rosman

机构 * Stanford University（斯坦福大学） ； University of California Los Angeles（加州大学洛杉矶分校） ； Toyota Research Institute（丰田研究院） 纠错

AI总结 本文提出了一种名为近端状态引导（PSN）的共享自主算法，通过引导用户向最易学习的状态发展，同时优化技能发展和任务表现，以减少人工智能辅助下的技能退化问题。

Comments 9 pages

Gated Normalization Removal and Scale Anchoring in Pre-Norm Transformers

预归一化变换器中的门控归一化移除与尺度锚定

Andrei Kanavalau, Carmen Amo Alonso, Sanjay Lall

机构 * Department of Electrical Engineering（电气工程系） ； Department of Computer Science（计算机科学系） ； Stanford University（斯坦福大学） 纠错

AI总结 本文研究了预归一化变换器中归一化层的必要性，提出了一种门控归一化移除方法，通过TaperNorm逐步将归一化操作转为样本无关的线性或仿射映射，并揭示了最终归一化层对预logit表示尺度的锚定作用。