Stanford University（斯坦福大学）

FlexComposer: Unified Video Compositing from Images to Dynamic Footage with Flexible Trajectory Control

FlexComposer：支持灵活轨迹控制的从图像到动态素材的统一视频合成框架

Songchun Zhang, Sitong Guo, Xianghao Kong, Pengwei Liu, Yuwei Guo, Lvmin Zhang, Anyi Rao

机构 * HKUST（香港科技大学） ； ZJU（浙江大学） ； CUHK（香港中文大学） ； Stanford University（斯坦福大学） 纠错

AI总结 FlexComposer是支持灵活轨迹控制的统一视频合成框架，通过三项关键设计实现静态图像与动态素材的无缝整合，在视觉质量等指标上优于现有SOTA方法。

Comments 30 pages, 10 figures

Statistical Inference for Stochastic Gradient Descent: Beyond Finite Variance

超越有限方差的随机梯度下降统计推断

Jose Blanchet, Peter Glynn, Wenhao Yang

机构 * Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系） 纠错

AI总结 针对随机梯度下降中梯度方差可能无限的问题，提出一种基于联合弱收敛和自正则化统计量的模型无关置信域构建方法，并通过子采样校准实现渐近有效推断。

Compiled AI: Deterministic Code Generation for LLM-Based Workflow Automation

编译AI：基于LLM的工作流自动化确定性代码生成

Geert Trooskens, Aaron Karlsberg, Anmol Sharma, Lamara De Brouwer, Max Van Puyvelde, Matthew Young, John Thickstun, Gil Alterovitz, Walter A. De Brouwer

机构 * XY.AI Labs, Palo Alto, CA（XY.AI实验室，帕洛阿尔托） ； Stanford University School of Medicine, Stanford, CA（斯坦福大学医学院，斯坦福） ； Cornell University, Department of Computer Science, Ithaca, NY（康奈尔大学计算机科学系，伊萨卡） ； Brigham and Women’s Hospital / Harvard Medical School, Boston, MA（布莱根妇女医院/哈佛医学院，波士顿） 纠错

AI总结 本文研究编译AI，一种大语言模型在编译阶段生成可执行代码，随后工作流确定性执行的范式。重点探讨其在高风险企业工作流中的应用，尤其在医疗领域，强调可靠性与可审计性。

Comments 14 pages, 2 figures, 3 tables

AICO: Feature Significance Tests for Supervised Learning

AICO：监督学习中的特征重要性检验

Kay Giesecke, Enguerrand Horel, Chartsiri Jirachotkulthorn

机构 * Stanford University, Department of Management Science and Engineering and Institute for Computational and Mathematical Engineering（斯坦福大学管理科学与工程系和计算与数学工程研究所） ； Upstart, Inc.（Upstart公司） ； Stanford University, Institute for Computational and Mathematical Engineering（斯坦福大学计算与数学工程研究所） 纠错

AI总结 AICO提出一种高效统计方法，通过屏蔽特征信息来测试特征对预测性能的贡献，为大规模模型提供无分布假设的可解释性工具。