Tsinghua University（清华大学）

Explaining Data Mixing Scaling Laws

解释数据混合缩放定律

Rui Dai, Shuran Zheng

机构 * Beijing Institute of Technology（北京理工大学） ； IIIS, Tsinghua University（清华大学智能产业研究院） 纠错

AI总结 提出统一框架解释多领域数据混合中模型损失行为，基于能力竞争和噪声减少两个关键因素，在多个尺度上有效预测高性能混合。

Comments Published to ICML 2026

Rethinking Event-Based Object Detection through Representation-Level Temporal Aggregation and Model-Level Hypergraph Reasoning

重新思考基于事件的对象检测：通过表示层面的时间聚合和模型层面的超图推理

Meisen Wang, Hao Deng, Wei Bao, Chengjie Wang, Zhiqiang Tian, Shaoyi Du, Siqi Li, Yue Gao

机构 * Xi’an Jiaotong University（西安交通大学） ； Tsinghua University（清华大学） ； China Mobile System Integration（中国移动系统集成） ； Inner Mongolia Agricultural University（内蒙古农业大学） 纠错

AI总结 本文提出Ev-DTAD框架，结合表示层面的时间编码与模型层面的时间超图推理，提升事件基于对象检测的准确率与效率。

RiO-DETR: DETR for Real-time Oriented Object Detection

RiO-DETR：面向实时的定向目标检测DETR

Zhangchi Hu, Yifan Zhao, Yansong Peng, Wenzhang Sun, Xiangchen Yin, Jie Chen, Peixi Wu, Hebei Li, Xinghao Wang, Dongsheng Jiang, Xiaoyan Sun

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Tsinghua University（清华大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合国家科学中心人工智能研究院） 纠错

AI总结 RiO-DETR通过任务原生设计解决实时定向检测中的角度估计、周期性细化和密集监督问题，实现速度与精度的平衡。

Comments Accepted by ECCV 2026, 31 pages, 9 figures