University of California, Berkeley（加州大学伯克利分校）

Attend Before Attention: Efficient and Scalable Video Understanding via Autoregressive Gazing

先关注再注意：通过自回归注视实现高效的可扩展视频理解

Baifeng Shi, Stephanie Fu, Long Lian, Hanrong Ye, David Eigen, Aaron Reite, Boyi Li, Jan Kautz, Song Han, David M. Chan, Pavlo Molchanov, Trevor Darrell, Hongxu Yin

机构 * UC Berkeley（伯克利大学） ； MIT（麻省理工学院） ； Clarifai（Clarifai公司） ； NVIDIA（英伟达公司） 纠错

AI总结 AutoGaze通过自回归选择视频中的关键块，减少冗余并提升处理效率，使大语言模型能处理长视频并取得更优表现。

Comments CVPR 2026. Project page: https://autogaze.github.io/

Multi-lingual Functional Evaluation for Large Language Models

多语言功能评估用于大语言模型

Victor Ojewale, Inioluwa Deborah Raji, Suresh Venkatasubramanian

机构 * The Center for Tech Responsibility, Brown University（布朗大学技术责任中心） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出跨语言小学数学符号基准和跨语言指令跟随评估，通过多语言翻译功能基准模板，评估大语言模型在多语言环境中的性能和鲁棒性，发现CL-GSM Symbolic和CL-IFEval在多语言任务中表现更优。

Comments This is an updated version with details of the CL-GSM Symbolic and CL-IFEval datasets validation

Tokenization Allows Multimodal Large Language Models to Understand, Generate and Edit Architectural Floor Plans

分词使多模态大语言模型能够理解、生成和编辑建筑平面图

Sizhong Qin, Ramon Elias Weber, Xinzheng Lu

机构 * Tsinghua University（清华大学） ； UC Berkeley（伯克利大学） 纠错

AI总结 HouseMind通过引入离散房间实例标记，实现了建筑平面图的统一理解和生成，具备高效且可控的布局生成能力。

Comments 20 pages, 9 figures. Accepted to CVPR 2026