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

The Seriality Gap in Video Diffusion Models

视频扩散模型中的序列性差距

Jorge Diaz Chao, Konpat Preechakul, Yuxi Liu, Yutong Bai

机构 * UC Berkeley（加州大学伯克利分校） 纠错

AI总结 研究视频扩散模型在多球动力学实验中的表现，发现其存在序列性差距，即任务所需串行计算与模型去噪循环不匹配，增加有效串行计算的方法可提升性能，还证明去噪步骤在串行推理和模拟任务上有结构障碍。

Comments Jorge Diaz Chao and Konpat Preechakul contributed equally. 24 pages, 12 figures, and 5 tables. Project page: https://seriality-gap.jdiazchao.com

GaitSpan: Growing Humanoid Locomotion from Walking to Running

GaitSpan：将类人机器人的运动从行走扩展到跑步

Kwan-Yee Lin, Zilin Wang, Janelle J. Liu, Stella X. Yu

机构 * University of Michigan（密歇根大学） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 研究如何让类人机器人从行走扩展到跑步，提出GaitSpan框架，将预训练行走策略扩展，通过节奏生成、步幅塑造和残差适应三方面实现，能跨形态、跨地形零样本部署，相比基线学习更快且步态性能更强。

Comments Project Page: https://gaitspan2026.github.io/

Look, Focus, Act: Efficient and Robust Robot Learning via Human Gaze and Foveated Vision Transformers

看、聚焦、行动：通过人类注视和中央凹视觉变换器实现高效且稳健的机器人学习

Ian Chuang, Jinyu Zou, Andrew Lee, Dechen Gao, Iman Soltani

机构 * University of California, Berkeley（加州大学伯克利分校） ； Tongji University（同济大学） ； University of California, Davis（加州大学戴维斯分校） 纠错

AI总结 研究如何将人类注视融入机器人策略以提升效率与稳健性，开发GIAVA系统，通过中央凹补丁令牌化将注视信息集成到视觉变换器，减少计算量，降低计算开销，增强稳健性，在高精度任务中提高成功率，凸显人类启发的中央凹视觉处理的潜力。

Comments Project page: https://soltanilara.github.io/giava/

SheetMind: An End-to-End LLM-Powered Multi-Agent Framework for Spreadsheet Automation

SheetMind：一个由端到端大语言模型驱动的用于电子表格自动化的多智能体框架

Xi Cheng, Ruiyan Zhu, Ke Liu, Rakesh Chowdary Machineni, Lyuhao Chen, Brian Zhu, Daniel Jin, Zheng Qi, Neeraj Parihar, Zhoutian Xu, Oliver Gao

机构 * Cornell University（康奈尔大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Michigan（密歇根大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Hong Kong University of Science and Technology (GZ)（香港科学与技术大学） 纠错

AI总结 介绍由大语言模型驱动的多智能体框架SheetMind用于电子表格自动化，其分层系统含三个智能体，经评估在SheetCopilot基准测试中执行成功率达100%、功能正确性54.8%超对手，消融研究验证配置优势，还集成到谷歌表格。