University of Chinese Academy of Sciences（中国科学院大学）

Measuring the Measurers: Quality Evaluation of Hallucination Benchmarks for Large Vision-Language Models

测量测量者：大型视觉-语言模型幻觉基准的品质评估

Bei Yan, Jie Zhang, Zheng Yuan, Shiguang Shan, Xilin Chen

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, and also with University of Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院，以及中国科学院大学） 纠错

AI总结 本文提出HQM框架评估幻觉基准质量，发现现有基准存在可靠性与有效性不足问题，并提出HQQ基准以提升评估效果，揭示LVLMs在幻觉问题上的严重缺陷。

Sparsity Induction for Accurate Post-Training Pruning of Large Language Models

稀疏性诱导用于大语言模型的准确后训练剪枝

Minhao Jiang, Zhikai Li, Xuewen Liu, Jing Zhang, Mengjuan Chen, Qingyi Gu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

AI总结 本文提出稀疏性诱导方法，通过增强分布和特征层面的稀疏性，提升大语言模型后训练剪枝的性能。

Comments 5 pages, 1 figure, 4 tables

MNO: Multiscale Neural Operator for 3D Computational Fluid Dynamics

MNO：用于三维计算流体动力学的多尺度神经算子

Qinxuan Wang, Chuang Wang, Mingyu Zhang, Jingwei Sun, Peipei Yang, Shuo Tang, Shiming Xiang

机构 * School of Artifcial Intelligence, University of Chinese Academy of Sciences, Beijing 100049, China（人工智能学院，中国科学院大学，北京） 纠错

AI总结 MNO通过多尺度架构在三维非结构化点云上实现高效计算流体动力学模拟，显著提升预测精度。

A Comprehensive Benchmark for Electrocardiogram Time-Series

一种用于心电图时间序列的全面基准

Zhijiang Tang, Jiaxin Qi, Yuhua Zheng, Jianqiang Huang

机构 * Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences（中国科学院大学杭州先进研究所） ； Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） 纠错

AI总结 本文提出了一种全面的ECG时间序列基准，涵盖四个评估任务、新指标和新架构，验证了其有效性。

Comments ACM MM 2025

Journal ref Proceedings of the 33rd ACM International Conference on Multimedia. 2025