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

Double Coupling Architecture and Training Method for Optimization Problems of Differential Algebraic Equations with Parameters

具有参数的微分代数方程优化问题的双耦合架构及训练方法

Wenqiang Yang, Wenyuan Wu, Yong Feng, Changbo Chen

机构 * Chongqing Key Laboratory of Automated Reasoning and Cognition（重庆自动化推理与认知重点实验室） ； Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences（重庆绿色智能技术研究所，中国科学院） ； Chongqing School（重庆学校） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出双物理信息神经网络架构，用于解决参数微分代数方程优化问题，通过引入松弛变量和遗传算法增强训练框架，提升训练精度和效率，实现多任务目标的泛化。

Comments 19pages, 11 figures

Think 360°: Evaluating the Width-centric Reasoning Capability of MLLMs Beyond Depth

Think 360°: 评估MLLMs的宽度中心推理能力超越深度

Mingrui Chen, Hexiong Yang, Haogeng Liu, Huaibo Huang, Ran He

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； NLPR&MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所NLPR&MAIS） ； School of Advanced Interdisciplinary Science, University of Chinese Academy of Sciences（中国科学院大学交叉学科学院） ； Zhongguancun Academy（中关村学院） 纠错

AI总结 本文提出一个全面的多模态基准，评估MLLMs的推理能力，特别关注推理宽度，作为深度的补充维度。通过1200+高质量多模态案例，提出细粒度树状思维评估协议，评估12种模型家族的推理宽度和深度，揭示当前模型在结合深度推理与广泛探索搜索方面的能力不足。

Comments Accepted by CVPR 2026

WISER: Wider Search, Deeper Thinking, and Adaptive Fusion for Training-Free Zero-Shot Composed Image Retrieval

WISER：更广的搜索、更深入的思考和自适应融合用于无训练零样本复合图像检索

Tianyue Wang, Leigang Qu, Tianyu Yang, Xiangzhao Hao, Yifan Xu, Haiyun Guo, Jinqiao Wang

机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； Wuhan AI Research（武汉人工智能研究院） ； Minzu University of China（民族大学） 纠错

AI总结 WISER通过'检索-验证-细化'流程统一文本到图像和图像到图像检索，显式建模意图和不确定性意识，实现更广泛的搜索和更深入的思考，提升零样本复合图像检索性能。

Comments Accept to CVPR 2026