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

Beyond Unfolding: 60x Faster One-Stage Unmixing for Closely-Spaced Infrared Small Targets

超越展开：用于紧密间隔红外小目标的快60倍的单阶段解混

Ximeng Zhai, Zheng Wang, Yaohong Chen, Hao Wang, Ming-Ming Cheng, Yimian Dai

机构 * Xi’an Institute of Optics and Precision Mechanics, Chinese Academy of Sciences（中国科学院西安光学精密机械研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Beijing Institute of Astronautical Systems Engineering（北京航天自动控制研究所） ； VCIP, College of Computer Science, Nankai University（南开大学计算机科学学院可视化与计算机图像处理实验室） ； NKIARI（未提及具体中文名称） 纠错

AI总结 研究紧密间隔红外小目标解混问题，提出单阶段轻量级FOCUS方案，受图像超分辨率与CSIST解混同构退化模型启发，转换相关要素，避免几何恢复与伪像抑制纠缠，提升定位和解混精度，推理速度提高60倍。

HETA++: Global Structure-from-Motion with Hybrid Explicit Translation Averaging

HETA++：基于混合显式平移平均的全局运动结构重建

Peilin Tao, Hainan Cui, Mengqi Rong, Shuhan Shen

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 本文针对全局运动结构重建中平移平均的挑战，提出混合显式平移平均框架，结合相对平移与特征轨迹，经多步处理估计相机位置和3D点，最后完整束调整，实验表明该方法在准确性、鲁棒性和可扩展性上优于现有方法。

Dynamics-Aware Meta-Imitation for Generalization to Unseen Robotic Manipulation

用于泛化到未见机器人操作的动力学感知元模仿

Zhenduo Shang, Xiyao Liu, Bohan Li, Xudong Wang, Teng Ren, Lianqing Liu, Zhi Han

机构 * State Key Laboratory of Robotics and Intelligent Systems, Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所机器人学国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shenyang University of Technology（沈阳工业大学） 纠错

AI总结 研究针对机器人模仿学习的数据稀缺与环境泛化问题，提出动力学感知元模仿（DAMI）框架，通过整合元学习、引入视觉运动轨迹模块等方法，有效捕捉任务动力学，在模拟和真实场景实验中表现优于现有基线。

From Diffusion to Reaction-Diffusion: A Dynamical-Systems View of Oversmoothing in Hypergraph Neural Networks

从扩散到反应扩散：超图神经网络中过平滑的动力系统视角

Zhiheng Zhou, Mengyao Zhou, Yancheng Chen, Dengyi Zhao, Xingqin Qi, Guiying Yan

机构 * School of Mathematics and Statistics, Shandong University, Weihai（山东大学（威海）数学与统计学院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 研究超图神经网络过平滑问题，从动力系统视角出发，提出反应扩散框架HNRD，通过定义算子解释消息传递为扩散过程，分析得出过平滑是能量耗散现象，HNRD能补偿耗散稳定变化，实验证明其优于基线，为深度超图架构设计提供框架。

Comments 17 pages,5 figures

Before the Action: Benchmarking LLMs on Prospective Hypothesis Discovery

行动之前：在前瞻性假设发现任务上对大语言模型进行基准测试

Tianyun Zhong, Wangyi Jiang, Wei Wang, Xuanang Chen, Yaojie Lu, Shiwei Ye, Yuzhen Shi, Boyu Yang, Jinghang Wang, Han Li, Weiqi Zhai, Bing Zhao, Hu Wei, Haiyang Yu, Yongbin Li, Hongyu Lin, Le Sun, Xianpei Han

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 研究旨在评估大语言模型在开放式结论前阶段的发现能力，引入前瞻性假设发现任务及评估框架HypoArena，提出回顾性上下文回归构建基准数据，实验揭示模型能力分层及效应，结果支持将其作为评估大语言模型制定调查方向的独特目标。

Are All Tokens Necessary for Visual Place Recognition? An Empirical Study of Token Reduction for Efficient Inference

视觉场所识别中所有令牌都必不可少吗？高效推理的令牌约简实证研究

Tong Jin, Yunpeng Liu, Shuyu Hu, Qinghua Zhang, Ruize Han, Song Wang, Feng Lu

机构 * Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） 纠错

AI总结 研究视觉场所识别中是否所有令牌都必要，提出首个令牌约简系统基准，在多模型和数据集上评估多种方法，从多视角研究令牌约简，揭示其特性及精度与效率权衡见解，为相关研究奠定基础。

Comments 33 pages, 8 figures, 9 tables