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

LiveMCPBench: Can Agents Navigate an Ocean of MCP Tools?

LiveMCPBench: 代理能否在MCP工具的海洋中导航？

Guozhao Mo, Wenliang Zhong, Jiawei Chen, Qianhao Yuan, Xuanang Chen, Yaojie Lu, Hongyu Lin, Ben He, Xianpei Han, Le Sun

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） 纠错

AI总结 LiveMCPBench通过大规模基准测试揭示MCP代理在检索和工具组合上的性能差距，强调检索错误是主要瓶颈，并提供可重复的评估框架和工具套件。

Comments Our code and data will be publicly available at https://icip-cas.github.io/LiveMCPBench

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

From Isolation to Integration: Building an Adaptive Expert Forest for Pre-Trained Model-based Class-Incremental Learning

从孤立到整合：构建一个适应性专家森林用于预训练模型基于的类增量学习

Ruiqi Liu, Boyu Diao, Hangda Liu, Zhulin An, Fei Wang, Yongjun Xu

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出SAEF方法，通过构建结构化专家森林实现类增量学习中的知识共享，提升模型性能。

BFA++: Hierarchical Best-Feature-Aware Token Prune for Multi-View Vision Language Action Model

BFA++: 多视角视觉语言动作模型的分层最佳特征感知令牌剪枝

Haosheng Li, Weixin Mao, Zihan Lan, Hongwei Xiong, Hongan Wang, Chenyang Si, Ziwei Liu, Xiaoming Deng, Hua Chen

机构 * Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； LimX Dynamic（LimX动态） ； Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） 纠错

AI总结 BFA++通过分层最佳特征感知令牌剪枝提升多视角视觉语言动作模型的效率和成功率

Comments 9 pages, 10 figures

Affinity Contrastive Learning for Skeleton-based Human Activity Understanding

基于骨架的人体活动理解的亲和对比学习

Hongda Liu, Yunfan Liu, Min Ren, Lin Sui, Yunlong Wang, Zhenan Sun

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） ； School of Electronic, Electrical and Communication Engineering, Univeristy of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Moonshot AI 纠错

AI总结 ACLNet通过引入亲和度度量和动态温度调度，提升基于骨架的人体活动理解的特征判别能力。

Comments Accepted by TBIOM

Journal ref IEEE Transactions on Biometrics, Behavior, and Identity Science (2026)

Revisiting the Generalization Problem of Low-level Vision Models Through the Lens of Image Deraining

通过图像去雨的视角重新审视低级视觉模型的泛化问题

Jinfan Hu, Zhiyuan You, Jinjin Gu, Kaiwen Zhu, Tianfan Xue, Chao Dong

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shenzhen Key Lab of Computer Vision and Pattern Recognition, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳计算机视觉与模式识别重点实验室，深圳先进技术研究院，中国科学院） ； Shenzhen University of Advanced Technology（深圳大学） 纠错

AI总结 本文通过图像去雨研究，揭示低级视觉模型泛化问题源于捷径学习，提出平衡数据复杂性和利用生成模型先验以提升模型鲁棒性。

Comments arXiv admin note: substantial text overlap with arXiv:2305.15134

Coherent and Multi-modality Image Inpainting via Latent Space Optimization

通过潜在空间优化实现一致性和多模态图像修复

Lingzhi Pan, Tong Zhang, Bingyuan Chen, Qi Zhou, Wei Ke, Sabine Süsstrunk, Mathieu Salzmann

机构 * Xi’an Jiaotong University（西安交通大学） ； EPFL（苏黎世联邦理工学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 PILOT通过潜在空间优化提升图像修复的一致性和多模态处理能力。

SongEcho: Towards Cover Song Generation via Instance-Adaptive Element-wise Linear Modulation

SongEcho：通过实例自适应元素线性调制实现覆盖歌曲生成

Sifei Li, Yang Li, Zizhou Wang, Yuxin Zhang, Fuzhang Wu, Oliver Deussen, Tong-Yee Lee, Weiming Dong

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； ISRC, Institute of Software, Chinese Academy of Sciences（软件研究所，中国科学院） ； University of Konstanz（康斯坦茨大学） ； National Cheng-Kung University（国立成功大学） 纠错

AI总结 SongEcho通过实例自适应元素线性调制实现覆盖歌曲生成，生成高质量歌曲并减少参数使用。

Comments Accepted at ICLR 2026. 21 pages (10 pages main text), 5 figures

MathScape: Benchmarking Multimodal Large Language Models in Real-World Mathematical Contexts

MathScape：在现实数学情境中评估多模态大语言模型

Hao Liang, Linzhuang Sun, Minxuan Zhou, Zirong Chen, Meiyi Qiang, Mingan Lin, Tianpeng Li, Fan Yang, Zenan Zhou, Wentao Zhang

机构 * Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nankai University（南开大学） ； Beijing Institute of Technology（北京理工大学） ； Baichuan Inc.（百度文心） 纠错

AI总结 MathScape是一个评估多模态大语言模型在现实数学情境中推理能力的新基准，揭示了现有模型在现实任务中的局限性。

ApET: Approximation-Error Guided Token Compression for Efficient VLMs

ApET：基于近似误差的令牌压缩用于高效的视觉语言模型

Qiankun Ma, Ziyao Zhang, Haofei Wang, Jie Chen, Zhen Song, Hairong Zheng

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； Peng Cheng Laboratory（鹏城实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Peking University（北京大学） 纠错

AI总结 ApET通过近似误差指导的令牌压缩，在不使用注意力机制的情况下高效压缩视觉语言模型的令牌预算，提升推理效率。

Comments CVPR2026

How to Train Your Deep Research Agent? Prompt, Reward, and Policy Optimization in Search-R1

如何训练你的深度研究代理？搜索-R1中的提示、奖励和策略优化

Yinuo Xu, Shuo Lu, Jianjie Cheng, Meng Wang, Qianlong Xie, Xingxing Wang, Ran He, Jian Liang

机构 * CASIA（中国科学院自动化研究所） ； NLPR & MAIS（自然语言处理与人工智能研究室） ； School of AI UCAS（中国科学院大学人工智能学院） ； Meituan Inc（美团公司） 纠错

AI总结 本文提出通过优化提示模板、奖励函数和策略优化方法来提升深度研究代理的性能，通过实验发现快速思考模板和REINFORCE在性能和稳定性上表现更优，同时引入Search-R1++基线提升了Search-R1的性能。

CRCC: Contrast-Based Robust Cross-Subject and Cross-Site Representation Learning for EEG

CRCC: 基于对比的跨受试者和跨站点表示学习

Xiaobin Wong, Zhonghua Zhao, Haoran Guo, Zhengyi Liu, Yu Wu, Feng Yan, Zhiren Wang, Sen Song

机构 * Tsinghua Laboratory of Brain（清华大学脑科学实验室） ； School of Biomedical Engineering, Tsinghua University（清华大学生物医学工程学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Weixian College, Tsinghua University（清华大学魏先学院） ； School of Artificial Intelligence, Beijing University of Posts（北京邮电大学人工智能学院） ； School of Computer Science（计算机科学学院） ； Technology, Northwestern Polytechnical University, Xi'an, China（技术，西北工业大学，西安，中国） ； Beijing Huilongguan Hospital, Capital Medical University（北京回龙观医院，首都医科大学） ； Peking University Huilongguan Clinical Medical School（北京大学回龙观临床医学院） 纠错

AI总结 CRCC通过对比学习和对抗优化提升跨站点EEG表示学习的泛化能力，实现10.7个百分点的准确率提升。

Comments First edition

TimeRadar: A Domain-Rotatable Foundation Model for Time Series Anomaly Detection

TimeRadar: 一个用于时间序列异常检测的领域可旋转基础模型

Hui He, Hezhe Qiao, Yutong Chen, Kun Yi, Guansong Pang

机构 * School of Computing and Information Systems（计算与信息系） ； Singapore Management University（新加坡管理大学） ； Chongqing Institute of Green and Intelligent Technology（绿色与智能技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； State Information Center（信息中心） 纠错

AI总结 TimeRadar通过分数时间-频率域旋转和FTFRecon组件实现跨不同数据集的通用时间序列异常检测。

L3DR: 3D-aware LiDAR Diffusion and Rectification

L3DR：基于3D感知的LiDAR扩散与校正

Quan Liu, Xiaoqin Zhang, Ling Shao, Shijian Lu

机构 * Nanyang Technological University（南洋理工大学） ； Zhejiang University of Technology（浙江工业大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 L3DR通过3D-aware的LiDAR扩散和校正框架，在3D空间中消除RV伪影并恢复局部几何结构，实现更真实的3D几何生成。

Comments In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026

Evaluating LLMs' Divergent Thinking Capabilities for Scientific Idea Generation with Minimal Context

评估LLMs在科学想法生成中的发散思维能力：基于最小上下文

Kai Ruan, Xuan Wang, Jixiang Hong, Peng Wang, Yang Liu, Hao Sun

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Bank of China（中国银行） ； School of Engineering Science, University of Chinese Academy of Sciences（中国科学院大学工程科学学院） ； State Key Laboratory of Nonlinear Mechanics, Institute of Mechanics, Chinese Academy of Sciences（中国科学院力学研究所非线性力学重点实验室） 纠错

AI总结 本研究提出LiveIdeaBench，通过单关键词提示评估LLMs在科学想法生成中的发散思维能力，揭示通用智能指标无法有效预测该能力，表明需专门的评估基准和不同的训练策略来提升科学想法生成能力。

Comments Updated manuscript and title

Adaptive Runge-Kutta Dynamics for Spatiotemporal Prediction

自适应龙格-库塔动力学用于时空预测

Xuanle Zhao, Yue Sun, Ziyi Wang, Bo Xu, Tielin Zhang

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

AI总结 本文提出了一种基于自适应龙格-库塔方法和频率增强傅里叶模块的物理引导神经网络，用于更精确地建模时空动态，并在多个任务中取得了优于现有方法的性能。

Comments Accepted by ICASSP 2026

Learning Multi-Modal Prototypes for Cross-Domain Few-Shot Object Detection

跨域少样本目标检测中的多模态原型学习

Wanqi Wang, Jingcai Guo, Yuxiang Cai, Zhi Chen

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学） ； The University of Southern Queensland（昆士兰大学） 纠错

AI总结 本文提出LMP方法，通过结合文本和视觉信息，提升跨域少样本目标检测的精度和性能。

Comments Accepted to CVPR 2026 Findings

Learning to Remember: End-to-End Training of Memory Agents for Long-Context Reasoning

学习记忆：为长上下文推理端到端训练记忆代理

Kehao Zhang, Shangtong Gui, Sheng Yang, Wei Chen, Yang Feng

机构 * Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences (ICT/CAS)（智能信息处理重点实验室，计算技术研究所，中国科学院） ； Key Laboratory of AI Safety, Chinese Academy of Sciences（人工智能安全重点实验室，中国科学院） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国） ； Li Auto Inc.（利亚德公司） 纠错

AI总结 UMA通过端到端强化学习框架，整合记忆操作与问答，提升长上下文推理任务的性能。

Reshaping MOFs text mining with a dynamic multi-agents framework of large language model

用大语言模型的动态多智能体框架重塑MOFs文本挖掘

Zuhong Lin, Daoyuan Ren, Kai Ran, Jing Sun, Songlin Yu, Xuefeng Bai, Xiaotian Huang, Haiyang He, Pengxu Pan, Ying Fang, Zhanglin Li, Haipu Li, Jingjing Yao

机构 * Center for Environment and Water Resources, College of Chemistry and Chemical Engineering, Central South University（环境与水资源中心，化学与化工学院，中南大学） ； Key Laboratory of Hunan Province for Water Environment and Agriculture Product Safety（湖南省水环境与农产品安全重点实验室） ； School of Resources and Environment, Hunan University of Technology and Business（资源与环境学院，湖南工业大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Faculty of Data Science, City University of Macau（数据科学学院，澳门城市大学） ； State Key Laboratory of High Performance Ceramics and Superfine Microstructure, Shanghai Institute of Ceramics, Chinese Academy of Sciences（高性能陶瓷与超细微结构重点实验室，上海陶瓷研究所，中国科学院） ； Beijing Key Laboratory for Green Catalysis and Separation, Department of Chemical Engineering, College of Materials Science and Engineering, Beijing University of Technology（绿色催化与分离北京市重点实验室，化学工程系，材料科学与工程学院，北京理工大学） ； State Key Joint Laboratory of Environment Simulation and Pollution Control, School of Environment, Tsinghua University（环境模拟与污染控制国家重点联合实验室，环境学院，清华大学） ； School of Chemical Engineering and Materials Science, Yueyang University（化学工程与材料科学学院，岳阳大学） ； School of Computer Science and Engineering, Central South University（计算机科学与工程学院，中南大学） ； School of Software Engineering, Sun Yat-sen University（软件工程学院，中山大学） 纠错

AI总结 MOFh6利用大语言模型的动态多智能体框架，实现MOFs合成条件的高效提取与标准化，提升材料发现的效率和可扩展性。

Comments Accepted by TRAMAT 2 (2026) 100176

Journal ref Transactions of Materials Research, 2026, 2(1), 100176

A Survey on Cross-Modal Interaction Between Music and Multimodal Data

多模态数据与音乐交叉交互的综述

Sifei Li, Mining Tan, Feier Shen, Minyan Luo, Zijiao Yin, Fan Tang, Weiming Dong, Changsheng Xu

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China. E-mail: S. Li ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, 100190, China. E-mail: F. Shen ； Institute of Computing Technology, Chinese Academy of Sciences, Beijing, 100190, China. E-mail: . 纠错

AI总结 本文综述了音乐与多模态数据的交叉交互，探讨了音乐在多模态学习中的作用，并提出了未来研究的方向。

Comments 34 pages, 7 figures

World Models for Policy Refinement in StarCraft II

为《星际2》政策细化设计的世界模型

Yixin Zhang, Ziyi Wang, Yiming Rong, Haoxi Wang, Jinling Jiang, Shuang Xu, Haoran Wu, Shiyu Zhou, Bo Xu

机构 * The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） 纠错

AI总结 StarWM为《星际2》政策细化设计的世界模型，通过预测未来观察和结构化文本表示提升策略决策性能。

DCTracks: An Open Dataset for Machine Learning-Based Drift Chamber Track Reconstruction

DCTracks: 一个用于基于机器学习的漂移室轨迹重建的开放数据集

Qian Liyan, Zhang Yao, Yuan Ye, Zhang Zhaoke, Fang Jin, Jiang Shimiao, Zhang Jin, Li Ke, Liu Beijiang, Xu Chenglin, Zhang Yifan, Jia Xiaoqian, Qin Xiaoshuai, Huang Xingtao

机构 * Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Sun Yat-sen University（中山大学） ； China Academy of Space Technology（中国空间技术研究院） ； Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所） ； Key Laboratory of Particle Physics and Particle Irradiation (MOE), Institute of Frontier and Interdisciplinary Science, Shandong University（粒子物理与粒子辐照重点实验室（MOE）、前沿与交叉科学研究院、山东大学） 纠错

AI总结 DCTracks 数据集通过提供单轨和双轨漂移室事件，推动基于机器学习的轨迹重建技术发展，评估传统算法与图神经网络方法的性能。

Joint Orientation and Weight Optimization for Robust Watertight Surface Reconstruction via Dirichlet-Regularized Winding Fields

联合方向与权重优化用于通过狄利克雷正则化缠绕场实现稳健的紧致表面重建

Jiaze Li, Daisheng Jin, Fei Hou, Junhui Hou, Zheng Liu, Shiqing Xin, Wenping Wang, Ying He

机构 * Nanyang Technological University（南洋理工大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； City University of Hong Kong（香港城市大学） ； China University of Geosciences (Wuhan)（中国地质大学（武汉）） ； Shandong University（山东大学） ； Texas A&M University（德克萨斯大学） 纠错

AI总结 DiWR通过联合优化点方向、权重和置信系数，实现从非均匀采样点云中稳健重建紧致表面。

MEMTS: Internalizing Domain Knowledge via Parameterized Memory for Retrieval-Free Domain Adaptation of Time Series Foundation Models

MEMTS: 通过参数化内存内化领域知识以实现时间序列基础模型的无检索领域适应

Xiaoyun Yu, Li fan, Xiangfei Qiu, Nanqing Dong, Yonggui Huang, Honggang Qi, Geguang Pu, Wanli Ouyang, Xi Chen, Jilin Hu

机构 * East China Normal University（东华师范大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 MEMTS通过参数化内存内化领域知识，实现时间序列基础模型的无检索领域适应，提升实时流处理效率。

R-Diverse: Mitigating Diversity Illusion in Self-Play LLM Training

R-Diverse: 缓解自博弈LLM训练中的多样性幻觉

Gengsheng Li, Jinghan He, Shijie Wang, Dan Zhang, Ruiqi Liu, Renrui Zhang, Zijun Yao, Junfeng Fang, 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 Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Wuhan AI Research（武汉人工智能研究所） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） 纠错

AI总结 R-Diverse通过引入记忆增强惩罚和技能感知测量，缓解自博弈LLM训练中的多样性幻觉问题，提升模型推理能力。

Q-Hawkeye: Reliable Visual Policy Optimization for Image Quality Assessment

Q-Hawkeye：用于图像质量评估的可靠视觉策略优化

Wulin Xie, Rui Dai, Ruidong Ding, Kaikui Liu, Xiangxiang Chu, Xinwen Hou, Jie Wen

机构 * Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； Amap, Alibaba Group, Hangzhou, China（阿里云） ； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） 纠错

AI总结 Q-Hawkeye通过不确定性感知动态优化和感知感知优化提升图像质量评估的可靠性，实现更稳定的策略优化和更准确的质量判断。

Semantic-Guided Dynamic Sparsification for Pre-Trained Model-based Class-Incremental Learning

语义引导的动态稀疏化用于基于预训练模型的类增量学习

Ruiqi Liu, Boyu Diao, Zijia An, Runjie Shao, Zhulin An, Fei Wang, Yongjun Xu

机构 * Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） 纠错

AI总结 本文提出语义引导的动态稀疏化方法，通过动态稀疏化策略减少类间干扰，提升基于预训练模型的类增量学习性能。