University of California, Los Angeles（加州大学洛杉矶分校）

DeepCORO-CLIP: A Multi-View Foundation Model for Comprehensive Coronary Angiography Video-Text Analysis and External Validation

DeepCORO-CLIP：一种多视图基础模型，用于综合冠状动脉造影视频-文本分析和外部验证

Sarra Harrabi, Yichen Wu, Geoffrey H. Tison, Minhaj Ansari, Milos Vukadinovic, David Ouyang, Joshua P. Barrios, Jacques Delfrate, Robert Avram

机构 * Division of Cardiology, Department of Medicine, Montreal Heart Institute（蒙特利尔心脏研究所心血管科，医学部） ； McGill, Faculty of Engineering（麦吉尔大学工程学院） ； Division of Cardiology, Department of Medicine, University of California, San Francisco（加州大学旧金山分校医学部心血管科） ； Cardiovascular Research Institute, University of California, San Francisco（加州大学旧金山分校心血管研究所） ； Bakar Computational Health Sciences Institute, University of California, San Francisco（加州大学旧金山分校Bakar计算健康科学研究所） ； Department of Cardiology, Smidt Heart Institute, Cedars-Sinai Medical Center, Los Angeles, CA（Cedars-Sinai 医疗中心洛杉矶分院心血管科，Smidt心脏研究所） ； Department of Bioengineering, University of California Los Angeles（加州大学洛杉矶分校生物工程系） ； Department of Medicine, Kaiser Permanente, San Francisco, USA（Kaiser Permanente 旧金山分院医学部） ； Department of Medicine, Université de Montréal（蒙特利尔大学医学部） 纠错

AI总结 DeepCORO-CLIP通过多视图视频-文本对比学习，实现了对冠状动脉造影的全面分析与外部验证，显著提升了斑块检测和疾病预测的准确性。

Comments 69 pages, 5 figures

Beyond Outliers: A Data-Free Layer-wise Mixed-Precision Quantization Approach Driven by Numerical and Structural Dual-Sensitivity

超越异常值：一种无需数据的分层混合精度量化方法，由数值和结构双敏感性驱动

Hengyuan Zhang, Xinrong Chen, Zunhai Su, Xiao Liang, Jing Xiong, Wendong Xu, He Xiao, Chaofan Tao, Wei Zhang, Ruobing Xie, Lei Jiang, Hayden Kwok-Hay So, Ngai Wong

机构 * The University of Hong Kong（香港大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Tencent（腾讯） 纠错

AI总结 本文提出NSDS方法，通过数值和结构双敏感性驱动分层混合精度量化，无需校准数据，在不同模型和任务中均优于基线方法。

Knowledge Localization in Mixture-of-Experts LLMs Using Cross-Lingual Inconsistency

在混合专家语言模型中利用跨语言不一致性进行知识定位

Lucas Bandarkar, Alan Ansell, Trevor Cohn

机构 * Google Research（谷歌研究） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Melbourne（墨尔本大学） 纠错

AI总结 本文提出利用跨语言不一致性来提高混合专家语言模型的知识定位能力，通过对比成功和失败的激活桶，识别关键专家。实验表明，仅禁用约20个专家，模型在40%的情况下无法正确回答。

Large Reasoning Models Struggle to Transfer Parametric Knowledge Across Scripts

大推理模型在不同脚本间转移参数知识时面临困难

Lucas Bandarkar, Alan Ansell, Trevor Cohn

机构 * Google Research（谷歌研究） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Melbourne（墨尔本大学） 纠错

AI总结 研究发现，大模型在跨语言知识转移中主要受脚本差异影响，通过分析数据和实验表明，提升模型对转写歧义的推理能力可改善跨脚本知识转移。

Tracking Wildfire Assets with Commodity RFID and Gaussian Process Modeling

利用通用RFID和高斯过程建模跟踪野火资产

John Hateley, Sriram Narasimhan, Omid Abari

机构 * Department of Mechanical & Aerospace Engineering at the University of California, Los Angeles（加州大学洛杉矶分校机械与航空航天工程系） ； Department of Electrical and Computer Engineering at the University of California, Los Angeles（加州大学洛杉矶分校电气与计算机工程系） 纠错

AI总结 本文提出了一种低成本、可扩展的方法，利用通用RFID技术在森林环境中跟踪大量资产，通过高斯过程建模实现高精度定位，无需预先标记已知位置。

Journal ref IEEE Journal of Radio Frequency Identification (2025)

EdiVal-Agent: An Object-Centric Framework for Automated, Fine-Grained Evaluation of Multi-Turn Editing

EdiVal-Agent：一个面向多轮编辑自动细粒度评估的对象中心框架

Tianyu Chen, Yasi Zhang, Zhi Zhang, Peiyu Yu, Shu Wang, Zhendong Wang, Kevin Lin, Xiaofei Wang, Zhengyuan Yang, Linjie Li, Chung-Ching Lin, Jianwen Xie, Oscar Leong, Lijuan Wang, Ying Nian Wu, Mingyuan Zhou

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Microsoft AI Superintelligence（微软人工智能超智实验室） ； Lambda, Inc（Lambda公司） 纠错

AI总结 本文提出EdiVal框架，通过对象中心视角实现多轮编辑的细粒度评估，引入EdiVal-IF、EdiVal-CC和EdiVal-VQ三个指标，构建多轮编辑基准测试平台，用于识别现有编辑模型的失败模式。

Comments Tianyu Chen and Yasi Zhang contributed equally; Oscar Leong, Lijuan Wang, Ying Nian Wu, and Mingyuan Zhou advised equally

AgriChrono: A Multi-modal Dataset Capturing Crop Growth and Lighting Variability with a Field Robot

AgriChrono：一种捕捉作物生长和光照变化的多模态数据集

Jaehwan Jeong, Tuan-Anh Vu, Mohammad Jony, Shahab Ahmad, Md. Mukhlesur Rahman, Sangpil Kim, M. Khalid Jawed

机构 * Korea University（韩国大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； North Dakota State University（北达科他州立大学） 纠错

AI总结 本文提出AgriChrono数据集，通过多传感器平台采集农田动态变化数据，验证了高精度动态非刚性场景重建的挑战，推动农业机器人研究。

Comments Keywords: Agricultural Robotics, In-the-wild Dataset, 3D Reconstruction

Score Distillation Beyond Acceleration: Generative Modeling from Corrupted Data

生成模型从损坏数据中学习：超越加速的分数蒸馏

Yasi Zhang, Tianyu Chen, Zhendong Wang, Ying Nian Wu, Mingyuan Zhou, Oscar Leong

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Microsoft AI Superintelligence（微软人工智能超级智能） 纠错

AI总结 本文提出RSD框架，通过预训练腐蚀感知扩散教师模型并蒸馏出高效单步生成器，实现高保真生成模型，适用于图像修复、超分辨率等任务，实验显示在多个数据集上FID均优于传统方法。

Comments This paper merges DSD(Denoising Score Distillation) and RSD(Restoration Score Distillation)v1. Tianyu Chen and Yasi Zhang contributed equally; Oscar Leong and Mingyuan Zhou advised equally