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

CCTVBench: Contrastive Consistency Traffic VideoQA Benchmark for Multimodal LLMs

CCTVBench：用于多模态大语言模型的对比一致性交通视频问答基准

Xingcheng Zhou, Hao Guo, Rui Song, Walter Zimmer, Mingyu Liu, André Schamschurko, Hu Cao, Alois Knoll

机构 * Technical University of Munich（慕尼黑技术大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 CCTVBench通过真实事故视频与世界模型生成的反事实场景配对，提出对比一致性评估方法，揭示视频问答中对比一致性与标准指标间的显著差距，并引入C-TCD方法提升问答与一致性性能。

Behavioral Transfer in AI Agents: Evidence and Privacy Implications

人工智能代理中的行为迁移：证据与隐私影响

Shilei Luo, Zhiqi Zhang, Hengchen Dai, Dennis Zhang

机构 * Washington University in St. Louis（华盛顿大学圣路易斯分校） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 研究探讨了AI代理是否系统性地反映其人类所有者的行为特征，发现代理与所有者在行为上存在系统性迁移，且可能带来隐私风险。

Compressing Sequences in the Latent Embedding Space: $K$-Token Merging for Large Language Models

在潜在嵌入空间中压缩序列：大型语言模型的K-标记合并

Zihao Xu, John Harvill, Ziwei Fan, Yizhou Sun, Hao Ding, Hao Wang

机构 * Rutgers University（罗格斯大学） ； AWS AI Labs（AWS人工智能实验室） ； Amazon（亚马逊） ； Mistral AI ； University of California Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 本文提出K-Token Merging方法，在潜在空间中压缩序列，通过轻量编码器合并连续K个标记嵌入，实现75%的输入长度缩减，性能损失小。

Comments Under Review

Centering Ecological Goals in Automated Identification of Individual Animals

以生态目标为中心的个体动物自动识别

Lukas Picek, Timm Haucke, Lukáš Adam, Ekaterina Nepovinnykh, Lasha Otarashvili, Kostas Papafitsoros, Tanya Berger-Wolf, Michael B. Brown, Tilo Burghardt, Vojtech Cermak, Daniela Hedwig, Justin Kitzes, Sam Lapp, Subhransu Maji, Daniel Rubenstein, Arjun Subramonian, Charles Stewart, Silvia Zuffi, Sara Beery

机构 * University of West Bohemia in Pilsen（西波西米亚大学） ； Massachusetts Institute of Technology（麻省理工学院） ； LUT University（卢特大学） ； Conservation X Labs（保护X实验室） ； Queen Mary University of London（伦敦玛丽女王大学） ； The Ohio State University（俄亥俄州立大学） ； Giraffe Conservation Foundation（犀牛保护基金会） ； University of Bristol（布里斯托大学） ； Czech Technical University in Prague（布拉格捷克技术大学） ； Cornell Lab of Ornithology（哥伦布鸟类实验室） ； University of Pittsburgh（匹兹堡大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Princeton University（普林斯顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Rensselaer Polytechnic Institute（伦斯勒理工学院） ； CNR（意大利国家研究委员会） 纠错

AI总结 本文探讨了自动识别个体动物在生态研究中的应用，指出当前方法与实际生态数据处理存在不匹配，强调需以生态问题为导向提升识别的实用性与可信度。