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

Plasticity of Growing and Elastic Neural Networks in Online Continual Learning

在线持续学习中生长型与弹性型神经网络的可塑性

Jeong Min Kong, Richard S. Sutton

机构 * University of California, Los Angeles (UCLA)（加利福尼亚大学洛杉矶分校） ； University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所） 纠错

AI总结 本文研究在线持续学习中生长型与弹性型神经网络的可塑性，实验显示自适应生长型和弹性型神经网络可维持高准确率、不丧失可塑性，或为在线持续学习提供有前景的算法类别。

PlantRig - From Bones to Branches: Adaptation of Autoregressive Rigging Models for Plant Skeletal Reconstruction

PlantRig - 从骨骼到分支：自回归绑定模型在植物骨骼重建中的适配

Nathan Hu, Yang Yang, Fumio Okura

机构 * UCLA（加利福尼亚大学洛杉矶分校） ； University of Osaka（大阪大学） 纠错

AI总结 该研究针对自回归绑定模型在植物骨骼重建中存在的问题，通过多轮微调优化UniRig模型，实现了跨多种植物形态的泛化，为自动化植物绑定提供了可行方案。

SeDeM: Selective Decompression of Hidden-State Memories for Long-Context Question Answering

SeDeM：面向长上下文问答的隐藏状态记忆选择性解压

Maryam Haghifam, Jason Cong, Yizhou Sun

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

AI总结 本研究针对LLM长上下文推理成本高、证据利用不可靠的问题，提出SeDeM选择性解压框架，通过解耦记忆存储与解码器条件，在1B、3B主干的四个长上下文QA基准上，优于压缩基线及全上下文微调方法，还提升了解码效率。