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

The Rise of Generative AI for Metal-Organic Framework Design and Synthesis

生成式AI在金属有机框架设计与合成中的崛起

Chenru Duan, Aditya Nandy, Shyam Chand Pal, Xin Yang, Wenhao Gao, Yuanqi Du, Hendrik Kraß, Yeonghun Kang, Varinia Bernales, Zuyang Ye, Tristan Pyle, Ray Yang, Zeqi Gu, Philippe Schwaller, Shengqian Ma, Shijing Sun, Alán Aspuru-Guzik, Seyed Mohamad Moosavi, Robert Wexler, Zhiling Zheng

机构 * Deep Principle, Inc.（Deep Principle公司） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Washington University（华盛顿大学） ； Institute of Materials Science & Engineering, Washington University（华盛顿大学材料科学与工程研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； Cornell University（康奈尔大学） ； University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（向量人工智能研究所） ； Acceleration Consortium, University of Toronto（多伦多大学加速联盟） ； University of Washington（华盛顿大学） ； University of North Texas（北德克萨斯大学） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Canadian Institute for Advanced Research（加拿大高等研究院） ； NVIDIA（英伟达） 纠错

AI总结 生成式AI推动金属有机框架设计方法革新，通过自主提出并合成新型多孔结构，结合高通量计算筛选和自动化实验，形成加速发现闭环流程，提升清洁空气和能源应用材料性能。

Comments 10 pages, 5 figures

Journal ref Matter (2026)

Tracking without Seeing: Geospatial Inference using Encrypted Traffic from Distributed Nodes

无需视觉：利用分布式节点加密流量进行地理推断

Sadik Yagiz Yetim, Gaofeng Dong, Isaac-Neil Zanoria, Ronit Barman, Maggie Wigness, Tarek Abdelzaher, Mani Srivastava, Suhas Diggavi

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； DEVCOM Army Research Laboratory（DEVCOM陆军研究实验室） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出GraySense框架，通过分析加密无线视频传输流量中的包大小，实现无原始数据的地理物体跟踪，实验显示在无原始信号访问情况下，跟踪误差达2.33米。

Omni-Weather: A Unified Multimodal Model for Weather Radar Understanding and Generation

Omni-Weather: 一种统一的多模态模型用于天气雷达理解和生成

Zhiwang Zhou, Yuandong Pu, Xuming He, Yidi Liu, Yixin Chen, Junchao Gong, Xiang Zhuang, Wanghan Xu, Qinglong Cao, Shixiang Tang, Yihao Liu, Wenlong Zhang, Lei Bai

机构 * Tongji University（同济大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； UCLA（加州大学洛杉矶分校） 纠错

AI总结 Omni-Weather通过统一架构整合天气生成与理解，采用共享自注意力机制和因果推理数据集提升生成质量与可解释性，实验显示其在天气生成和理解上达到最新水平。

OccuFly: A 3D Vision Benchmark for Semantic Scene Completion from the Aerial Perspective

OccuFly：一种用于从空中视角进行语义场景补全的3D视觉基准

Markus Gross, Sai B. Matha, Aya Fahmy, Rui Song, Daniel Cremers, Henri Meess

机构 * Fraunhofer Institute IVI（弗劳恩霍夫交通与基础设施系统研究所） ； TU Munich（慕尼黑工业大学） ； MCML（慕尼黑机器学习中心） ； UCLA（加州大学洛杉矶分校） 纠错

AI总结 本文提出OccuFly基准，通过无LiDAR相机数据生成框架，提供21类语义的20000+样本，评估视觉模型在空中场景中的局限性。

Comments Accepted to CVPR 2026

Adapt as You Say: Online Interactive Bimanual Skill Adaptation via Human Language Feedback

根据指令适应：通过人类语言反馈实现在线交互双臂技能适应

Zhuo Li, Dianxi Li, Tao Teng, Quentin Rouxel, Zhipeng Dong, Dennis Hong, Darwin Caldwell, Fei Chen

机构 * Collaborative and Versatile Robots (CLOVER) Laboratory, T-Stone Robotics Institute, The Chinese University of Hong Kong（香港中文大学T-Stone机器人研究所协作与多功能机器人（CLOVER）实验室） ； Department of Mechanical and Aerospace Engineering, 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 Advanced Robotics, Istituto Italiano di Tecnologia（意大利技术研究院先进机器人系） 纠错

AI总结 本文提出BiSAIL框架，通过交互语言反馈实现零样本在线适应，提升双臂技能在任务变化中的适应性、泛化能力和跨身体可扩展性。

Comments 11 pages, 15 figures, submitted to IEEE TMECH

When Identities Collapse: A Stress-Test Benchmark for Multi-Subject Personalization

当身份崩溃时：多主体个性化的一个压力测试基准

Zhihan Chen, Yuhuan Zhao, Yijie Zhu, Xinyu Yao

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Southern California（南加州大学） ； DeerLab LLC（DeerLab有限责任公司） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出一个压力测试基准，揭示多主体生成模型在复杂场景下的身份崩溃问题，并引入新的评估指标SCR，强调未来生成架构需显式物理解耦。

Comments 10 pages, 7 figures, accepted by CVPR 2026 Workshop P13N

Control of a commercially available vehicle by a tetraplegic human using a brain-computer interface

通过脑机接口控制商用汽车的瘫痪人类

Xinyun Zou, Jorge Gamez, Meghna Menon, Phillip Ring, Chadwick Boulay, Likhith Chitneni, Jackson Brennecke, Shana R. Melby, Gracy Kureel, Kelsie Pejsa, Emily R. Rosario, Ausaf A. Bari, Aniruddh Ravindran, Tyson Aflalo, Spencer S. Kellis, Dimitar Filev, Florian Solzbacher, Richard A. Andersen

机构 * California Institute of Technology（加州理工学院） ； Ford Motor Company（福特汽车公司） ； Blackrock Neurotech（黑石神经技术公司） ； Casa Colina Hospital and Centers for Healthcare（卡萨科利纳医院与医疗中心） ； University of California Los Angeles（加州大学洛杉矶分校） ； University of Southern California（南加州大学） ； The University of Utah（犹他大学） 纠错

AI总结 研究通过脑机接口实现瘫痪患者在模拟和真实环境中的车辆操控，证明其与正常人相当的操控速度和精度，展示了BCI在驾驶控制中的可行性与创新性。

Comments 50 pages, 7 figures, 1 table. 27 supplementary pages, 9 supplementary figures, 13 supplementary tables, 9 supplementary movies available as ancillary files

FastCache: Fast Caching for Diffusion Transformer Through Learnable Linear Approximation

通过可学习线性近似加速扩散变换器的FastCache

Dong Liu, Yanxuan Yu, Jiayi Zhang, Yifan Li, Ben Lengerich, Ying Nian Wu

机构 * Yale University（耶鲁大学） ； Columbia University（哥伦比亚大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Wisconsin--Madison（威斯康星大学麦迪逊分校） ； Michigan State University（密歇根州立大学） 纠错

AI总结 本文提出FastCache，通过隐藏状态层面的缓存与压缩框架，利用模型内部表示中的冗余性加速扩散变换器推理，结合可学习线性近似方法，有效降低计算开销并保持生成质量。

MolmoB0T: Large-Scale Simulation Enables Zero-Shot Manipulation

MolmoB0T：大规模模拟实现零样本操控

Abhay Deshpande, Maya Guru, Rose Hendrix, Snehal Jauhri, Ainaz Eftekhar, Rohun Tripathi, Max Argus, Jordi Salvador, Haoquan Fang, Matthew Wallingford, Wilbert Pumacay, Yejin Kim, Quinn Pfeifer, Ying-Chun Lee, Piper Wolters, Omar Rayyan, Mingtong Zhang, Jiafei Duan, Karen Farley, Winson Han, Eli Vanderbilt, Dieter Fox, Ali Farhadi, Georgia Chalvatzaki, Dhruv Shah, Ranjay Krishna

机构 * Allen Institute for AI（艾伦人工智能研究所） ； University of Washington（华盛顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Princeton University（普林斯顿大学） 纠错

AI总结 本文提出MolmoB0T，通过大规模模拟数据实现零样本操控，展示了在静态和移动操控任务中，无需真实世界微调即可有效迁移的成果。

Planned Diffusion

计划扩散

Daniel Israel, Tian Jin, Ellie Cheng, Guy Van den Broeck, Aditya Grover, Suvinay Subramanian, Michael Carbin

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Google（谷歌） 纠错

AI总结 计划扩散通过训练模型自主决定去噪顺序，实现并行生成，提升效率并保持质量，建立新的帕累托前沿。

Comments 10 pages, 7 figures

Perturbative adaptive importance sampling for Bayesian LOO cross-validation

基于贝叶斯LOO交叉验证的扰动自适应重要性采样

Joshua C Chang, Xiangting Li, Tianyi Su, Shixin Xu, Hao-Ren Yao, Julia Porcino, Carson Chow

机构 * NIH Clinical Center Rehabilitation Medicine Epidemiology and Biostatistics Section（NIH临床中心康复医学流行病学与生物统计学部门） ； UCLA Department of Computational Medicine（UCLA计算医学系） ； UCLA Department of Statistics（UCLA统计学系） ； Data Science Research Center（数据科学研究中心） ； Duke Kunshan University（杜克-昆山大学） ； NIH NIDDK 纠错

AI总结 本文提出扰动自适应重要性采样方法，通过变换实现高方差问题的解决，结合多种变换策略降低LOO交叉验证的重拟合需求。

Comments Submitted

Quadrature Oscillation System for Coordinated Motion in Crawling Origami Robot

四象振荡系统用于爬行折纸机器人协同运动

Sean Liu, Ankur Mehta, Wenzhong Yan

机构 * Department of MAE, UCLA（加州大学洛杉矶分校机械工程系） ； Department of EE, UCLA（加州大学洛杉矶分校电气工程系） 纠错

AI总结 本研究提出四象振荡系统，生成四路相位差四分之一的方波信号，实现四种状态，用于折纸机器人协同运动控制。

Comments 8 pages, 11 figures, Accepted to ICRA 2026

Generative Inversion of Spectroscopic Data for Amorphous Structure Elucidation

光谱数据生成性反演以阐明非晶结构

Jiawei Guo, Daniel Schwalbe-Koda

机构 * Department of Materials Science and Engineering, University of California, Los Angeles, CA, USA（加州大学洛杉矶分校材料科学与工程系） 纠错

AI总结 本文提出GLASS框架，通过多模态光谱测量反推原子结构，利用得分模型学习结构先验，展示PDFs在非晶材料研究中的有效性，并解决三个争议性实验问题。

Comments 10 pages; SI: 51 pages

Transformers Trained via Gradient Descent Can Provably Learn a Class of Teacher Models

通过梯度下降训练的Transformer可以证明性地学习某一类教师模型

Chenyang Zhang, Qingyue Zhao, Quanquan Gu, Yuan Cao

机构 * The University of Hong Kong（香港大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 本文研究了通过Transformer学习各类教师模型的理论基础，证明单层Transformer能恢复教师模型的所有参数块并达到最优损失，同时展示其在分布外数据上的泛化能力。

Comments 64 pages, 9 figures

Pretext Matters: An Empirical Study of SSL Methods in Medical Imaging

预设信息重要性：医学影像中SSL方法的实证研究

Vedrana Ivezić, Mara Pleasure, Ashwath Radhachandran, Saarang Panchavati, Shreeram Athreya, Vivek Sant, Benjamin Emert, Gregory Fishbein, Corey Arnold, William Speier

机构 * Biomedical AI Research Lab, University of California, Los Angeles, Los Angeles, CA, USA（生物医学人工智能研究实验室，加州大学洛杉矶分校，洛杉矶，CA，USA） ； Department of Radiology, University of California, Los Angeles, Los Angeles, CA, USA（放射学系，加州大学洛杉矶分校，洛杉矶，CA，USA） ； Division of Endocrine Surgery, University of Texas Southwestern Medical Center, Dallas, TX, USA（内分泌外科 division，德克萨斯西南医学中心，达拉斯，TX，USA） ； Department of Pathology, University of California, Los Angeles, Los Angeles, CA, USA（病理学系，加州大学洛杉矶分校，洛杉矶，CA，USA） ； Department of Computational Medicine, University of California, Los Angeles, Los Angeles, CA, USA（计算医学系，加州大学洛杉矶分校，洛杉矶，CA，USA） ； Department of Bioengineering, University of California, Los Angeles, Los Angeles, CA, USA（生物工程系，加州大学洛杉矶分校，洛杉矶，CA，USA） ； Department of Electrical and Computer Engineering, University of California, Los Angeles, Los Angeles, CA, USA（电气与计算机工程系，加州大学洛杉矶分校，洛杉矶，CA，USA） 纠错

AI总结 本文通过实证研究探讨SSL方法在医学影像中的影响，发现不同SSL目标在处理不同噪声特性影像时表现各异，为选择合适SSL方法提供了框架。

Learning Sidewalk Autopilot from Multi-Scale Imitation with Corrective Behavior Expansion

从多尺度模仿中学习人行道自动驾驶：带有纠正行为扩展

Honglin He, Yukai Ma, Brad Squicciarini, Wayne Wu, Bolei Zhou

机构 * Department of Computer Science, University of California, Los Angeles（加州大学洛杉矶分校计算机科学系） ； Coco Robotics（Coco机器人） 纠错

AI总结 本文提出通过纠正行为扩展和多尺度模仿学习提升人行道微出行的鲁棒性和泛化能力，通过数据和模型双重改进解决传统模仿学习的局限。

MKA: Memory-Keyed Attention for Efficient Long-Context Reasoning

MKA：用于高效长上下文推理的内存键注意

Dong Liu, Yanxuan Yu, Ben Lengerich, Ying Nian Wu

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Columbia University（哥伦比亚大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出MKA机制，通过多级KV缓存和动态路由提升长上下文推理效率，FastMKA在保持准确率的同时显著提升训练速度和评估效率。

Comments Accepted to the ACM Computing Frontiers 2026 Conference (Oral Presentation) and the ICML 2025 Long Context Modeling Workshop

Inverting Neural Networks: New Methods to Generate Neural Network Inputs from Prescribed Outputs

神经网络反向：生成神经网络输入的新方法

Rebecca Pattichis, Sebastian Janampa, Constantinos S. Pattichis, Marios S. Pattichis

机构 * Department of Electrical Engineering, University of California, Los Angeles（电气工程系，加州大学洛杉矶分校） ； Department of Electrical and Computer Engineering, University of New Mexico（电气与计算机工程系，新墨西哥大学） ； Department of Computer Science, University of Cyprus（计算机科学系，塞浦路斯大学） 纠错

AI总结 本文提出两种新方法，通过反向计算生成与指定分类对应的输入图像，揭示了神经网络的潜在漏洞。

Comments Accepted at 2026 IEEE Southwest Symposium on Image Analysis and Interpretation (SSIAI)

T-MAP: Red-Teaming LLM Agents with Trajectory-aware Evolutionary Search

T-MAP: 通过轨迹感知的进化搜索实现红队攻击LLM代理

Hyomin Lee, Sangwoo Park, Yumin Choi, Sohyun An, Seanie Lee, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 本文提出T-MAP方法，通过轨迹感知的进化搜索发现对抗性提示，有效突破安全防护并实现有害目标，实验显示其在攻击实现率上优于基线方法，适用于多步骤工具执行的LLM代理安全测试。

LUT-LLM: Efficient Large Language Model Inference with Memory-based Computations on FPGAs

LUT-LLM: 通过FPGA上的基于内存的计算实现高效的大型语言模型推断

Zifan He, Shengyu Ye, Rui Ma, Yang Wang, Jason Cong

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

AI总结 本文提出LUT-LLM，首个利用基于内存计算的FPGA加速器，通过向量量化部署10亿参数语言模型，提升FPGA效率以竞争GPU性能。

Comments Extended, 11 pages, FCCM 2026

TeleDex: Accessible Dexterous Teleoperation

TeleDex：易于使用的灵巧遥控

Omar Rayyan, Maximilian Gilles, Yuchen Cui

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

AI总结 TeleDex通过手机实现灵巧手和机械臂的直观遥控，降低硬件和设置门槛，支持模拟和现实任务中的演示收集，为机器人遥控提供统一可扩展接口。

Comments For project website and videos, see https://www.orayyan.com/teledex

Evolved Sample Weights for Bias Mitigation: Effectiveness Depends on the Fairness Objective

进化样本权重用于偏见缓解：效果取决于公平性目标

Anil K. Saini, Jose Guadalupe Hernandez, Emily F. Wong, Debanshi Misra, Tiffani J. Bright, Jason H. Moore

机构 * Cedars-Sinai Medical Center, Los Angeles（西德萨斯-辛AI医疗中心，洛杉矶） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 本文研究了通过遗传算法进化样本权重以平衡公平性与预测性能的效果，发现公平性目标的选择显著影响结果。

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