University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

Grid Spatial Understanding: A Dataset for Textual Spatial Reasoning over Grids, Embodied Settings, and Coordinate Structures

网格空间理解：一个用于文本空间推理、具身场景和坐标结构的数据集

Risham Sidhu, Julia Hockenmaier

机构 * 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GSU数据集，用于评估LLM在导航、物体定位和结构组合任务中的空间推理能力，发现模型在具身代理参考框架和坐标列表识别上存在困难，且微调小模型可能达到前沿模型性能。

Comments preprint

Continual Low-Rank Adapters for LLM-based Generative Recommender Systems

连续低秩适配器用于基于LLM的生成推荐系统

Hyunsik Yoo, Ting-Wei Li, SeongKu Kang, Zhining Liu, Charlie Xu, Qilin Qi, Hanghang Tong

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Korea University（韩国大学） ； Amazon（亚马逊） 纠错

AI总结 本文提出PESO方法，通过引入近端正则化器，在推荐系统中实现连续学习，平衡适应与保留，提升对近期用户行为的捕捉能力。

Skyfall-GS: Synthesizing Immersive 3D Urban Scenes from Satellite Imagery

Skyfall-GS：从卫星图像合成沉浸式3D城市场景

Jie-Ying Lee, Yi-Ruei Liu, Shr-Ruei Tsai, Wei-Cheng Chang, Chung-Ho Wu, Jiewen Chan, Zhenjun Zhao, Chieh Hubert Lin, Yu-Lun Liu

机构 * National Yang Ming Chiao Tung University ； UIUC ； University of Zaragoza ； UC Merced 纠错

AI总结 本文提出Skyfall-GS框架，通过结合卫星重建与扩散模型，实现大规模3D城市场景合成，无需昂贵3D标注，支持实时沉浸式探索。

Comments Project page: https://skyfall-gs.jayinnn.dev/

Slow-Fast Policy Optimization: Reposition-Before-Update for LLM Reasoning

慢-快策略优化：在更新前重新定位用于大语言模型推理

Ziyan Wang, Zheng Wang, Xingwei Qu, Qi Cheng, Jie Fu, Shengpu Tang, Minjia Zhang, Xiaoming Huo

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Manchester（曼彻斯特大学） ； NVIDIA ； Independent（独立） ； Emory University（埃默里大学） 纠错

AI总结 本文提出慢-快策略优化框架，通过分解步骤为三个阶段，解决RL在早期训练中的稳定性与效率问题，实验表明其在推理任务中提升稳定性、减少rollouts数量并加速收敛。

Comments Published as a conference paper at ICLR 2026