University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

FlowCompile: An Optimizing Compiler for Structured LLM Workflows

FlowCompile: 一种用于结构化大语言模型工作流的优化编译器

Junyan Li, Zhang-Wei Hong, Maohao Shen, Yang Zhang, Chuang Gan

机构 * UMass Amherst（马萨诸塞大学阿姆赫斯特分校） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） 纠错

AI总结 本文提出FlowCompile，一种优化结构化大语言模型工作流的编译器，通过编译时设计空间探索生成高质量可重用配置集，实现准确率与延迟的平衡，实验表明其在多种工作流和基准测试中表现优异，速度提升达6.4倍。

Rigel3D: Rig-aware Latents for Animation-Ready 3D Asset Generation

Rigel3D: 基于姿态的潜变量用于动画准备的3D资产生成

Nikitas Chatzis, Marios Loizou, Evangelos Kalogerakis

机构 * Technical University of Crete（希腊克里特技术大学） ； CYENS Center of Excellence（CYENS卓越中心） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

AI总结 Rigel3D通过联合建模几何和骨架结构，生成可动画化的3D资产，优于现有rigging基线。

Ergodic Trajectory Design by Learned Pushforward Maps: Provable Coverage via Conditional Flow Matching

通过学习的推前映射进行遍历轨迹设计：通过条件流匹配实现可证明的覆盖

Ehsan Aghazadeh, Masoud Malekzadeh, Ahmad Ghasemi, Hossein Pishro-Nik

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

AI总结 本文提出了一种epushforward框架，通过条件流匹配学习映射，将潜在轨迹分布转换为目标密度，实现轨迹的可证明覆盖，同时支持多智能体和不同约束条件。

Accelerating Particle-based Energetic Variational Inference

加速基于粒子的能量变分推断

Xuelian Bao, Lulu Kang, Chun Liu, Yiwei Wang

机构 * School of Mathematics, South China University of Technology（华南理工大学数学学院） ； Department of Mathematics and Statistics, University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校数学与统计系） ； Department of Applied Mathematics, Illinois Institute of Technology（伊利诺伊理工学院应用数学系） ； Department of Mathematics, University of California Riverside（加州大学河滨分校数学系） 纠错

AI总结 本文提出一种基于粒子的变分推断方法，通过能量二次化和操作分割技术提高效率，相比现有方法在某些情况下更高效且稳健。

Comments 22 pages, 6 figures, 2 tables