University of Southern California（南加州大学）

Hierarchical Mesh Transformers with Topology-Guided Pretraining for Morphometric Analysis of Brain Structures

具有拓扑引导预训练的层次网格变换器用于脑结构形态学分析

Yujian Xiong, Mohammad Farazi, Yanxi Chen, Wenhui Zhu, Xuanzhao Dong, Natasha Lepore, Yi Su, Raza Mushtaq, Stephen Foldes, Andrew Yang, Yalin Wang

机构 * Arizona State University（亚利桑那州立大学） ； University of Southern California（南加州大学） ； Banner Health（班纳健康） ； Barrow Neurological Institute（巴罗神经学研究所） 纠错

AI总结 本文提出一种层次变压器框架，用于异构网格分析，通过自监督预训练实现跨模态和多尺度的高效注意力机制，用于脑结构形态学分析。

FNO$^{\angle θ}$: Extended Fourier neural operator for learning state and optimal control of distributed parameter systems

FNO$^{\angle θ}$：扩展傅里叶神经算子用于学习分布式参数系统的状态和最优控制

Zhexian Li, Ketan Savla

机构 * Sonny Astani Department of Civil and Environmental Engineering, University of Southern California（南加州大学桑尼·阿斯塔尼土木与环境工程系） ； Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California（南加州大学谢明电气与计算机工程系） 纠错

AI总结 本文提出扩展傅里叶神经算子FNO，用于学习由偏微分方程描述系统的状态和最优控制，通过复域积分表示和改进的FNO层，实现训练误差显著降低和非周期性边界预测的提升。

Comments 6 pages, 3 figures

SABER: A Stealthy Agentic Black-Box Attack Framework for Vision-Language-Action Models

SABER：一种针对视觉-语言-动作模型的隐秘代理黑盒攻击框架

Xiyang Wu, Guangyao Shi, Qingzi Wang, Zongxia Li, Amrit Singh Bedi, Dinesh Manocha

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of Southern California（南加州大学） ； University of Central Florida（中佛罗里达大学） 纠错

AI总结 SABER通过生成最小有效指令修改，评估VLA模型的鲁棒性，展示小幅度指令扰动可显著降低机器人执行效果，且代理黑盒方法在红队测试中表现高效且可扩展。

From Reasoning to Pixels: Benchmarking the Alignment Gap in Unified Multimodal Models

从推理到像素：统一多模态模型中对齐差距的基准测试

Cheng Yang, Chufan Shi, Bo Shui, Yaokang Wu, Muzi Tao, Huijuan Wang, Ivan Yee Lee, Yong Liu, Xuezhe Ma, Taylor Berg-Kirkpatrick

机构 * University of California San Diego（加利福尼亚大学圣迭戈分校） ； University of Southern California（南加利福尼亚大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文通过UReason基准测试，探讨统一多模态模型中模态对齐问题，发现去上下文生成在图像生成任务中表现更优，揭示了文本推理与生成图像之间存在对齐差距。

Comments Project page: https://ureason.github.io