University of Science and Technology of China（中国科学技术大学）

From Sparse to Dense: Multi-View GRPO for Flow Models via Augmented Condition Space

从稀疏到密集：通过增强条件空间的多视图GRPO用于流模型

Jiazi Bu, Pengyang Ling, Yujie Zhou, Yibin Wang, Yuhang Zang, Tianyi Wei, Xiaohang Zhan, Jiaqi Wang, Tong Wu, Xingang Pan, Dahua Lin

机构 * Shanghai Jiao Tong University（上海交通大学） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Adobe Research（Adobe研究实验室） ； Stanford University（斯坦福大学） ； Shanghai Innovation Institute（上海创新研究院） ； CPII under InnoHK Project（InnoHK项目下的CPII） 纠错

AI总结 本文提出多视图GRPO，通过增强条件空间探索样本间关系，提升文本到图像流模型的对齐性能。

Lyapunov Stable Graph Neural Flow

Lyapunov稳定图神经流

Haoyu Chu, Xiaotong Chen, Wei Zhou, Wenjun Cui, Kai Zhao, Shikui Wei, Qiyu Kang

机构 * School of Computer Science and Technology / School of Artificial Intelligence, China University of Mining and Technology（计算机科学与技术学院/人工智能学院，中国矿业大学） ； School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学） 纠错

AI总结 本文将控制理论与图神经网络结合，提出基于整数和分数阶Lyapunov稳定性的新防御框架，通过可学习的Lyapunov函数和新型投影机制提升GNN的鲁棒性。