University of Washington（华盛顿大学）

LAtent Phase Inference from Short time sequences using SHallow REcurrent Decoders (LAPIS-SHRED)

从短时间序列中利用浅层递归解码器进行潜在相位推断（LAPIS-SHRED）

Yuxuan Bao, Xingyue Zhang, J. Nathan Kutz

机构 * University of Washington（华盛顿大学） ； Autodesk Research（欧特克研究院） 纠错

AI总结 本文提出LAPIS-SHRED，通过三阶段流程从稀疏传感器观测中重建和预测完整的时空动态，支持双向推断和多尺度重建，适用于观测受限的运营环境。

ProTPS: Prototype-Guided Text Prompt Selection for Continual Learning

ProTPS：基于原型的文本提示选择用于持续学习

Jie Mei, Li-Leng Peng, Keith Fuller, Jenq-Neng Hwang

机构 * University of Washington（华盛顿大学） ； Alaska Pacific University（阿拉斯加太平洋大学） 纠错

AI总结 ProTPS通过学习类特定的视觉原型和文本提示，减少新旧类别的语义重叠，从而缓解灾难性遗忘问题，在连续学习任务中表现出色。

Proactive Agent Research Environment: Simulating Active Users to Evaluate Proactive Assistants

主动代理研究环境：模拟活跃用户以评估主动助手

Deepak Nathani, Cheng Zhang, Chang Huan, Jiaming Shan, Yinfei Yang, Alkesh Patel, Zhe Gan, William Yang Wang, Michael Saxon, Xin Eric Wang

机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； Apple, USA（苹果公司（美国）） ； University of Washington（华盛顿大学） ； Independent Researcher, USA（独立研究员（美国）） 纠错

AI总结 本文提出Pare框架，通过状态机模拟用户交互，构建并评估主动代理，同时引入Pare-Bench基准测试143种不同任务，测试上下文感知、目标推理和多应用协调能力。

Comments 34 pages, 8 figures, 5 tables

Agent Q-Mix: Selecting the Right Action for LLM Multi-Agent Systems through Reinforcement Learning

Agent Q-Mix: 通过强化学习选择LLM多智能体系统的合适动作

Eric Hanchen Jiang, Levina Li, Rui Sun, Xiao Liang, Yubei Li, Yuchen Wu, Haozheng Luo, Hengli Li, Zhi Zhang, Zhaolu Kang, Kai-Wei Chang, Ying Nian Wu

机构 * University of California Los Angeles（加州大学洛杉矶分校） ； University of Washington（华盛顿大学） ； Northwestern University（西北大学） 纠错

AI总结 本文提出Agent Q-Mix框架，通过强化学习解决多智能体系统中拓扑选择问题，实现去中心化通信决策，提升任务准确率与token效率。

CayleyPy Growth: Efficient growth computations and hundreds of new conjectures on Cayley graphs (Brief version)

CayleyPy增长：高效增长计算和数百个关于Cayley图的新猜想（简版）

A. Chervov, D. Fedoriaka, E. Konstantinova, A. Naumov, I. Kiselev, A. Sheveleva, I. Koltsov, S. Lytkin, A. Smolensky, A. Soibelman, F. Levkovich-Maslyuk, R. Grimov, D. Volovich, A. Isakov, A. Kostin, M. Litvinov, N. Vilkin-Krom, A. Bidzhiev, A. Krasnyi, M. Evseev, E. Geraseva, L. Grunwald, S. Galkin, E. Koldunov, S. Diner, A. Chevychelov, E. Kudasheva, A. Sychev, A. Kravchenko, Z. Kogan, A. Natyrova, L. Shishina, L. Cheldieva, V. Zamkovoy, D. Kovalenko, O. Papulov, S. Kudashev, D. Shiltsov, R. Turtayev, O. Nikitina, D. Mamayeva, S. Nikolenko, M. Obozov, A. Titarenko, A. Dolgorukova, A. Aparnev, O. Debeaupuis, S. Alami C., H. Isambert

机构 * Institut Curie, CNRS UMR168, Paris, France（居里研究所，法国国家科学研究中心UMR168，法国巴黎） ； University of Washington（华盛顿大学） ； Three Gorges Mathematical Research Center, China Three Gorges University（三峡数学研究中心，三峡大学） ； Sobolev Institute of Mathematics（索博列夫数学研究所） ； Novosibirsk State University（新西伯利亚国立大学） ； Independent Researcher（独立研究员） ； Moscow State University（莫斯科国立大学） ； Kazakh-British Technical University（哈萨克-英国技术大学） ； Neapolis University Pafos, Cyprus（尼阿波利斯大学帕福斯校区，塞浦路斯） ； City St George's, University of London（伦敦大学城市圣乔治学院） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； ITMO University（ITMO大学） ； Moscow Center for Advanced Studies（莫斯科高等研究中心） ； National Research University Higher School of Economics（国立研究大学高等经济学院） ； Ariel University（阿里埃勒大学） ； Saint-Petersburg Pasteur Institute（圣彼得堡巴斯德研究所） ； Criteo AI Lab, Berlin, Germany（Criteo人工智能实验室，德国柏林） ； University of Bologna（博洛尼亚大学） ； Faculty of Bioengineering and Bioinformatics, Lomonosov Moscow State University（莫斯科国立大学生物工程与生物信息学系） ； Researcher at Banner Stat（Banner Stat研究员） ； MIREA — Russian Technological University（MIREA — 俄罗斯技术大学） ； Research Center of the Artificial Intelligence Institute, Innopolis University（因诺波利斯大学人工智能研究所研究中心） ； Inpdependent Researcher（独立研究员） ； LIX, Ecole Polytechnique/CNRS, IP Paris（LIX，巴黎综合理工学院/法国国家科学研究中心，巴黎理工学院） 纠错

AI总结 CayleyPy项目利用人工智能解决群论问题，实现了高效Cayley图和Schreier图计算，并提出200多个新猜想，包括直径和增长的多项式公式及改进的Babai猜想。

Comments 46 pages, 30 figures; v2: typos fixed

Dense Dynamics-Aware Reward Synthesis: Integrating Prior Experience with Demonstrations

密集动态感知奖励合成：整合先验经验与演示

Cevahir Koprulu, Po-han Li, Tianyu Qiu, Ruihan Zhao, Tyler Westenbroek, David Fridovich-Keil, Sandeep Chinchali, Ufuk Topcu

机构 * University of Texas at Austin, USA（德克萨斯大学奥斯汀分校） ； University of Washington, USA（华盛顿大学） 纠错

AI总结 本文提出一种系统化的奖励塑造框架，结合先验数据集和少量专家演示，生成密集动态感知奖励，加速连续控制任务的学习。

Semi-Autonomous Formalization of the Vlasov-Maxwell-Landau Equilibrium

半自动化的Vlasov-Maxwell-Landau平衡形式化

Vasily Ilin

机构 * University of Washington（华盛顿大学） 纠错

AI总结 本文展示了一个完整的Lean 4形式化，用于Vlasov-Maxwell-Landau系统中的平衡特性描述，通过AI辅助数学研究流程，结合AI推理模型、编码工具和专业证明器，实现了高效的形式化验证。

Comments 11 figures

Science-T2I: Addressing Scientific Illusions in Image Synthesis

Science-T2I: 解决图像合成中的科学幻觉

Jialuo Li, Wenhao Chai, Xingyu Fu, Haiyang Xu, Saining Xie

机构 * New York University（纽约大学） ； University of Washington（华盛顿大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） 纠错

AI总结 本文提出ScienceT2I数据集，评估18种图像生成模型，发现科学提示能显著提升生成效果，提出SciScore奖励模型和两阶段对齐框架提升科学推理能力。

Comments Accepted to CVPR 2025. Code, docs, weight, benchmark and training data are all avaliable at https://jialuo-li.github.io/Science-T2I-Web