University of Washington（华盛顿大学）

RefDecoder: Enhancing Visual Generation with Conditional Video Decoding

RefDecoder：通过条件视频解码增强视觉生成

Xiang Fan, Yuheng Wang, Bohan Fang, Zhongzheng Ren, Ranjay Krishna

机构 * University of Washington（华盛顿大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

AI总结 本文提出RefDecoder，通过引入高保真参考图像信号提升视频生成质量，改进解码器结构以保持结构完整性，在多个基准测试中取得显著提升。

Average Gradient Outer Product in kernel regression provably recovers the central subspace for multi-index models

核回归中的平均梯度外积在多索引模型中可证明恢复中心子空间

Libin Zhu, Damek Davis, Dmitriy Drusvyatskiy, Maryam Fazel

机构 * Department of Mathematics, University of Washington, Seattle, WA 98195（华盛顿大学数学系，华盛顿州西雅图98195） ； Wharton Department of Statistics and Data Science, University of Pennsylvania, Philadelphia, PA 19104, USA（宾夕法尼亚大学沃顿统计与数据科学系，美国费城19104） ； Department of Mathematics, U. Washington, Seattle, WA 98195（华盛顿大学数学系，华盛顿州西雅图98195） ； Department of Electrical & Computer Engineering, University of Washington, Seattle, WA 98195, and Amazon, Inc（华盛顿大学电气与计算机工程系，华盛顿州西雅图98195，亚马逊公司） 纠错

AI总结 本文研究了在有限样本下通过核岭回归恢复多索引模型中心子空间的方法，证明了平均梯度外积的前r个特征空间能有效恢复中心子空间，展示了预测与表示的分离性。

Comments 95 pages, 12 figures

FrontierSmith: Synthesizing Open-Ended Coding Problems at Scale

FrontierSmith: 批量合成开放性编程问题

Runyuan He, Qiuyang Mang, Shang Zhou, Kaiyuan Liu, Hanchen Li, Huanzhi Mao, Qizheng Zhang, Zerui Li, Bo Peng, Lufeng Cheng, Tianfu Fu, Yichuan Wang, Wenhao Chai, Jingbo Shang, Alex Dimakis, Joseph E. Gonzalez, Alvin Cheung

机构 * University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Bespoke Labs（Bespoke实验室） 纠错

AI总结 本文提出FrontierSmith系统，通过迭代演化现有封闭性编程任务生成开放性问题，提升LLM编程能力，在两个基准测试中显著提升模型性能。

Runtime Monitoring of Perception-Based Autonomous Systems via Embedding Temporal Logic

通过嵌入时序逻辑对基于感知的自主系统进行运行时监控

Parv Kapoor, Abigail Hammer, Ashish Kapoor, Karen Leung, Eunsuk Kang

机构 * Software and Societal Systems Department（软件与社会系统部门） ； Carnegie Mellon University（卡内基梅隆大学） ； General Robotics（通用机器人） ； Aeronautics and Astronautics Department（航空与航天系） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出嵌入时序逻辑（ETL），在学习的嵌入空间中直接进行监控，通过观测嵌入与目标嵌入的距离定义谓词，能够捕捉高阶感知概念，如视觉目标相似性或避免语义区域，通过时序运算符表达时间扩展和序列行为。

A cross-species neural foundation model for end-to-end speech decoding

跨物种神经基础模型用于端到端语音解码

Yizi Zhang, Linyang He, Chaofei Fan, Tingkai Liu, Han Yu, Trung Le, Jingyuan Li, Scott Linderman, Lea Duncker, Francis R Willett, Nima Mesgarani, Liam Paninski

机构 * Columbia University（哥伦比亚大学） ； Stanford University（斯坦福大学） ； Microsoft（微软公司） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出端到端BraIn-to-Text框架，通过单个可微神经网络将神经活动转化为连贯句子，利用跨任务、跨物种预训练神经编码器提升语音解码性能，降低词错误率至10.22%。

Distributional Principal Autoencoders

分布性主成分自编码器

Xinwei Shen, Nicolai Meinshausen

机构 * Department of Statistics, University of Washington（华盛顿大学统计系） 纠错

AI总结 本文提出DPA，通过学习数据给定低维潜在变量的条件分布，实现数据重构的分布匹配，验证了在气候、单细胞和图像数据中重建原始数据分布的有效性。

Thinking Ahead: Prospection-Guided Retrieval of Memory with Language Models

前瞻性引导的记忆检索：语言模型中的记忆检索

Harshita Chopra, Krishna Kant Chintalapudi, Suman Nath, Ryen W. White, Chirag Shah

机构 * University of Washington（华盛顿大学） ； Microsoft Research（微软研究院） 纠错

AI总结 前瞻性引导的记忆检索通过模拟未来步骤来增强长周期检索，提升用户个性化需求的响应质量。

Comments Preprint

How well behaved is finite dimensional Diffusion Maps?

有限维扩散图的可行为性如何？

Wenyu Bo, Marina Meilă

机构 * Department of Statistics（统计学系） ； University of Washington（华盛顿大学） 纠错

AI总结 本文研究有限维扩散图在子流形上的几何性质，推导出嵌入误差的理论界，揭示扩散图在流形上的精度特性。

Comments 33 pages, 4 figures