Xi'an Jiaotong University（西安交通大学）

Denoising Tells When to Replan: Denoising-Variance Adaptive Chunking for Flow-Based Robot Policies

去噪提示何时重新规划：基于流的机器人策略的去噪方差自适应分块

Xiangdong Feng, Yuxuan Cheng, Chen Shi, Boyao Han, Yuxuan Yan, Yitong Hong, Zhuotao Tian, Li Jiang

机构 * Beijing Institute of Technology（北京理工大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） ； Hunan University（湖南大学） ； Xi’an Jiaotong University（西安交通大学） ； Renmin University of China（中国人民大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） 纠错

AI总结 针对基于流的机器人策略中固定执行步长的问题，提出DVAC方法，利用去噪过程中干净动作估计的方差自适应决定执行步长，在保持或提升任务成功率的同时降低重新规划频率。

Bionic Human-Motion Style Transfer for Physically Executable Whole-Body Control of Humanoid Robots

仿人运动风格迁移用于人形机器人物理可执行全身控制

Tianchen Huang, Mingkuan Zhao, Yang Gao, Feiyang Yuan, Junchi Gu, Xiaohu Zhang, Dongdong Zhao, Shi Yan, Yu Wang, Wei Gao, Shiwu Zhang

机构 * Institute of Humanoid Robots, Department of Precision Machinery and Precision Instrumentation, University of Science and Technology of China（人形机器人研究院，精密机械与精密仪器系，中国科学技术大学） ； School of Computer Science and Technology, Faculty of Electronic and Information Engineering, Xi’an Jiaotong University（计算机科学与技术学院，电子与信息工程学院，西安交通大学） ； School of Information Science and Engineering, Lanzhou University（信息科学与工程学院，兰州大学） 纠错

AI总结 提出一种仿生生成到控制框架，通过物理感知多条件潜扩散模型和预览式全身跟踪策略，将短时人体风格示例迁移到不同运动内容上，实现人形机器人可执行且表达性强的全身运动。

Comments Project page: https://huangtc233.github.io/bionic-style-transfer/

The Deliberative Illusion: Diagnosing Factual Attrition and Stance Homogenization in Multi-Agent LLM Deliberation

深思幻觉：诊断多智能体LLM讨论中的事实损耗与立场同质化

Herun Wan, Jiaying Wu, Minnan Luo, Fanxiao Li, Ningnan Wang, Nancy F. Chen, Min-Yen Kan

机构 * Xi’an Jiaotong University（西安交通大学） ； National University of Singapore（新加坡国立大学） ； Yunnan University（云南大学） ； Agency for Science, Technology and Research (A*STAR), Singapore（新加坡科技研究局（A*STAR）） 纠错

AI总结 本文提出DelibTrace框架，通过分解原子事实并追踪其存留，发现多智能体LLM讨论中高达72%的关键事实丢失，导致立场同质化，揭示了“同意越多、知道越少”的风险。

Hallucinations as Orthogonal Noise: Inference-Time Manifold Alignment via Dynamic Contextual Orthogonalization

幻觉作为正交噪声：通过动态上下文正交化实现推理时流形对齐

Mingkuan Zhao, Wentao Hu, Tianchen Huang, Yuheng Min, Suquan Chen, Yide Gao, Yanbo Zhai, Shuangyong Song, Xuelong Li

机构 * Xi’an Jiaotong University（西安交通大学） ； Xingchen AGI Lab（星辰AGI实验室） ； China Telecom AI Technology (Beijing) Co., Ltd.（中国电信人工智能技术（北京）有限公司） ； Institute of Artificial Intelligence, China Telecom（中国电信人工智能研究院） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） 纠错

AI总结 提出一种基于线性表示假设的几何框架，将大语言模型幻觉解释为残差流语义流形的正交噪声，并引入推理时干预方法动态上下文正交化（DCO），通过层间Z分数抑制机制选择性地衰减异常正交分量，在保持知识记忆的同时提升上下文忠实度。

Dual-Cluster Memory Agent: Resolving Multi-Paradigm Ambiguity in Optimization Problem Solving

双簇记忆智能体：解决优化问题求解中的多范式歧义

Xinyu Zhang, Yuchen Wan, Boxuan Zhang, Zesheng Yang, Lingling Zhang, Bifan Wei, Jun Liu

机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； Ministry of Education Key Laboratory of Intelligent Networks and Network Security, China（教育部智能网络与网络security重点实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering, China（陕西省大数据知识工程重点实验室） 纠错

AI总结 提出双簇记忆智能体（DCM-Agent），通过无训练方式利用历史解决方案构建双簇记忆，并采用记忆增强推理动态导航解路径，在七个优化基准上平均性能提升11%-21%。