Xi'an Jiaotong University（西安交通大学）

Topology-Guided Biomechanical Profiling: A White-Box Framework for Opportunistic Screening of Spinal Instability on Routine CT

拓扑引导的生物力学分析：一种白盒框架用于常规CT中脊柱不稳定性的机会性筛查

Zanting Ye, Xuanbin Wu, Guoqing Zhong, Shengyuan Liu, Jiashuai Liu, Ge Song, Zhisong Wang, Jing Hao, Xiaolong Niu, Yefeng Zheng, Yu Zhang, Lijun Lu

机构 * Southern Medical University（南方医科大学） ； The Affiliated Cancer Hospital of Zhengzhou University（郑州大学附属肿瘤医院） ； The Chinese University of Hong Kong（香港中文大学） ； Xi'an Jiaotong University（西安交通大学） ； Northwestern Polytechnical University（西北工业大学） ； The University of Hong Kong（香港大学） ； Westlake University（西湖大学） ； Guangdong Provincial People's Hospital（广东省人民医院） 纠错

AI总结 本文提出一种白盒框架，通过拓扑引导的生物力学分析，解决常规CT中脊柱不稳定性的筛查问题，通过几何创新和可解释的AI方法提高诊断准确性。

Comments 11 pages, 3 tables, 2 figures

GATS: Gaussian Aware Temporal Scaling Transformer for Invariant 4D Spatio-Temporal Point Cloud Representation

GATS: 基于高斯意识的时间缩放变换器的不变四维时空点云表示

Jiayi Tian, Jiaze Wang

机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家重点实验室） ； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院） ； Xi’an Jiaotong University（西安交通大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Pengcheng Laboratory（鹏城实验室） 纠错

AI总结 本文提出GATS框架，通过不确定性引导的高斯卷积和时间缩放注意力模块，解决四维点云视频中时间尺度偏差和分布不确定性问题，提升鲁棒性和精度。

CARE: A Molecular-Guided Foundation Model with Adaptive Region Modeling for Whole Slide Image Analysis

CARE：一种具有自适应区域建模的分子引导基础模型用于全切片图像分析

Di Zhang, Zhangpeng Gong, Xiaobo Pang, Jiashuai Liu, Junbo Lu, Hao Cui, Jiusong Ge, Zhi Zeng, Kai Yi, Yinghua Li, Si Liu, Tingsong Yu, Haoran Wang, Mireia Crispin-Ortuzar, Weimiao Yu, Chen Li, Zeyu Gao

机构 * Xi’an Jiaotong University（西安交通大学） ； University of Cambridge（剑桥大学） ； KingMed（康方生物） ； BGI Research（贝登基因研究院） ； A ⋆ STAR 纠错

AI总结 CARE通过自适应区域建模和分子引导，提升全切片图像分析的性能，实现对病理区域的精准识别与分类，优于现有基础模型。

Comments Accepted to CVPR 2026

Spectral Rectification for Parameter-Efficient Adaptation of Foundation Models in Colonoscopy Depth Estimation

光谱校正用于结肠镜深度估计中基础模型的参数高效适应

Xiaoxian Zhang, Minghai Shi, Lei Li

机构 * Department of Biomedical Engineering, National University of Singapore, Singapore（新加坡国立大学生物医学工程系） ； Department of Radiotherapy, The First Affiliated Hospital of Xi'an Jiaotong University, Xi'an, China（西安交通大学第一附属医院放疗科） 纠错

AI总结 本文提出SpecDepth框架，通过光谱校正模块提升结肠镜图像处理性能，实现参数高效适应，取得最佳性能。

Comments 15 pages

Trajectory-Diversity-Driven Robust Vision-and-Language Navigation

轨迹多样性驱动的鲁棒视觉-语言导航

Jiangyang Li, Cong Wan, SongLin Dong, Chenhao Ding, Qiang Wang, Zhiheng Ma, Yihong Gong

机构 * Xi’an Jiaotong University（西安交通大学） ； Faculty of Computility Microelectronics, Shenzhen University of Advanced Technology（深圳先进技术大学微电子学院） 纠错

AI总结 本文提出NavGRPO框架，通过群体相对策略优化实现目标导向的导航策略学习，在未见环境中提升鲁棒性，实验显示在R2R和REVERIE基准上SPL提升达3.0%和1.71%。

Comments 17pages, 5 figures

WAT: Online Video Understanding Needs Watching Before Thinking

WAT：在线视频理解需要先观看再思考

Zifan Han, Hongbo Sun, Jinglin Xu, Canhui Tang, Yulong Lei, Xuchong Zhang, Hongbin Sun, Zhongjiang He, Hao Sun

机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（国家人类-机器混合增强智能重点实验室，人工智能与机器人研究院，西安交通大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； University of Science and Technology Beijing（北京科技大学） 纠错

AI总结 WAT提出双阶段框架，通过分阶段处理实现在线视频理解，结合查询与短期记忆进行跨时间推理，实验显示在多个基准上表现优异。

Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers

基于布局的可控病理图像生成与上下文扩散变换器

Yuntao Shou, Xiangyong Cao, Qian Zhao, Deyu Meng

机构 * Xi'an Jiaotong University（西安交通大学） 纠错

AI总结 本文提出基于布局的可控病理图像生成方法，通过多代理LVLM注释框架构建精细临床对齐的监督数据，提出IC-DiT模型整合空间布局、文本描述和视觉嵌入，实现高保真生成与强空间可控性。

Comments 19 pages

Cheers: Decoupling Patch Details from Semantic Representations Enables Unified Multimodal Comprehension and Generation

Cheers：解耦补丁细节与语义表示以实现统一的多模态理解和生成

Yichen Zhang, Da Peng, Zonghao Guo, Zijian Zhang, Xuesong Yang, Tong Sun, Shichu Sun, Yidan Zhang, Yanghao Li, Haiyan Zhao, Wang Xu, Qi Shi, Yangang Sun, Chi Chen, Shuo Wang, Yukun Yan, Xu Han, Qiang Ma, Wei Ke, Liang Wang, Zhiyuan Liu, Maosong Sun

机构 * Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 Cheers通过解耦补丁细节与语义表示，实现统一的多模态理解和生成，提升图像生成的保真度，并在多个基准测试中表现优异，同时实现4倍的token压缩效率。

Comments 17 pages, 5 figures

Neurodynamics-Driven Coupled Neural P Systems for Multi-Focus Image Fusion

基于神经动力学的耦合神经P系统用于多焦点图像融合

Bo Li, Yunkuo Lei, Tingting Bao, Hang Yan, Yaxian Wang, Weiping Fu, Lingling Zhang, 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安全重点实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering（陕西省大数据知识工程重点实验室） ； Chang’an University（长安大学） 纠错

AI总结 本文提出基于神经动力学的耦合神经P系统，通过分析神经动力学约束生成高质量决策图，提升多焦点图像融合的准确性。

Comments Accepted by CVPR2026

The Coherence Trap: When MLLM-Crafted Narratives Exploit Manipulated Visual Contexts

一致性陷阱：当MLLM编写的叙述利用被篡改的视觉上下文

Yuchen Zhang, Yaxiong Wang, Yujiao Wu, Lianwei Wu, Li Zhu, Zhedong Zheng

机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； Northwestern Polytechnical University（西北工业大学） ； University of Macau（澳门大学） 纠错

AI总结 本文提出AMD框架，通过Artifact Pre-perception Encoding策略和Manipulation-Oriented Reasoning，解决MLLM生成的多模态欺骗检测问题，验证了其在跨领域测试中的优越性能。

Comments Accepted to CVPR 2026 main track

Few-for-Many Personalized Federated Learning

少量-多数个性化联邦学习

Ping Guo, Tiantian Zhang, Xi Lin, Xiang Li, Zhi-Ri Tang, Qingfu Zhang

机构 * City University of Hong Kong（香港城市大学） ； Hong Kong Metropolitan University（香港 Metropolitan 大学） ； Xi’an Jiaotong University（西安交通大学） ； Southeast University（东南大学） ； Jinan University（吉林大学） ； CityU Shenzhen Research Institute（城大深圳研究院） 纠错

AI总结 FedFew通过少量共享服务器模型实现高效个性化联邦学习，自动优化模型多样性，优于现有方法。

Chain-of-Thought Compression Should Not Be Blind: V-Skip for Efficient Multimodal Reasoning via Dual-Path Anchoring

链式推理压缩不应盲目：通过双路径锚定实现高效的多模态推理的V-Skip

Dongxu Zhang, Yiding Sun, Cheng Tan, Wenbiao Yan, Ning Yang, Jihua Zhu, Haijun Zhang

机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Harbin Institute of Technology, Shenzhen（深圳哈尔滨工业大学） ； University of Science and Technology Beijing（北京科技大学） 纠错

AI总结 V-Skip通过双路径锚定机制解决多模态推理中令牌剪枝的盲目性问题，实现高效的推理速度提升与精度保持。

A Generalized Voronoi Graph based Coverage Control Approach for Non-Convex Environment

一种基于广义Voronoi图的非凸环境覆盖控制方法

Zuyi Guo, Ronghao Zheng, Meiqin Liu, Senlin Zhang

机构 * Faculty of Electrical Engineering, Mathematics and Computer Science, University of Twente（代尔夫特理工大学电子工程、数学和计算机科学学院） ； Department of Electrical Engineering, Wright State University（怀特州立大学电子工程系） ； College of Electrical Engineering, Zhejiang University（浙江大学电气工程学院） ； State Key Laboratory of Industrial Control Technology, Zhejiang University（浙江大学工业控制技术国家重点实验室） ； National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Xi’an Jiaotong University（西安交通大学人机混合增强智能国家级重点实验室） 纠错

AI总结 本文提出了一种基于广义Voronoi图的非凸环境覆盖控制方法，通过负载平衡算法和协同覆盖阶段实现高效覆盖。

Comments 8 pages, 7 figures, published to ACC 2026

MetaDAT: Generalizable Trajectory Prediction via Meta Pre-training and Data-Adaptive Test-Time Updating

MetaDAT: 通过元学习和数据自适应测试时更新实现通用轨迹预测

Yuning Wang, Pu Zhang, Yuan He, Ke Wang, Jianru Xue

机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, IAIR, Xi’an Jiaotong University, China（人机混合增强智能国家重点实验室，IAIR，西安交通大学，中国） ； KargoBot, China（KargoBot，中国） 纠错

AI总结 MetaDAT通过元学习和数据自适应测试时更新，提升轨迹预测在分布偏移下的适应精度和鲁棒性。

Comments ICRA 2026

UniBYD: A Unified Framework for Learning Robotic Manipulation Across Embodiments Beyond Imitation of Human Demonstrations

UniBYD: 一种跨具身体的机器人操作学习统一框架

Tingyu Yuan, Biaoliang Guan, Wen Ye, Ziyan Tian, Yi Yang, Weijie Zhou, Zhaowen Li, Yan Huang, Peng Wang, Chaoyang Zhao, Jinqiao Wang

机构 * CASIA（中国科学院自动化研究所） ； UCAS（乌尔姆大学） ； XJTU（西安交通大学） ； CSU（中国科学技术大学） ； BJTU（北京理工大学） ； Yinwang Intelligent Technology Co. Ltd.（云网智能技术有限公司） 纠错

AI总结 UniBYD通过动态强化学习和统一形态表示，实现跨具身机器人操作学习，提升任务成功率44.08%。

A Survey on Wi-Fi Sensing Generalizability: Taxonomy, Techniques, Datasets, and Future Research Prospects

关于Wi-Fi感知通用性的综述：分类、技术、数据集与未来研究前景

Fei Wang, Tingting Zhang, Wei Xi, Han Ding, Ge Wang, Di Zhang, Yuanhao Cui, Fan Liu, Jinsong Han, Jie Xu, Tony Xiao Han

机构 * School of Software Engineering and the State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Xi’an Jiaotong University（软件工程学院和人机混合增强智能国家重点实验室，西安交通大学） ； School of Computer Science and Technology, Xi’an Jiaotong University（计算机科学与技术学院，西安交通大学） ； Information and Communication Engineering,Beijing University of Posts and Telecommunications（信息与通信工程，北京邮电大学） ； School of Information Science and Engineering, Southeast University（信息科学与工程学院，东南大学） 纠错

AI总结 本文综述了Wi-Fi感知通用性研究，涵盖技术分类、数据集及未来方向，旨在提升系统在不同环境下的适应能力。

Comments Accepted for publication in IEEE Communications Surveys & Tutorials 2026

This Looks Distinctly Like That: Grounding Interpretable Recognition in Stiefel Geometry against Neural Collapse

这看起来明显像那：在Stiefel几何中基于可解释识别对抗神经崩溃

Junhao Jia, Jiaqi Wang, Yunyou Liu, Haodong Jing, Yueyi Wu, Xian Wu, Yefeng Zheng

机构 * Medical Artificial Intelligence Lab, Westlake University, Hangzhou, China（西湖大学医学人工智能实验室） ； Tencent Jarvis Lab, Shenzhen, China（腾讯 Jarvis 实验室） ； Hangzhou Dianzi University, Hangzhou, China（杭州电子科技大学） ； Xi’an Jiaotong University, Xi’an, China（西安交通大学） 纠错

AI总结 本文提出AMP框架，利用Stiefel几何上的Riemannian优化提升原型网络的可解释性，通过正交基和空间正则化器减少原型崩溃问题，实现更准确的分类和更高的因果可信度。

Not All Queries Need Deep Thought: CoFiCot for Adaptive Coarse-to-fine Stateful Refinement

并非所有查询都需要深度思考：CoFiCot用于自适应粗到细状态细化

Dongxu Zhang, Hongqiang Lin, Yiding Sun, Pengyu Wang, Qirui Wang, Ning Yang, Jihua Zhu

机构 * Xi’an Jiaotong University（西安交通大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Institute of Automation CASIA（中国科学院自动化研究所） 纠错

AI总结 CoFiCot通过自适应粗到细框架，利用多指标分类器和状态依赖传播过程，提升大语言模型在不同任务上的推理能力与上下文一致性。

Geometric Transformation-Embedded Mamba for Learned Video Compression

嵌入几何变换的Mamba用于学习视频压缩

Hao Wei, Yanhui Zhou, Chenyang Ge

机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi'an Jiaotong University（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学） ； School of Information and Communications Engineering, Xi'an Jiaotong University（信息与通信工程学院，西安交通大学） 纠错

AI总结 本文提出了一种基于嵌入几何变换的Mamba模块和局部性细化网络，实现高效学习视频压缩，提升低比特率下的感知质量和时间一致性。

Hide and Find: A Distributed Adversarial Attack on Federated Graph Learning

隐藏与寻找：联邦图学习中的分布式对抗攻击

Jinshan Liu, Ken Li, Jiazhe Wei, Bin Shi, Bo Dong

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（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（陕西省大数据知识工程重点实验室） ； School of Distance Education, Xi’an Jiaotong University（西安交通大学继续教育学院） 纠错

AI总结 FedShift是一种新的两阶段分布式对抗攻击方法，通过在训练前注入隐藏的位移器和训练后聚合扰动，有效提升联邦图学习的攻击效果和隐蔽性。

Comments Accepted at ICLR 2026 Workshop: Principled Design for Trustworthy AI

Multi-Modal Decouple and Recouple Network for Robust 3D Object Detection

多模态解耦与耦合网络用于抗干扰的3D目标检测

Rui Ding, Zhaonian Kuang, Yuzhe Ji, Meng Yang, Xinhu Zheng, Gang Hua

机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学） ； Intelligent Transportation Thrust of the Systems Hub, The Hong Kong University of Science and Technology (Guangzhou)（系统枢纽智能交通方向，香港科技大学（广州）） ； Multimodal Experiences Research Lab, Dolby Laboratories（多模态体验研究实验室，Dolby实验室） 纠错

AI总结 本文提出多模态解耦与耦合网络，通过分离和重新耦合不同模态特征以提高在数据损坏下的3D目标检测鲁棒性。

Selective Transfer Learning of Cross-Modality Distillation for Monocular 3D Object Detection

跨模态蒸馏的 selective transfer learning 用于单目3D物体检测

Rui Ding, Meng Yang, Nanning Zheng

机构 * Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人工智能与机器人研究所，西安交通大学） 纠错

AI总结 本文提出MonoSTL方法，通过解决跨模态蒸馏中的模态差距问题，提升单目3D物体检测的准确性。

Object-Scene-Camera Decomposition and Recomposition for Data-Efficient Monocular 3D Object Detection

面向数据高效的单目3D物体检测的物体-场景-相机分解与重组

Zhaonian Kuang, Rui Ding, Meng Yang, Xinhu Zheng, Gang Hua

机构 * Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院） ； Xi'an Jiaotong University（西安交通大学） ； Intelligent Transportation Thrust of the Systems Hub（系统枢纽智能交通事业部） ； Hong Kong University of Science and Technology (GZ)（香港科技大学（广州）） ； Amazon Alexa AI（亚马逊Alexa AI） 纠错

AI总结 本文提出了一种在线分解与重组数据处理方案，通过生成多样化的物体-场景-相机组合数据，提升单目3D物体检测模型的性能。

Comments IJCV

Journal ref Int J Comput Vis 134, 155 (2026)

MTVCraft: Tokenizing 4D Motion for Arbitrary Character Animation

MTVCraft: 4D运动分词用于任意角色动画

Yanbo Ding, Xirui Hu, Zhizhi Guo, Yan Zhang, Xinrui Wang, Zhixiang He, Chi Zhang, Yali Wang, Xuelong Li

机构 * Shenzhen Key Laboratory of Computer Vision and Pattern Recognition, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China（深圳计算机视觉与模式识别重点实验室，深圳先进技术研究院，中国科学院，深圳，中国） ； Institute of Artificial Intelligence (TeleAI), China Telecom, Beijing, China（人工智能研究所（TeleAI），中国电信，北京，中国） ； School of Computer Science and Technology, Xi’an Jiaotong University, Xi’an, China（计算机科学与技术学院，西安交通大学，西安，中国） ； School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China（人工智能学院，中国科学院大学，北京，中国） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） 纠错

AI总结 MTVCraft通过直接建模4D运动序列，实现任意角色动画，提升运动控制灵活性和泛化能力。

Learning From Failures: Efficient Reinforcement Learning Control with Episodic Memory

从失败中学习：利用片段记忆的高效强化学习控制

Chenyang Miao

机构 * Xi’an Jiaotong University（西安交通大学） 纠错

AI总结 本文提出FEMA技术，通过存储失败经验防止机器人陷入不稳定状态，提升强化学习的样本效率和长期探索能力。

Fairness May Backfire: When Leveling-Down Occurs in Fair Machine Learning

公平可能适得其反：当公平机器学习中出现“平抑”现象时

Yi Yang, Xiangyu Chang, Pei-yu Chen

机构 * Department of Information Systems, Arizona State University（信息系统系，亚利桑那州立大学） ； Department of Information Systems and Intelligent Business, Xi’an Jiaotong University（信息系统与智能商业系，西安交通大学） 纠错

AI总结 研究揭示了在不同决策模式下，公平机器学习可能对不同群体产生正反两面影响，指出公平性约束可能改善弱势群体但损害优势群体，或导致系统性平抑。

Comments Short version of the paper (Nov 20, 2025)

FARTrack: Fast Autoregressive Visual Tracking with High Performance

FARTrack: 快速自回归视觉跟踪与高性能

Guijie Wang, Tong Lin, Yifan Bai, Anjia Cao, Shiyi Liang, Wangbo Zhao, Xing Wei

机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Xi’an Jiaotong University（西安交通大学人机混合增强智能国家重点实验室） ； DAMO Academy, Alibaba Group（阿里云达摩院） ； National University of Singapore（新加坡国立大学） 纠错

AI总结 FARTrack通过任务特定自蒸馏和帧间自回归稀疏化，实现了高效且高性能的视觉跟踪，在GOT-10k上达到70.6%的AO，同时在GPU和CPU上分别达到343 FPS和121 FPS。

Software Development Life Cycle Perspective: A Survey of Benchmarks for Code Large Language Models and Agents

软件开发生命周期视角：代码大语言模型和代理的基准测试调查

Kaixin Wang, Tianlin Li, Xiaoyu Zhang, Chong Wang, Weisong Sun, Yang Liu, Aishan Liu, Xianglong Liu, Chao Shen, Bin Shi

机构 * Xi’an Jiaotong University（西安交通大学） ； Beihang University（北京航空航天大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文从软件开发生命周期视角调查代码大语言模型和代理的基准测试，揭示当前基准测试在覆盖方面的不平衡，并提出未来研究方向以缩小理论能力与实际应用之间的差距。

Comments Significantly enhanced the tiered analysis framework for a more comprehensive evaluation of CodeLLMs and Agents throughout the SDLC

Mitigating Instance Entanglement in Instance-Dependent Partial Label Learning

缓解实例依赖部分标签学习中的实例纠缠

Rui Zhao, Bin Shi, Kai Sun, Bo Dong

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） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering, Xi’an Jiaotong University（陕西省大数据知识工程重点实验室） ； School of Distance Education, Xi’an Jiaotong University（西安交通大学继续教育学院） 纠错

AI总结 本文提出CAD框架，通过内在和类间调节缓解实例依赖部分标签学习中的实例纠缠问题，提升分类性能。

Comments Accepted to CVPR2026

Progressive Refinement Regulation for Accelerating Diffusion Language Model Decoding

逐步细化调节以加速扩散语言模型解码

Lipeng Wan, Jianhui Gu, Junjie Ma, Jianguo Huang, Shiguang Sun, Siyuan Li, Xuguang Lan

机构 * Department of Artificial Intelligence, Xi'an Jiaotong University（人工智能系，西安交通大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； School of Computer Science and Technology, Harbin Institute of Technology（计算机科学与技术学院，哈尔滨工业大学） 纠错

AI总结 逐步细化调节通过动态控制细化规则提升扩散语言模型解码效率并保持生成质量。

Comments 19 pages, 10 figures, Code available upon publication