Alibaba（阿里巴巴）

Training-Free Image Editing with Visual Context Integration and Concept Alignment

无需训练的图像编辑与视觉上下文整合与概念对齐

Rui Song, Guo-Hua Wang, Qing-Guo Chen, Weihua Luo, Tongda Xu, Zhening Liu, Yan Wang, Zehong Lin, Jun Zhang

机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学智能产业研究院（AIR）） ； School of Data Science, Lingnan University（岭南大学数据科学学院） 纠错

AI总结 本文提出VicoEdit，一种无需训练和反向扩散的图像编辑方法，通过视觉上下文直接转换源图像至目标图像，提升编辑一致性。

GUIDE: Interpretable GUI Agent Evaluation via Hierarchical Diagnosis

GUIDE：通过分层诊断进行可解释的GUI代理评估

Yuwen Zhai, Runze Li, Liang Wang, Nian Shi, Liwu Xu, Wei Zhang, Ran Lin, Bo Xu, Benlei Cui

机构 * Alibaba Group（阿里巴巴集团） ； School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 GUIDE通过分层诊断框架对GUI代理轨迹进行分解评估，提升评估的准确性和可解释性，有效解决长周期任务中的评估问题。

Revisiting Multimodal Positional Encoding in Vision-Language Models

重新审视视觉-语言模型中的多模态位置编码

Jie Huang, Xuejing Liu, Sibo Song, Ruibing Hou, Hong Chang, Junyang Lin, Shuai Bai

机构 * Qwen Team, Alibaba Group（Qwen团队，阿里巴巴集团） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

AI总结 本文分析了多模态Rotary Positional Embedding的核心组件，提出MHRoPE和MRoPE-Interleave两种改进方法，在多种基准测试中表现优异，提升了多模态理解能力。

Comments 16 pages

XiYan-SQL: A Novel Multi-Generator Framework For Text-to-SQL

XiYan-SQL：一种新型多生成器框架用于文本到SQL

Yifu Liu, Yin Zhu, Yingqi Gao, Zhiling Luo, Xiaoxia Li, Xiaorong Shi, Yuntao Hong, Jinyang Gao, Yu Li, Bolin Ding, Jingren Zhou

机构 * Alibaba Cloud Computing Co., Ltd.（阿里云计算有限公司） 纠错

AI总结 本文提出XiYan-SQL框架，通过多生成器 ensemble 方法生成高质量SQL查询，并结合schema过滤和选择模型提升性能，实现在BIRD和Spider数据集上均取得SOTA结果。

Comments Published in IEEE TKDE

Talk to Right Specialists: Iterative Routing in Multi-agent Systems for Question Answering

与正确专家对话：多智能体系统中用于问答的迭代路由

Feijie Wu, Zitao Li, Fei Wei, Yaliang Li, Bolin Ding, Jing Gao

机构 * Purdue University（普渡大学） ； Alibaba（阿里巴巴） ； Zoom Communication（Zoom通信） 纠错

AI总结 本文提出RIRS框架，通过迭代路由解决多智能体问答中用户无法确定咨询哪个专家及复杂问题需多专家证据的问题，提升回答准确性和效率。

Comments Differences between v1 & v2: The algorithm name of the first version is RopMura, which decomposes a multi-hop query into several simple subqueries, and a question selector selects one of the subqueries to answer. In the second version, the name is updated to RIRS, which directly routes a query to the appropriate agents, regardless of whether the query is single-hop or multi-hop

2D Triangle Splatting for Direct Differentiable Mesh Training

二维三角形投射用于直接可微网格训练

Kaifeng Sheng, Zheng Zhou, Yingliang Peng, Qianwei Wang

机构 * Amap, Alibaba Group（高德，阿里巴巴集团） 纠错

AI总结 本文提出2DTS方法，用二维三角形替代三维高斯体，形成离散网格结构并保持连续体积分的优点，实验表明其在视觉质量上与高斯方法相当，且更直接连接传统网格表示。

Comments 13 pages, 8 figures