Alibaba（阿里巴巴）

Which Tokens Matter? Adaptive Token Selection for RLVR with the Relative Surprisal Index

哪些Token重要？基于相对惊讶指数的自适应Token选择用于RLVR

Outongyi Lv, Yanzhao Zheng, Yuanwei Zhang, Zhenghao Huang, Xingjun Wang, Baohua Dong, Hangcheng Zhu, Yingda Chen

机构 * ModelScope Team（ModelScope团队） ； Alibaba Group（阿里巴巴集团） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出相对惊讶指数（RSI）度量，通过自适应Token过滤方法RSI-S解决RLVR中高熵与低概率Token的矛盾，在AIME和AMC基准上提升avg@32准确率2-3个百分点。

Comments 13 pages, 4 figures

BlockPilot: Instance-Adaptive Policy Learning for Diffusion-based Speculative Decoding

BlockPilot: 基于扩散的推测解码的实例自适应策略学习

Hao Zhang, Yiming Hu, Yong Wang, Mingqiao Mo, Xin Xiao, Xiangxiang Chu

机构 * AMAP, Alibaba Group（阿里巴巴集团高德地图） 纠错

AI总结 提出BlockPilot，通过实例自适应策略预测最优块大小，提升基于扩散的推测解码效率，在Qwen3-4B上实现4.20倍加速。

Comments 16 pages

Learning Video Dynamics with Predictive Differentiable Rendering

基于预测可微渲染的视频动态学习

Yujin Tang, Tian Zhou, Xin Lin, Cheng Tan, Yifan Hu, Rong Jin, SouYoung Jin, Liang Sun

机构 * Dartmouth College（达特茅斯学院） ； DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； University of California, San Diego（加州大学圣地亚哥分校） ； Westlake University（西湖大学） ； Tsinghua University（清华大学） ； Ant Group（蚂蚁集团） 纠错

AI总结 提出预测可微渲染（PDR）框架，通过2D高斯表示的轻量适配器PredGS和CUDA加速渲染器predgsplat，结合L1和SSIM损失优化，在离散像素与连续表示间架桥，显著提升视频预测的细节保真度和准确性。

Comments Accepted by ECCV 2026. 18 pages, 5 figures, 11 tables