Amazon（亚马逊）

SGS-Intrinsic: Semantic-Invariant Gaussian Splatting for Sparse-View Indoor Inverse Rendering

SGS-Intrinsic: 语义不变的高斯点散布用于稀疏视角室内逆向渲染

Jiahao Niu, Rongjia Zheng, Wenju Xu, Wei-Shi Zheng, Qing Zhang

机构 * Sun Yat-sen University（中山大学） ； Amazon（亚马逊） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education（教育部机器智能与先进计算重点实验室） 纠错

AI总结 SGS-Intrinsic通过构建语义和几何先验引导的密集高斯语义场，实现高精度几何重建和材料光照分离，提升稀疏视角下的逆向渲染质量。

Comments CVPR2026

SIMPACT: Simulation-Enabled Action Planning using Vision-Language Models

SIMPACT：基于视觉-语言模型的仿真增强动作规划

Haowen Liu, Shaoxiong Yao, Haonan Chen, Jiawei Gao, Jiayuan Mao, Jia-Bin Huang, Yilun Du

机构 * UMD（马里兰大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Harvard（哈佛大学） ； Amazon FAR（亚马逊FAR） ； UPenn（宾夕法尼亚大学） 纠错

AI总结 SIMPACT通过仿真循环世界建模赋予视觉-语言模型物理推理能力，实现高效动作规划，优于现有通用机器人操作模型，在五个复杂真实世界任务中表现优异。

Comments Accepted to CVPR 2026; camera-ready version

Learning to Optimize Multi-Objective Alignment Through Dynamic Reward Weighting

通过动态奖励加权学习多目标对齐

Yining Lu, Zilong Wang, Shiyang Li, Xin Liu, Changlong Yu, Qingyu Yin, Zhan Shi, Zixuan Zhang, Meng Jiang

机构 * University of Notre Dame（圣母大学） ； Amazon（亚马逊） 纠错

AI总结 本文提出动态奖励加权方法，解决多目标强化学习中固定权重无法捕捉非凸帕累托前沿的问题，通过两种新方法实现有效探索帕累托前沿。

QuestA: Expanding Reasoning Capacity in LLMs via Question Augmentation

QuestA: 通过问题增强扩展大语言模型的推理能力

Jiazheng Li, Hongzhou Lin, Hong Lu, Kaiyue Wen, Zaiwen Yang, Jiaxuan Gao, Yi Wu, Jingzhao Zhang

机构 * Tsinghua University（清华大学） ； Shanghai Qi Zhi Institute（上海期智研究院） ； Amazon（亚马逊） ； Stanford University（斯坦福大学） 纠错

AI总结 QuestA通过问题增强策略在训练中引入部分解以降低问题难度，提升大语言模型在数学推理任务中的推理能力，取得新的SOTA结果。

Comments 25 pages, 18 figures, ICLR 2026

An Information-Theoretic Approach to Understanding Transformers' In-Context Learning of Variable-Order Markov Chains

从信息论角度理解Transformer对可变阶马尔可夫链的上下文学习

Ruida Zhou, Chao Tian, Suhas Diggavi

机构 * Amazon AGI（亚马逊AGI） ； ECE Dept. Texas A&M University（德州农工大学电气与计算机工程系） ； EE Dept. UCLA（加州大学洛杉矶分校电气工程系） 纠错

AI总结 本文研究Transformer对可变长度马尔可夫链的上下文学习，探讨样本量增加时的有限样本精度。通过贝叶斯方法，发现上下文树加权算法能最优解决该问题，且多层Transformer在学习可变阶马尔可夫链上表现更佳。

Comments AISTATS 2026