Amazon（亚马逊）

One Token per Highly Selective Frame: Towards Extreme Compression for Long Video Understanding

每个高度选择性帧一个标记：朝着长视频理解的极端压缩

Zheyu Zhang, Ziqi Pang, Shixing Chen, Xiang Hao, Vimal Bhat, Yu-Xiong Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon Prime Video（亚马逊Prime视频） 纠错

AI总结 本文提出XComp模型，通过极端视频标记压缩提升长视频理解性能，结合标记级和帧级压缩，实现更高的压缩比和更密集的帧采样。

Comments Appear in the proceedings of NeurIPS 2025

Help! Need Advice on Identifying Advice

帮助！需要关于如何识别建议的建议

Venkata Subrahmanyan Govindarajan, Benjamin T Chen, Rebecca Warholic, Katrin Erk, Junyi Jessy Li

机构 * Department of Linguistics, The University of Texas at Austin（德克萨斯大学奥斯汀分校语言学系） ； Amazon Inc.（亚马逊公司） ； McGill University（麦吉尔大学） 纠错

AI总结 本文提出一个包含两个Reddit论坛的英文数据集，用于识别帖子中是否包含建议，分析发现建议 discourse 中存在丰富的语言现象，初步模型显示预训练语言模型在识别建议方面优于基于规则的系统，但识别仍具挑战性。

Comments EMNLP 2020

Journal ref Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP)

APEX-MEM: Agentic Semi-Structured Memory with Temporal Reasoning for Long-Term Conversational AI

APEX-MEM: 基于时序推理的代理半结构化记忆用于长期对话AI

Pratyay Banerjee, Masud Moshtaghi, Shivashankar Subramanian, Amita Misra, Ankit Chadha

机构 * Amazon（亚马逊） 纠错

AI总结 APEX-MEM通过结合属性图、只追加存储和多工具检索代理，解决大语言模型在长期对话记忆中的可靠性问题，实现88.88%的LOCOMO问答准确率和86.2%的LongMemEval表现。

Comments Accepted to ACL 2026 Mains

HARNESS: Lightweight Distilled Arabic Speech Foundation Models

HARNESS：轻量级阿拉伯语语音基础模型

Vrunda N. Sukhadia, Shammur Absar Chowdhury

机构 * Amazon India（亚马逊印度） ； Qatar Computing Research Institute, HBKU, Qatar（卡塔尔计算研究所，HBKU，卡塔尔） 纠错

AI总结 本文提出HARNESS，一种轻量级阿拉伯语语音基础模型，通过迭代自蒸馏实现高效准确率与效率的平衡，适用于自动语音识别、方言识别和语音情感识别任务。

Comments 8 pages, 2 figures

BoundRL: Efficient Structured Text Segmentation through Reinforced Boundary Generation

BoundRL: 通过强化边界生成实现高效的结构化文本分段

Haoyuan Li, Zhengyuan Shen, Sullam Jeoung, Yueyan Chen, Jiayu Li, Qi Zhu, Shuai Wang, Vassilis Ioannidis, Huzefa Rangwala

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Amazon Web Services（亚马逊网络服务） 纠错

AI总结 本文提出BoundRL，一种高效处理长结构化文本的分段与标签预测方法，通过强化学习优化文档重建和语义对齐，减少输出token并降低幻觉风险，实验证明其在复杂提示下优于其他基线方法。

Comments accepted by ACL 2026 findings

Real-Time Hand Gesture Recognition: Integrating Skeleton-Based Data Fusion and Multi-Stream CNN

实时手部姿态识别：整合基于骨架的数据融合与多流CNN

Oluwaleke Yusuf, Maki Habib, Mohamed Moustafa

机构 * The American University in Cairo (AUC)（美国亚历山大大学） ； The Norwegian University of Science and Technology (NTNU)（挪威科学技术大学） ； Amazon（亚马逊） 纠错

AI总结 本文提出一种基于骨架的实时手部姿态识别框架，通过将动态手部姿态识别转化为静态图像分类任务，降低硬件和计算需求，采用多流CNN架构优化数据表示的语义连接，实现在消费级PC上高效运行。

Comments 14 pages. 7 figures. Code available at https://github.com/Outsiders17711/e2eET-Skeleton-Based-HGR-Using-Data-Level-Fusion

Journal ref Technologies 13 (2025) 484