Amazon（亚马逊）

SPEARBench: A Benchmark for Naturalness Evaluation in Streaming Speech-to-Speech Language Models

SPEARBench：面向流式语音转语音语言模型的自然度评估基准

Thomas Thebaud, Yuzhe Wang, Hao Zhang, Sathvik Manikantan Napa Ugandhar, Ashish Hallur, Georgi Tinchev, Venkatesh Ravichandran, Laureano Moro-Velazquez

机构 * Department of Electrical and Computer Engineering, Johns Hopkins University（约翰霍普金斯大学电气与计算机工程系） ； Amazon Inc.（亚马逊公司） 纠错

AI总结 针对现有基准无法评估流式语音转语音模型对话自然度的问题，构建多维度评估基准SPEARBench，可从多维度评测模型，发现当前模型在多类对话行为维度仍与人类存在差距。

Comments Corresponding Website: https://thomasthebaud.github.io/SPEAR-benchmark-website/#welcome

NKI-Agent: Domain-Specific Fine-Tuning and Agentic Tool Use for Neuron Kernel Generation

NKI-Agent：用于神经元内核生成的特定领域微调与智能体工具使用

Junjie Tang, Jun Huan, Hao Zhou, Yuhao Zhang, Lin Wang

机构 * AWS Neuron Team（亚马逊云科技神经元团队） ； Amazon Web Services（亚马逊云科技） 纠错

AI总结 针对新兴AI加速器，介绍NKI-Agent系统，结合特定领域监督微调与编译验证修复智能体循环生成NKI内核，适配框架、构建基准并评估，显示工具使用关键及不同模型表现，为强化学习奖励设计提供指导。

Comments 7 pages. Accepted at DL4C @ ICML 2026 Workshop

PreSIST: Vision-Language-Informed Object Persistence Prediction in Open-World Scenes

PreSIST：开放世界场景中视觉-语言信息的对象持久性预测

Amanda Adkins, Tarunvidyut Ravisankar, Joydeep Biswas

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； National Science Foundation（美国国家科学基金会） ； ARO（美国陆军研究办公室） ； Amazon（亚马逊公司） ； JP Morgan（摩根大通公司） 纠错

AI总结 研究长期部署机器人对环境变化的推理，提出PreSIST方法，通过对象属性和场景上下文估计实例级持久性先验，结合概率持久性过滤器预测对象未来姿态，有两种变体，实验表明优于基线。

Comments 8 pages, 6 figures, 3 tables

MACRO: Training-free Multi-plane Attention for Closeup Render Optimization

MACRO：用于特写渲染优化的免训练多平面注意力

Nitzan Hodos, Roy Amoyal, Lior Fritz, Ianir Ideses, Sagie Benaim, Netalee Efrat

机构 * Amazon Prime Video（亚马逊Prime视频） ； Technion, Israel Institute of Technology（以色列理工学院） ； Ben Gurion University（本古里安大学） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） 纠错

AI总结 针对特写渲染难题，分析现有方法失败原因，提出MACRO，利用场景3D结构解决比例差距，无需架构改变和额外训练，贡献新基准和评估协议，取得领先成果。

Comments Project page: https://nitzanhod.github.io/MACRO

Global Pose Control for Generative View Synthesis in Normalized Object Coordinate Space

归一化物体坐标空间中用于生成视图合成的全局姿态控制

Zhibing Li, Amogh Gupta, Behnoosh Parsa, Dan Casas

机构 * The Chinese University of Hong Kong（香港中文大学） ； Amazon（亚马逊） 纠错

AI总结 针对现有生成模型在目标视图全局控制上的不足，提出在归一化物体坐标空间中精确相机控制的新方法，以单张或少量无姿态图像为输入，将视图合成视为图像编辑问题，提升了视图生成质量和保真度。

Comments Accepted to ECCV 2026. Project page https://lizb6626.github.io/GlobalNVS/

Learning 3D Affordances for Blade Insertion in Cluttered Stowing

学习在杂乱收纳中进行刀片插入的3D可用空间

Tianyu Li, Harpreet Sawhney, Minju Jung, Aditya Mehrotra, Kunal Mehrotra, Mudit Agrawal

机构 * Amazon Robotics（亚马逊机器人公司） 纠错

AI总结 研究杂乱收纳中刀片插入的3D可用空间问题，利用VulcanVoxel方法，通过基于3D占用场的掩码自动编码器，从单峰数据恢复多模态预测，提升了性能。

TurnNat: Automatic Evaluation of Turn-Taking Naturalness in Dyadic Spoken Dialogue

TurnNat：双人口语对话中轮流自然性的自动评估

Hao Zhang, Thomas Thebaud, Georgi Tinchev, Venkatesh Ravichandran, Laureano Moro-Velazquez

机构 * Center for Language and Speech Processing（语言与语音处理中心） ； Johns Hopkins University（约翰霍普金斯大学） ； Amazon Research（亚马逊研究院） ； Amazon（亚马逊） 纠错

AI总结 提出TurnNat框架，通过因果轮流预测模型估计双说话人语音活动状态，利用负对数似然度量时序异常性，实现对话级轮流自然性自动评估。

TRACE: Temporal Relationship-Aware Conversational Entrainment Detection in Dyadic Speech

TRACE: 双人语音中基于时间关系的对话韵律同步检测

Sathvik Manikantan Napa Ugandhar, Hao Zhang, Alison Gunzler, Yuzhe Wang, Thomas Thebaud, Georgi Tinchev, Venkatesh Ravichandran, Laureano Moro-Velázquez

机构 * Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Department of Electrical and Computer Engineering, Johns Hopkins University（约翰霍普金斯大学电气与计算机工程系） ； Amazon Research（亚马逊研究院） ； Amazon（亚马逊） 纠错

AI总结 提出TRACE框架，通过窗口级声学嵌入建模双人交互的时间序列，结合对话上下文和关系信息，在DyadEE数据集上实现97.01%的情感韵律同步检测准确率。

Cross-View Yaw Estimation in Location Uncertainty with Line-Aligning Yaw Scoring

位置不确定性下的跨视角偏航估计：基于线对齐的偏航评分

Taeho Kang, Nairan Zhang, Yelin Kim, Yujiao Shi, Youngki Lee

机构 * Seoul National University（首尔大学） ； Meta ； Amazon（亚马逊） ； ShanghaiTech University（上海科技大学） 纠错

AI总结 提出LAYS方法，通过径向不变的线共识投票，在无需精确位置的情况下实现亚度级偏航精度，显著提升未知偏航下的跨视角定位性能。

Comments 31 pages, 15 figures, ECCV 2026

AsymLoc: Towards Asymmetric Feature Matching for Efficient Visual Localization

AsymLoc：迈向高效视觉定位的非对称特征匹配

Mohammad Omama, Gabriele Berton, Eric Foxlin, Yelin Kim

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Amazon（亚马逊） 纠错

AI总结 本文提出AsymLoc框架，通过几何驱动匹配目标和联合检测器-描述符蒸馏目标，实现轻量学生模型与大教师模型的非对称特征匹配，提升视觉定位效率与精度。

When Rubrics Fail: Error Enumeration as Reward in Reference-Free RL Post-Training for Virtual Try-On

当评分标准失效时：在无参考RL后训练中通过错误枚举作为奖励

Wisdom Ikezogwo, Mehmet Saygin Seyfioglu, Ranjay Krishna, Karim Bouyarmane

机构 * University of Washington, Seattle, USA（华盛顿大学（西雅图）） ； Amazon, Seattle, USA（亚马逊（西雅图）） ； Allen Institute for AI（艾伦人工智能研究所） 纠错

AI总结 本文提出隐式错误计数方法，用于解决无参考答案的RL后训练问题，通过计算错误而非正确来生成可靠奖励，在虚拟试穿任务中验证了其有效性。

Learning to Reason Efficiently with Discounted Reinforcement Learning

通过折扣强化学习高效推理

Alex Ayoub, Kavosh Asadi, Dale Schuurmans, Csaba Szepesvári, Karim Bouyarmane

机构 * Amazon（亚马逊公司） ； University of Alberta（阿尔伯塔大学） 纠错

AI总结 针对大型推理模型消耗过多token导致计算成本高的问题，提出使用折扣强化学习（解释为小token成本）惩罚推理token，结合Blackwell最优性分析，在保持准确性的同时缩短推理链。

CompLLM: Compression for Long Context Q&A

CompLLM：长上下文问答的压缩方法

Gabriele Berton, Jayakrishnan Unnikrishnan, Son Tran, Mubarak Shah

机构 * Amazon（亚马逊） ； Center For Research in Computer Vision, University of Central Florida（计算机视觉研究中心，中央佛罗里达大学） 纠错

AI总结 研究针对大语言模型处理长上下文的计算挑战，提出CompLLM软压缩技术。核心方法是将上下文分段独立压缩，具有效率、可扩展性和可重用性。贡献是提升处理速度、减小缓存大小且性能可比甚至超越未压缩情况。