Amazon（亚马逊）

MMArt: A Multi-Perspective Multimodal Dataset for Visual Art Understanding

MMArt：用于视觉艺术理解的多视角多模态数据集

Shuai Wang, Wangyuan Ding, Yixian Shen, Jia-Hong Huang, Stevan Rudinac, Monika Kackovic, Nachoem Wijnberg, Marcel Worring

机构 * University of Amsterdam（阿姆斯特丹大学） ； Amazon AGI（亚马逊AGI） ； College of Business and Economics, University of Johannesburg（约翰内斯堡大学经济与商学院） 纠错

AI总结 针对现有艺术数据集单视角局限，推出含74234幅WikiArt画作的多视角多模态数据集MMArt，通过分析各视角特性证实多视角设计的必要性，为视觉艺术理解提供支撑。

LitTraceQA: A Benchmark for Multi-Stage Grounding and Verification in Scientific Question Answering

LitTraceQA：面向科学问答的多阶段溯源与验证基准

Xuye Liu, Yimu Wang, Peng Shi, Bo Xue, Xiangrui Ke, Songcheng Cai, Kath Choi, Di Wu, Freda Shi, Krzysztof Czarnecki

机构 * University of Waterloo（滑铁卢大学） ； Amazon（亚马逊公司） ； City University of Hong Kong（香港城市大学） ； University of Amsterdam（阿姆斯特丹大学） 纠错

AI总结 该研究提出LitTraceQA基准，用于科学问答的多阶段溯源与验证，提供含多类型证据的问答数据，可评估系统的论文检索、证据溯源及答案准确性，助力生成可验证的科学问答结果。

Comments Work in Progress

From Uniform to Learned Knots: A Study of Spline-Based Numerical Encodings for Tabular Deep Learning

从均匀到学习的结：对基于样条的数值编码在表格深度学习中的研究

Manish Kumar, Anton Frederik Thielmann, Christoph Weisser, Benjamin Säfken

机构 * BASF（巴斯夫） ； Clausthal University of Technology（克劳斯塔尔工业大学） ； Amazon Music（亚马逊音乐） ； Bielefeld School of Business, Hochschule Bielefeld (HSBI)（比勒费尔德商学院，比勒费尔德应用科学大学） 纠错

AI总结 本文研究了基于样条的数值编码在表格深度学习中的应用，探讨了不同样条家族在不同编码策略下的表现，发现编码效果依赖于任务、输出大小和模型结构，学习结变体在稳定性上表现良好但训练成本较高。

Comments 20, 10 figures