Apple（苹果）

Luce: Relightable Gaussians for 3D Asset Generation

Luce：用于3D资产生成的可重光照高斯模型

Mayank Singh, Michele Stoppa, Alvise Memo, Rui Yu, Harsha Kalli, Srimanth Gunturi, Muhammad Ahmed Riaz, Behrooz Shahsavari, Waleed Abdulla, David E. Jacobs

机构 * Apple（苹果公司） 纠错

AI总结 本文提出Luce，一种用于3D资产生成的可重光照高斯模型，通过多模态高斯云结合PBR材质，在Toys4K数据集及自研AI生成图像基准上均实现了优于基线的单图像到3D生成性能，可保留精细细节。

Comments 27 pages, 19 figures, 5 tables

PROOF-Gen: From Optimized Data to Better Distillation

PROOF-Gen：从优化数据到更好的蒸馏

Anh Ta, Junjie Zhu, Shahin Shayandeh

机构 * Apple（苹果公司） 纠错

AI总结 PROOF-Gen通过每场景提示优化从教师工具调用失败中恢复93%的错误轨迹，微调后提升了Qwen3-4B等模型的工具调用性能及部署流程的轨迹质量。

From Preferences to Principles: Rubric-Based Alignment for Grounded Knowledge Answers

从偏好到原则：基于评分规则的接地知识答案对齐

Aman Saini, Priyanshu Kumar, Eric Peng, Kai Yuan, Harsh Girase, Wanming Chen

机构 * Apple（苹果公司） 纠错

AI总结 本研究针对开放域问答的奖励信号设计难题，提出基于检索证据生成查询特定多维评分规则的奖励框架，经实验验证其比基线方法有显著性能提升，为复杂开放域问答提供更有效的奖励监督。

Comments 18 pages, 5 figures, 3 tables