ByteDance（字节跳动）

Masked Generative Transformer Is What You Need for Image Editing

你需要Masked Generative Transformer来进行图像编辑

Wei Chow, Linfeng Li, Xian Sun, Lingdong Kong, Zefeng Li, Qi Xu, Hang Song, Tian Ye, Xian Wang, Jinbin Bai, Shilin Xu, Xiangtai Li, Junting Pan, Shaoteng Liu, Ran Zhou, Tianshu Yang, Songhua Liu

机构 * ByteDance（字节跳动） ； National University of Singapore（新加坡国立大学） ； Duke University（杜克大学） ； Shanghai Jiao Tong University（上海交通大学） ； HKUST(GZ)（香港科技大学（广州）） 纠错

AI总结 本文提出EditMGT框架，利用Masked Generative Transformers实现局部化编辑，通过多层注意力整合和区域保持采样提升编辑精度，使用CrispEdit-2M数据集在多个基准上取得最佳性能。

Comments CVPR 2026 HiGen Workshop; Project Page at https://weichow23.github.io/EditMGT/ GitHub at https://github.com/weichow23/EditMGT

Batch-of-Thought: Cross-Instance Learning for Enhanced LLM Reasoning

批量思考：用于增强大语言模型推理的跨实例学习

Xuan Yang, Furong Jia, Roy Xie, Xiong Xi, Hengwei Bian, Jian Li, Monica Agrawal

机构 * Duke University（杜克大学） ； ByteDance Inc.（字节跳动公司） 纠错

AI总结 本文提出Batch-of-Thought方法，通过联合处理相关查询实现跨实例学习，提升LLM推理准确性和效率，实验显示在多个基准测试中显著降低推理成本。

Simulus: Combining Improvements in Sample-Efficient World Model Agents

Simulus：结合高效样本世界模型代理的改进

Lior Cohen, Kaixin Wang, Bingyi Kang, Uri Gadot, Shie Mannor

机构 * Technion（技术ion大学） ； Microsoft Research（微软研究院） ； ByteDance Seed（字节跳动种子实验室） 纠错

AI总结 本文提出Simulus，一种模块化的基于标记的世界模型代理，通过整合灵活的标记化框架、内在动机、优先世界模型回放和回归-分类方法，提升了样本效率，适用于多个基准测试。

Comments Revised version: updated title, abstract, and framing to better reflect our contributions and situate the work within the literature

VEBench:Benchmarking Large Multimodal Models for Real-World Video Editing

VEBench: 多模态大模型在真实世界视频编辑中的基准测试

Andong Deng, Dawei Du, Zhenfang Chen, Wen Zhong, Fan Chen, Guang Chen, Chia-Wen Kuo, Longyin Wen, Chen Chen, Sijie Zhu

机构 * ByteDance Intelligent Creation（字节跳动智能创作） ； CRCV, University of Central Florida（中央佛罗里达大学CRCV） 纠错

AI总结 VEBench通过高质量视频和人工验证问题对多模态大模型在视频编辑中的知识理解和操作推理能力进行评估，揭示当前模型与人类水平间的显著差距。

Comments CVPR Findings 2026