Google（谷歌）

Context Sensitivity Improves Human-Machine Visual Alignment

上下文敏感性提升人机视觉对齐

Frieda Born, Tom Neuhäuser, Lukas Muttenthaler, Brett D. Roads, Bernhard Spitzer, Andrew K. Lampinen, Matt Jones, Klaus-Robert Müller, Michael C. Mozer

机构 * Technische Universität Berlin（技术大学柏林） ； BIFOLD ； Max Planck Institute for Human Development（人类发展马克斯·普朗克研究所） ； Aignostics ； Helmholtz Munich（慕尼黑海德堡研究所） ； Technical University of Munich（慕尼黑技术大学） ； University College London（伦敦大学学院） ； Technische Universität Dresden（德累斯顿技术大学） ； Google DeepMind（谷歌DeepMind） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； Korea University（韩国大学） ； Max Planck Institute for Informatics（信息马克斯·普朗克研究所） 纠错

AI总结 本文提出一种基于神经网络嵌入的上下文敏感相似性计算方法，用于解决三元组异类识别任务，通过锚图提供同时上下文，使模型在异类识别准确率上提升15%。

Frozen Forecasting: A Unified Evaluation

冻结预测：一种统一的评估

Jacob C Walker, Pedro Vélez, Luisa Polania Cabrera, Guangyao Zhou, Sayna Ebrahimi, Rishabh Kabra, Carl Doersch, Maks Ovsjanikov, João Carreira, Shiry Ginosar

机构 * Google DeepMind（谷歌DeepMind） ； Toyota Technological Institute at Chicago（丰田技术研究所（芝加哥）） 纠错

AI总结 本文提出一种统一的评估框架，用于评估冻结视觉骨干在多样化任务和抽象层次上的预测能力，通过训练潜在扩散模型直接在表示空间中预测未来特征，发现预测性能与感知质量密切相关，视频预训练模型表现优于图像预训练模型。

Comments New Title, Additional Author

Covariance-adapting algorithm for semi-bandits with application to sparse rewards

协方差适应算法用于半带隙问题及其在稀疏奖励中的应用

Pierre Perrault, Vianney Perchet, Michal Valko

机构 * Inria Lille & ENS Paris-Saclay（法国里尔研究所与巴黎-萨克雷高等科学研究院） ； ENSAE & Criteo AI Lab（高等统计研究院与Criteo人工智能实验室） ； DeepMind Paris（伦敦DeepMind巴黎分公司） 纠错

AI总结 本文研究了随机组合半带隙问题，探讨了新的亚指数分布族，推导了更紧的期望遗憾下界，并构造了基于协方差估计的算法，应用于稀疏奖励场景。

Comments Published at Conference on Learning Theory (COLT) 2020

Journal ref Proceedings of the 33rd Annual Conference on Learning Theory (COLT 2020), PMLR 125, 2020

CANVAS: Continuity-Aware Narratives via Visual Agentic Storyboarding

CANVAS：通过视觉代理脚本实现连续性叙事

Ishani Mondal, Yiwen Song, Mihir Parmar, Palash Goyal, Jordan Boyd-Graber, Tomas Pfister, Yale Song

机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； Google（谷歌） 纠错

AI总结 CANVAS通过多代理框架实现多镜头叙事中的视觉连续性，提升背景、角色和道具的一致性，优于现有基准，背景连续性提升21.6%。

MOONSHOT : A Framework for Multi-Objective Pruning of Vision and Large Language Models

MOONSHOT：一种用于视觉和大语言模型多目标剪枝的框架

Gabriel Afriat, Xiang Meng, Shibal Ibrahim, Hussein Hazimeh, Rahul Mazumder

机构 * Google（谷歌） ； OpenAI ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 MOONSHOT通过联合优化层重建误差和训练损失的二阶泰勒近似，提升视觉和大语言模型在无重新训练下的压缩效果，显著提升模型性能。

3DRealHead: Few-Shot Detailed Head Avatar

3DRealHead: 少样本详细头部虚拟形象

Jalees Nehvi, Timo Bolkart, Thabo Beeler, Justus Thies

机构 * Technical University of Darmstadt（达姆斯塔特技术大学） ； Google（谷歌） 纠错

AI总结 本文提出3DRealHead方法，通过单目视频流提取表达信号，实现少样本头部虚拟形象重建，利用Style U-Net生成3D高斯体并实现高表达性。

100x Cost & Latency Reduction: Performance Analysis of AI Query Approximation using Lightweight Proxy Models

100倍成本与延迟降低：利用轻量级代理模型分析AI查询近似性能

Yeounoh Chung, Rushabh Desai, Jian He, Yu Xiao, Thibaud Hottelier, Yves-Laurent Kom Samo, Pushkar Khadilkar, Xianshun Chen, Sam Idicula, Fatma Özcan, Alon Halevy, Yannis Papakonstantinou

机构 * Google Cloud（谷歌云） 纠错

AI总结 本文研究了AI查询近似方法，通过轻量级代理模型实现100倍成本和延迟降低，提升语义过滤和排序性能，适用于OLAP和HTAP数据库。