Google（谷歌）

Stepper: Stepwise Immersive Scene Generation with Multiview Panoramas

Stepper：基于多视角全景图的分步沉浸式场景生成

Felix Wimbauer, Fabian Manhardt, Michael Oechsle, Nikolai Kalischek, Christian Rupprecht, Daniel Cremers, Federico Tombari

机构 * Google（谷歌） ； University of Oxford（牛津大学） ； MCML ； Technical University of Munich（慕尼黑技术大学） 纠错

AI总结 Stepper通过分步扩展多视角全景图，解决传统方法在视觉保真度与可探索性之间的权衡问题，实现高质量沉浸式3D场景生成。

Comments Accepted at CVPR 2026 Findings; Find our project page under https://fwmb.github.io/stepper/

TURBOTEST: Learning When Less is Enough through Early Termination of Internet Speed Tests

TURBOTEST: 通过提前终止网络速度测试实现学习当较少足够

Haarika Manda, Manshi Sagar, Yogesh, Kartikay Singh, Cindy Zhao, Tarun Mangla, Phillipa Gill, Elizabeth Belding, Arpit Gupta

机构 * UC Santa Barbara（加州大学圣芭芭拉分校） ； IIT Delhi（德里印度理工学院） ； Google（谷歌） 纠错

AI总结 本文提出TURBOTEST框架，通过分离吞吐量预测与终止决策，提升网络速度测试的效率与准确性，减少数据传输负担。

How LLMs Detect and Correct Their Own Errors: The Role of Internal Confidence Signals

大语言模型如何检测并纠正自身错误：内部置信信号的作用

Dharshan Kumaran, Viorica Patraucean, Simon Osindero, Petar Veličković, Nathaniel Daw

机构 * Google DeepMind（谷歌DeepMind） ； Princeton University（普林斯顿大学） 纠错

AI总结 研究通过第二阶置信模型探讨大语言模型如何通过内部置信信号检测并纠正自身错误，发现PANL信号在误差检测和自我修正中起关键作用。

Language Models Struggle to Use Representations Learned In-Context

语言模型在上下文学习的表示使用上面临困难

Michael A. Lepori, Tal Linzen, Ann Yuan, Katja Filippova

机构 * Brown University（布朗大学） ； Google Research（谷歌研究） ； New York University（纽约大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 研究探讨了语言模型是否能利用上下文学习的表示完成简单下游任务，发现开放权重模型在处理新语义表示时存在困难，即使它们在潜在表示中编码了这些语义。

CASE: An Agentic AI Framework for Enhancing Scam Intelligence in Digital Payments

CASE：一种增强数字支付中诈骗情报的代理AI框架

Nitish Jaipuria, Lorenzo Gatto, Zijun Kan, Shankey Poddar, Bill Cheung, Diksha Bansal, Ramanan Balakrishnan, Aviral Suri, Jose Estevez

机构 * Google, Inc（谷歌公司） 纠错

AI总结 本文提出CASE框架，通过收集和管理用户诈骗反馈，提升诈骗识别能力，实现在数字支付中21%的欺诈打击提升。

Comments 7 pages, 5 figures, Version published in IEEE Xplore

Journal ref 2025 IEEE International Conference on Big Data (BigData), Macau, China, 2025, pp. 2177-2183