Google（谷歌）

Meshtryoshka: Differentiable Rendering of Real-World Scenes via Mesh Rasterization

Meshtryoshka: 通过网格光栅化实现真实场景的可微分渲染

David Charatan, Daniel Xu, Richard Szeliski, George Kopanas, Vincent Sitzmann

机构 * Massachusetts Institute of Technology（麻省理工学院） ； University of Washington（华盛顿大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 提出Meshtryoshka框架，利用嵌套网格壳表示和现成三角形光栅化器，通过符号距离函数间接更新顶点位置，实现大规模无界场景的高质量可微分渲染。

Comments Daniel Xu and David Charatan contributed equally; author order decided by coin flip. Project website: https://danielxu9393.github.io/meshtryoshka-website/

MemoBench: Benchmarking World Modeling in Dynamically Changing Environments

MemoBench: 动态变化环境中的世界建模基准测试

Haoyu Chen, Kaichen Zhou, Hang Hua, Kaile Zhang, Jingwen Qian, Wufei Ma, Haonan Chen, Chunjiang Liu, Yizhou Zhao, Xiaoyuan Wang, Weiyue Li, Alan Yuille, Paul Pu Liang, Yilun Du

机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； Boston University（波士顿大学） ； Google（谷歌） ； JHU（约翰霍普金斯大学） ； CMU（卡内基梅隆大学） ； Kempner Institute（肯普纳研究所） 纠错

AI总结 提出MemoBench基准，通过目标消失-重现范式评估视频生成模型在动态环境中的记忆一致性，涵盖合成与真实场景，揭示现有模型的关键挑战。

Gefen: Optimized Stochastic Optimizer

Gefen: 优化随机优化器

Nadav Benedek, Tomer Koren, Ohad Fried

机构 * Reichman University（赖希曼大学） ； Tel Aviv University（特拉维夫大学） ； Google Research（谷歌研究院） 纠错

AI总结 提出Gefen优化器，通过共享二阶矩估计和量化一阶矩，将AdamW内存占用减少约8倍，同时保持相同性能，支持更大批量和吞吐量。

Tool-MCoT: Tool Augmented Multimodal Chain-of-Thought for Content Safety Moderation

Tool-MCoT：用于内容安全审核的工具增强多模态链式思维

Shutong Zhang, Dylan Zhou, Yinxiao Liu, Yang Yang, Huiwen Luo, Wenfei Zou

机构 * Stanford University（斯坦福大学） ； Google（谷歌） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 本文提出Tool-MCoT，一种基于工具增强的多模态链式思维模型，用于提升内容安全审核的效率与准确性，通过训练小语言模型以有效利用外部工具进行推理和决策。

VGGRPO: Towards World-Consistent Video Generation with 4D Latent Reward

VGGRPO：迈向世界一致的视频生成的4D潜在奖励

Zhaochong An, Orest Kupyn, Théo Uscidda, Andrea Colaco, Karan Ahuja, Serge Belongie, Mar Gonzalez-Franco, Marta Tintore Gazulla

机构 * Google（谷歌） ； University of Oxford（牛津大学） ； CREST-ENSAE, Institut Polytechnique de Paris（巴黎综合理工学院CREST-ENSAE） ； University of Copenhagen（哥本哈根大学） 纠错

AI总结 VGGRPO通过引入4D潜在几何模型和组相对策略优化，提升视频生成的几何一致性与稳定性，避免VAE解码的高计算开销。

Comments Accepted at ECCV 2026. Project Page: https://zhaochongan.github.io/projects/VGGRPO

CANDI: Hybrid Discrete-Continuous Diffusion Models

CANDI：混合离散-连续扩散模型

Patrick Pynadath, Jiaxin Shi, Ruqi Zhang

机构 * Purdue University, West Lafayette, U.S.A（普渡大学） ； Google Deepmind（谷歌DeepMind） 纠错

AI总结 研究连续扩散应用于离散数据表现不佳的问题，提出CANDI混合框架解耦离散和连续破坏，实现同时学习，在受控生成和文本生成中分别展现优势，解锁连续扩散对离散空间的好处。

Gaussian Invariant Markov Chain Monte Carlo

高斯不变马尔可夫链蒙特卡罗

Michalis K. Titsias, Angelos Alexopoulos, Siran Liu, Petros Dellaportas

机构 * Google DeepMind, UK（谷歌深Mind公司，英国） ； Athens University of Economics and Business, Greece（雅典经济与商业大学，希腊） ； UCL, UK（UCL大学，英国） 纠错

AI总结 研究开发高斯不变版本的随机游走Metropolis、Metropolis调整朗之万算法等采样方法，利用高斯不变性特性构建控制变量降低估计量方差，通过示例展示新方法并取得最优结果，还给出相关理论分析。

Comments 38 pages, 6 figures