Google（谷歌）

ClockRoPE: Random Fourier Rotations for Temporal Routine Modeling

ClockRoPE：用于时序常规建模的随机傅里叶旋转

Yiwen Chen, Joshua Ainslie, Krzysztof Choromanski, Xiang Gao, Su-Lin Wu, Yiping Yuan, Qian Sun

机构 * Google DeepMind（谷歌DeepMind） ； YouTube（优兔） 纠错

AI总结 ClockRoPE基于随机傅里叶旋转理论提出，用于序列推荐的时序常规建模，经在线A/B测试可提升参与度指标，已部署于大型视频平台的生成式检索系统。

GNM Head: A Generative aNthropometric Model of the human head

GNM头部：一种人类头部的生成式人体测量模型

Stylianos Ploumpis, Jan Bednarik, Gaspard Zoss, Ruslan Guseinov, Luca Prasso, Prashanth Chandran, Oliver Boyne, Vasileios Choutas, Timo Bolkart, Daoye Wang, Menglei Chai, Di Qiu, Sebastian Winberg, Gilles Rainer, Lewis Bridgeman, Delio Vicini, Jérémy Riviere, Yannick Boetzel, Alexander Koumis, Stylianos Moschoglou, Jay Busch, Cynthia Herrera, Jacob Still, Scott Ysebert, Peter Lincoln, Sergio Orts Escolano, Christoph Rhemann, Erroll Wood, Thabo Beeler, Stefanos Zafeiriou

机构 * Google（谷歌） 纠错

AI总结 介绍一种名为GNM的人类头部生成式人体测量模型，基于高分辨率3D扫描数据库及特定解剖学样本构建，涵盖多部位，详细说明模型架构等，展示其在拟合3D面部扫描时的最优性能并公开完整框架。

Comments The GNM is publicly available at: https://github.com/google/GNM

How Transparent is DiffusionGemma?

DiffusionGemma 的透明度如何？

Joshua Engels, Callum McDougall, Bilal Chughtai, Janos Kramar, Senthooran Rajamanoharan, Cindy Wu, Arthur Conmy, Asic Q Chen, Jean Tarbouriech, Min Ma, Brendan O'Donoghue, João Gabriel Lopes de Oliveira, Rohin Shah, Neel Nanda

机构 * Google（谷歌） 纠错

AI总结 研究DiffusionGemma在连续潜空间中的推理透明度，通过变量透明度和算法透明度分解，发现可解释的令牌瓶颈将不透明串行深度降至Gemma 4的1.1倍，并揭示扩散特有现象。

Comments 20 main text pages and 6 pages of references and appendices

Evaluating Skill and Stability of ArchesWeather and ArchesWeatherGen under Multi-Decadal Climate Simulations

评估 ArchesWeather 和 ArchesWeatherGen 在多年代际气候模拟中的技能和稳定性

Renu Singh, Robert Brunstein, Antonia Jost, Yana Hasson, Thomas Rackow, Claire Monteleoni, Christian Lessig, Guillaume Couairon

机构 * Inria Paris（巴黎国家信息与自动化研究所） ； Google DeepMind（谷歌DeepMind） ； Otto-von-Guericke-University Magdeburg（马格德堡奥托·冯·格里克大学） ； University of Potsdam（波茨坦大学） ； European Centre for Medium-Range Weather Forecasting（欧洲中期天气预报中心） ； University of Colorado Boulder（科罗拉多大学博尔德分校） 纠错

AI总结 本研究将两个原本用于天气预报的机器学习模型 ArchesWeather（确定性）和 ArchesWeatherGen（概率流匹配）改造为强迫大气模型，通过月平均海表温度和海水覆盖作为边界条件，遵循 AIMIP Phase 1 协议，评估其多年代际气候模拟能力，发现它们能产生稳定的长期气候模拟、稳定的年循环，并捕捉许多气候变量的漂移。

Comments 29 pages, 16 figures, preprint