Google（谷歌）

EXIMO: VLM Guided Exploration of VLA Policies

EXIMO：基于视觉语言模型引导的视觉语言动作策略探索

Bhavya Sukhija, Oliver Groth, Mohit Shridhar, Tim Hertweck, Michael Bloesch, Markus Wulfmeier, Abbas Abdolmaleki, Martin Riedmiller

机构 * Google DeepMind（谷歌DeepMind） 纠错

AI总结 本研究提出EXIMO算法，通过VLM引导的探索、模仿、优化三阶段微调VLA策略，解决了VLA策略微调样本效率低的问题，性能显著优于现有方法。

Inadvertent Context Leakage in Language Models

语言模型中的无意上下文泄漏

Jaiden Fairoze, Neal Mangaokar, Kamalika Chaudhuri, Sanjam Garg, Saeed Mahloujifar

机构 * FAIR, Meta Superintelligence Labs（Meta超级智能实验室FAIR） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 该研究发现语言模型的上下文窗口会无意泄漏敏感用户信息，提出自适应攻击方法，在8个专有模型上验证了2、4位数秘密的重建准确率，还展示了两种实际攻击方式，指出泄漏是模型能力的副产品。

Scaffolding Minds: Optimizing Latent Visual Target Representations for Multimodal Reasoning

搭建心智：优化多模态推理的潜在视觉目标表示

Haoqiang Kang, Yinpeng Chen, Luyang Liu, Jesper Sparre Andersen, Abhijit Ogale, Baochen Sun, Lichan Hong, Ed H. Chi

机构 * Google DeepMind（谷歌DeepMind） ； UC San Diego（加州大学圣迭戈分校） 纠错

AI总结 针对潜在推理框架的 SFT 阶段潜在表示对齐差、RL 阶段缺乏探索性潜在轨迹的局限，提出 Scaffolding Minds，学习专用搭建编码器与 RL 采样器的均值方差，在多基准任务上取得显著性能提升。

Can Predicted Dynamics Exist in the Physical World?

物理世界中是否存在可预测的动态？

Barak Or

机构 * STATE16 ； Technion - Israel Institute of Technology（技术Ion - 以色列理工学院） ； Reichman University（Reichman大学） ； Google-Reichman AI Tech School（Google-Reichman人工智能技术学院） 纠错

AI总结 本文提出物理可接受性作为预测-控制接口，通过运动学、动力学和直接到组合的视界条件评估解码提案的物理可执行性，实验表明该方法能有效识别无效提案并保持任务进度。

Comments 12 pages

Learning-Based Speed Estimation from Accelerometer-Only Inertial Sensing

CarSpeedNet: 基于学习的仅使用加速度计的车速估计

Barak Or

机构 * CEO Office, MetaOr Artificial Intelligence（MetaOr人工智能首席执行办公室） ； Google（谷歌） ； Reichman Tech School, Reichman University（Reichman大学技术学院） 纠错

AI总结 CarSpeedNet通过仅使用加速度计实现车速估计，无需陀螺仪或其他传感器，提升低资源环境下的导航精度。

Comments 6 pages, under review