Huawei（华为）

E3-TIR: Enhanced Experience Exploitation for Tool-Integrated Reasoning

E3-TIR: 增强经验利用以实现工具集成推理

Weiyang Guo, Zesheng Shi, Liye Zhao, Jiayuan Ma, Zeen Zhu, Junxian He, Min Zhang, Jing Li

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文提出E3-TIR方法，通过整合专家前缀、专家引导和自探索三种经验类型，提升工具集成推理的效率与性能，实验显示在工具使用任务中性能提升6%，数据成本降低。

Comments 22 pages 10 figures, published in acl2026

Robust 4D Visual Geometry Transformer with Uncertainty-Aware Priors

具有不确定性感知先验的鲁棒4D视觉几何变换器

Ying Zang, Yidong Han, Chaotao Ding, Yuanqi Hu, Deyi Ji, Qi Zhu, Xuanfu Li, Jin Ma, Lingyun Sun, Tianrun Chen, Lanyun Zhu

机构 * Zhejiang University（浙江大学） ； Huzhou University（湖州师范学院） ； Huawei（华为） ； Tongji University（同济大学） 纠错

AI总结 本文提出一种框架，通过建模重建过程中的不确定性，分离动态和静态成分，采用熵引导子空间投影、局部一致性驱动几何净化和不确定性感知多视角一致性机制，提升动态场景重建的准确性与效率。

HD-VGGT: High-Resolution Visual Geometry Transformer

HD-VGGT：高分辨率视觉几何变换器

Tianrun Chen, Yuanqi Hu, Yidong Han, Hanjie Xu, Deyi Ji, Qi Zhu, Chunan Yu, Xin Zhang, Cheng Chen, Chaotao Ding, Ying Zang, Xuanfu Li, Jin Ma, Lanyun Zhu

机构 * Zhejiang University（浙江大学） ； Huzhou University（湖州师范学院） ； Nanjing University of Science and Technology（南京理工大学） ； Huawei（华为） ； Tongji University（同济大学） 纠错

AI总结 HD-VGGT通过双分支架构实现高效稳定的高分辨率3D重建，利用低分辨率分支生成全局一致的几何结构，高分辨率分支通过学习的特征上采样模块细化细节，采用特征调制技术抑制不稳定特征，提升重建质量。

Learning Vision-Language-Action World Models for Autonomous Driving

学习视觉-语言-动作世界模型以实现自动驾驶

Guoqing Wang, Pin Tang, Xiangxuan Ren, Guodongfang Zhao, Bailan Feng, Chao Ma

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部人工智能重点实验室） ； Central Research Institute, Huawei（华为中央研究院） 纠错

AI总结 本文提出VLA-World模型，通过结合预测想象与反思推理提升自动驾驶的前瞻性。该模型利用生成的轨迹引导图像生成，并通过反思优化轨迹预测，实验表明其在规划和未来场景生成任务中优于现有方法。

Comments Accepted by CVPR2026 findings

HiFloat4 Format for Language Model Pre-training on Ascend NPUs

HiFloat4格式用于在Ascend NPUs上预训练语言模型

Mehran Taghian, Yunke Peng, Xing Huang, Yao Wang, Yaoyuan Wang, Wei Guo, Yuanyong Luo, Tianchi Hu, Junsong Wang, Xin Wang, Hu Liu, Yu Cheng, Ziwei Yu, Hongliang Li, Mehdi Rahimifar, Lei Yan, Xuefei Wang, Zhuang Ma, Lei Liu, Hui Yu, Anandharaju Durai Raju, Hoang Le, Hei Yi Mak, Tanzila Rahman, Shadan Golestan

机构 * Huawei（华为） 纠错

AI总结 本文研究了HiFloat4 4位浮点格式在Ascend NPUs上的应用，比较了其与MXFP4在大规模训练中的性能，展示了FP4在计算效率和内存利用率上的优势，同时探讨了FP4训练中的稳定性技术。