Huawei（华为）

OmniVTG: A Large-Scale Dataset and Training Paradigm for Open-World Video Temporal Grounding

OmniVTG：一种大规模数据集和开放世界视频时间定位的训练范式

Minghang Zheng, Zihao Yin, Yi Yang, Yuxin Peng, Yang Liu

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室） ； Central Media Technology Institute, Huawei Technologies Ltd.（华为技术有限公司中央媒体技术研究所） ； PKU-WUHAN Institute for Artificial Intelligence, Peking University（北京大学武汉人工智能研究所） 纠错

AI总结 本文提出OmniVTG数据集和Self-Correction Chain-of-Thought训练范式，通过语义覆盖迭代扩展管道构建大规模数据集，并利用多模态大语言模型的密集描述能力提升视频时间定位性能。

Comments CVPR 2026

OptProver: Bridging Olympiad and Optimization through Continual Training in Formal Theorem Proving

OptProver：通过持续训练在形式定理证明中弥合竞赛与优化的鸿沟

Chenyi Li, Yanchen Nie, Zhenyu Ming, Gong Zhang, Kun Yuan, Zaiwen Wen

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Huawei Technologies（华为技术有限公司） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） ； Beijing International Center for Mathematical Research, Peking University（北京国际数学研究中心） 纠错

AI总结 OptProver通过持续训练实现从竞赛数学到本科优化的高效迁移，结合大规模优化数据筛选与偏好学习目标，提升证明效率与鲁棒性，同时在Lean 4上建立新基准并取得优异成绩。

Beyond Overlap Metrics: Rewarding Reasoning and Preferences for Faithful Multi-Role Dialogue Summarization

超越重叠度量：为忠实多角色对话摘要的奖励推理与偏好

Xiaoyong Mei, Tingting Zuo, Da Chen, Guangyu Hu, Xiangyu Wen, Chao Duan, Mingyan Zhang, Fudan Zheng

机构 * Zhejiang Normal University（浙江师范大学） ； Huawei Technologies（华为技术有限公司） ； HKUST, Hong Kong（香港科技大学） ； CUHK, Hong Kong（香港大学） ； Sun Yat-sen University（中山大学） 纠错

AI总结 本文提出结合显式推理与奖励优化的多角色对话摘要框架，通过结构化推理轨迹训练和双原则奖励机制提升摘要的忠实度与人类偏好对齐。

MPR-GUI: Benchmarking and Enhancing Multilingual Perception and Reasoning in GUI Agents

MPR-GUI：多语言感知与推理GUI代理的基准测试与增强

Ruihan Chen, Qiming Li, Xiaocheng Feng, Weihong Zhong, Xiaoliang Yang, Yuxuan Gu, Zekun Zhou, Yunfei Lu, Haoyu Ren, Kun Chen, Dandan Tu, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Peng Cheng Laboratory（鹏城实验室） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

AI总结 本文提出MPR-GUI-Bench，通过六种语言和八个细粒度任务评估多语言GUI代理的感知与推理能力，并提出GUI-XLI方法以缩小跨语言差距。

Comments 35pages, 15figures