Huawei（华为）

SeePhys Pro: Diagnosing Modality Transfer and Blind-Training Effects in Multimodal RLVR for Physics Reasoning

SeePhys Pro：多模态RLVR中模态迁移和盲训练效应的诊断

Kun Xiang, Terry Jingchen Zhang, Zirong Liu, Bokai Zhou, Yueling Tang, Junjie Yu, Jiacong Lu, Shangrui Huang, Heng Li, Likui Zhang, Kunkun Liu, Changzheng Zhang, Yangle Fang, Boqiang Guo, Hui-Ling Zhen, Dandan Tu, Yinya Huang, Xiaodan Liang

机构 * Sun Yat-sen University（中山大学） ； ETH Zurich（苏黎世联邦理工学院） ； ETH AI Center（苏黎世人工智能中心） ； Huawei Technologies Ltd（华为技术有限公司） 纠错

AI总结 SeePhys Pro研究多模态RLVR中模态迁移对物理推理的影响，发现当前模型在信息从语言迁移到图像时表现下降，盲训练可提升性能，但依赖残余文本和分布特征而非有效视觉证据。

Towards Fine-Grained Code-Switch Speech Translation with Semantic Space Alignment

面向语义空间对齐的细粒度代码切换语音翻译

Yan Gao, Yazheng Yang, Zhibin Lan, Yidong Chen, Min Zhang, Daimeng Wei, Derek F. Wong, Jinsong Su

机构 * School of Informatics, Xiamen University, China（厦门大学信息学院） ； Huawei Translation Services Center, Beijing, China（华为翻译服务中心） ； NLP 2 CT Lab, Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学系NLP 2 CT实验室） 纠错

AI总结 本文提出通过混合专家模型提升大语言模型，以实现更精确的代码切换语音翻译，通过语言特定损失和组内负载平衡损失优化语义空间对齐，实验表明在多个数据集上提升了翻译性能。

Comments Accepted to IJCAI 2026 Main Track

Adversarial Causal Tuning for Realistic Time-series Generation

对抗性因果调优用于真实时间序列生成

Nikolaos Gkorgkolis, Nikolaos Kougioulis, MingXue Wang, Bora Caglayan, Andrea Tonon, Dario Simionato, Ioannis Tsamardinos

机构 * University of Crete & FORTH（希腊克里特大学及希腊国家科研院） ； Huawei Ireland Research Centre（华为爱尔兰研究中心） 纠错

AI总结 本文提出对抗性因果调优方法，通过优化因果模型和评估拟合质量，生成真实时间序列数据，展示其在不同数据集上的有效性与改进潜力。

Comments 22 pages, 3 figures