Huawei（华为）

PersonalAI 2.0: Enhancing knowledge graph traversal/retrieval with planning mechanism for Personalized LLM Agents

PersonalAI 2.0：通过规划机制增强知识图谱遍历/检索以实现个性化大语言模型代理

Mikhail Menschikov, Matvey Iskornev, Alexander Kharitonov, Alina Bogdanova, Mikhail Belkin, Ekaterina Lisitsyna, Artyom Sosedka, Victoria Dochkina, Ruslan Kostoev, Ilia Perepechkin, Evgeny Burnaev

机构 * Huawei, Moscow, Russia（华为，莫斯科，俄罗斯） 纠错

AI总结 PersonalAI 2.0通过动态多阶段查询流程提升知识图谱遍历与检索能力，结合实体提取和生成线索查询，提升回答准确性，优于现有方法，且在多个基准测试中表现优异。

TurboGR: An Accelerated Training System for Large-Scale Generative Recommendation

TurboGR: 一种用于大规模生成推荐的加速训练系统

Huichao Chai, Zhixin Wu, Xuemiao Li, Shiqing Fan, Hengfeng Wang, Maojun Peng, Lu Xu, Yaoyuan Wang, Yibo Jin, Wei Guo, Yongxiang Feng

机构 * Huawei（华为） 纠错

AI总结 本文提出TurboGR系统，通过三个创新解决大规模生成推荐在Ascend NPU上的部署挑战，提升训练效率和模型容量。

Comments 18 pages

DiffST: Spatiotemporal-Aware Diffusion for Real-World Space-Time Video Super-Resolution

DiffST: 用于现实世界时空视频超分辨率的时空感知扩散模型

Zheng Chen, Ruofan Yang, Jin Han, Dehua Song, Zichen Zou, Chunming He, Yong Guo, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Duke University（杜克大学） ； Huawei Consumer Business Group（华为消费者业务集团） 纠错

AI总结 DiffST提出一种高效时空感知视频扩散框架，通过跨帧上下文聚合和视频表示引导提升时空信息利用，实现高效实时世界时空视频超分辨率。

Comments Code is available at: https://github.com/zhengchen1999/DiffST

Reinforced Collaboration in Multi-Agent Flow Networks

多智能体流网络中的强化协作

Zheng Wang, Yuang Liu, Yangkai Ding

机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

AI总结 本文提出MANGO框架，通过流网络优化多智能体协作流程，结合强化学习和文本梯度提升效率与性能，实验显示在七个基准上性能提升12.8%，效率提升47.4%。

NeuroRisk: Physics-Informed Neural Optimization for Risk-Aware Traffic Engineering

NeuroRisk：基于物理的神经优化用于风险感知的交通工程

Yingming Mao, Ximeng Liu, Jingyi Cheng, Xiyuan Liu, Jiashuai Liu, Yike Liu, Zhen Yao, Yuzhou Zhou, Siyuan Feng, Qiaozhu Zhai, Shizhen Zhao

机构 * Xi’an Jiaotong University（西安交通大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Huawei（华为） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 针对WAN中相关故障导致的可用性损失问题，NeuroRisk通过物理引导的深度展开优化器，在风险目标上实现高利用率，同时在运算尺度上实现显著加速。

GLASS: Global-Local Aggregation for Inference-time Sparsification of LLMs

GLASS：用于LLM推理时稀疏化的全局-局部聚合

Amirmohsen Sattarifard, Sepehr Lavasani, Kunlin Zhang, Amirhossein Rajabpour, Hanlin Xu, Fengyu Sun, Negar Hassanpour, Chao Gao

机构 * Huawei Technologies Canada Co., Ltd.（华为技术加拿大公司） ； Huawei Technologies Ltd.（华为技术有限公司） 纠错

AI总结 GLASS通过融合全局和局部信号提升LLM推理时的稀疏化效果，尤其在短提示和长生成场景中表现优异，显著降低困惑度和KL散度，同时加快设备解码速度。

High-Dimensional Analysis of Bootstrap Ensemble Classifiers

高维分析中的bootstrap集成分类器

Malik Tiomoko, Hamza Cherkaoui, Mohamed El Amine Seddik, Cosme Louart, Ekkehard Schnoor, Balazs Kegl

机构 * Huawei Noah’s Ark Lab, France（华为诺亚实验室，法国） ； SAMOVAR, Télécom SudParis Institut Polytechnique de Paris France（SAMOVAR，巴黎高等理工学院，法国） ； Technology Innovation Institute, United Arab Emirates（技术创新研究所，阿联酋） ； Chinese University of Hong Kong, China（香港中文大学，中国） ； Fraunhofer HHI, Germany, Aalto University Finland（弗劳恩霍夫研究所，德国，艾尔沃斯大学，芬兰） 纠错

AI总结 本文研究了在大样本和高维数据下，bootstrap方法在LSSVM集成分类器中的性能，结合随机矩阵理论，提出选择子集数量和正则化参数的策略，通过实验验证理论结果。