arXivDaily arXiv每日学术速递 周一至周五更新

大厂专区

Huawei(华为)

2026-07-28 至 2026-07-28 共收录 4
2606.28116 2026-07-28 cs.CL 版本更新

Mechanism-Driven Monitors for Preemptive Detection of LLM Training Instability

机制驱动的LLM训练不稳定性抢先检测监控器

Ruixuan Huang, Hantao Huang, Yifan Huang, Ansheng You, Zhenxing Zhang, Shuai Wang

机构 * HKUST(香港科技大学) Huawei(华为) Independent Researcher(独立研究者)

AI总结 针对大语言模型训练中的数值或超参数故障,提出基于模块功能角色的内部监控器,通过QK双线性分解谱熵和MoE路由器指标,在损失发散前数千步检测到不稳定性。

详情

展开后加载摘要…

URL PDF HTML 收藏
2606.10577 2026-07-28 cs.RO 版本更新

AgenticNav: Zero-Shot Vision-and-Language Navigation as a Tool-Calling Harness

AgenticNav:零样本视觉与语言导航作为工具调用框架

Yijian Li, Changze Li, Hantian Shi, Jiaying Luo, Jiyuan Cai, Ming Yang, Tong Qin

机构 * Shanghai Jiao Tong University(上海交通大学) Huawei Technologies Ltd(华为技术有限公司)

AI总结 提出AgenticNav,通过将动作、深度和记忆作为可调用工具暴露给VLM,实现零样本连续环境导航,在R2R-CE基准上达到SOTA性能。

详情

展开后加载摘要…

URL PDF HTML 收藏
2603.05607 2026-07-28 cs.CV cs.AI 版本更新

DreamCAD: Scaling Multi-modal CAD Generation using Differentiable Parametric Surfaces

DreamCAD: 通过可微参数曲面实现多模态CAD生成的扩展

Mohammad Sadil Khan, Muhammad Usama, Rolandos Alexandros Potamias, Didier Stricker, Muhammad Zeshan Afzal, Jiankang Deng, Ismail Elezi

机构 * DFKI RPTU Imperial College London(帝国理工学院伦敦分校) Huawei London Research Center(华为伦敦研究中心)

AI总结 DreamCAD通过可微参数曲面直接生成可编辑的BRep,无需CAD特定注释,实现多模态CAD生成的扩展,并在多个基准测试中取得最佳性能。

Comments For Caption Dataset: https://huggingface.co/datasets/SadilKhan/CADCap-1M

详情

展开后加载摘要…

URL PDF HTML 收藏
2507.19349 2026-07-28 cs.LG cs.NI 版本更新

Reconstruction of SINR Maps from Sparse Measurements using Group Equivariant Non-Expansive Operators

使用群等变非扩张算子从稀疏测量中重建 SINR 地图

Lorenzo Mario Amorosa, Francesco Conti, Nicola Quercioli, Flavio Zabini, Tayebeh Lotfi Mahyari, Yiqun Ge, Patrizio Frosini

机构 * Institut national de recherche en sciences et technologies du numérique (Inria), Université Côte d’Azur, France(国家数字科学与技术研究院(Inria)、法国坎特伯雷大学) Huawei Technologies Canada, Ottawa, ON, Canada(华为技术加拿大分公司,加拿大渥太华) Department of Computer Science, University of Pisa, Pisa, Italy(计算机科学系、比萨大学)

AI总结 6G 网络中高分辨率 SINR 地图获取成本高,数据稀缺。本文引入基于群等变非扩张算子(GENEOs)的框架,嵌入几何先验,从极少样本有效重建。在城市场景验证,相比基线,GENEO 显著提升统计和拓扑精度,性能优势在极端条件下也能保持。

详情

展开后加载摘要…

URL PDF HTML 收藏