Huawei（华为）

Activation-Weighted Seeded Residual Coding for Low-Bit LLM Weight Repair

用于低比特大语言模型权重修复的激活加权种子残差编码

Zehao Liu, Chuangchuang Fang, Yang Ren

机构 * Huawei Boole RC（华为布尔研究中心） 纠错

AI总结 针对低比特大语言模型量化的误差问题，提出AWSRC编解码器修复权重，在Qwen2.5-3B-Instruct上可显著缩小与BF16模型的质量差距，且侧载体积小、性能优于同类编解码器。

Comments 5 pages, 2 figures

FedCC: Towards Addressing Label Distribution Skews in Distillation-Based Federated Learning

FedCC：面向解决基于蒸馏的联邦学习中的标签分布偏差问题

Wenxuan Ye, Onur Ayan, Xueli An, Georg Carle

机构 * Huawei Heisenberg Research Center, Huawei Technologies Duesseldorf GmbH（华为海森堡研究中心（华为技术有限公司杜塞尔多夫分部）） ； TUM School of Computation, Information and Technology, Technical University of Munich（慕尼黑工业大学计算、信息与技术学院） 纠错

AI总结 针对基于蒸馏的联邦学习中标签分布偏差导致的性能下降问题，提出FedCC算法，允许客户端将模糊样本标记为“未知”并结合校准伪标签，在极端标签偏差场景下准确率大幅优于基线方法。

Comments Accepted to Globecom 2026

VersaDB: A High-Performance AI Storage Database for Unifying Mutimodal Datasets

VersaDB：用于统一多模态数据集的高性能AI存储数据库

Cong Wang, Zelin Liu, Yang Luo Ran Zhang, Zhijian Guo, Hui Zhang, Fan Yu, Yanfei Cao, Naijie Gu, Jun Yu

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei（华为） ； South China University of Technology（华南理工大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 该研究针对多模态AI数据集处理速度不足的问题，推出专为AI数据集设计的VersaDB，通过页式存储、B+树索引等技术实现高效数据处理，可最高5.35倍加速且并行度适配性好。

Congruence Decomposition with Neural Block Solvers for Large-Scale PCI Assignment

基于神经块求解器的同余分解用于大规模物理小区标识分配

Yeqing Qiu, Chengpiao Huang, Ye Xue, Akang Wang, Fan Xu, Zhipeng Jiang, Dong Zhang, Ruoyu Sun, Qingjiang Shi, Zhi-Quan Luo

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； Columbia University（哥伦比亚大学） ； Sun Yat-sen University（中山大学） ； Tongji University（同济大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Huawei Technologies（华为技术有限公司） 纠错

AI总结 本研究针对大规模5G网络PCI分配难题，提出带神经块求解器的同余分解框架，将问题解耦为子问题并结合图神经网络优化，实验显示其性能优于现有基线方法。

ScienceFlow: A long-horizon agent for ML research, scientific discovery and beyond

ScienceFlow：面向机器学习研究、科学发现及更广泛领域的长时智能体

Mingming Zhao, Jiqian Dong, Kangping Xu, Zadid Hasan, Chengrui Fan, Shan Jiang, Shuai Mao, Yating Ling, Linyi Zou, Tailin Zhou, Yun Hin Chan, Wenkai Zhang, Zhanhong Zhou, Guowei Huang, Hongliang Li, Wenjing Cun, Zhitang Chen, Mingxuan Yuan, Yanhui Geng

机构 * Noah’s Ark Lab, Huawei（华为诺亚方舟实验室） 纠错

AI总结 ScienceFlow是一款端到端自主研究智能体框架，通过ESTRA机制与证据感知执行控制器实现长时研究的状态管理与资源分配，在24小时预算内的MLE-bench基准测试中取得70.22%的Any-Medal最优分数，为长时自主研究提供了有效方案。