Huawei（华为）

TrainSDC: Characterizing and Mitigating Silent Data Corruption in Large Language Model Training

TrainSDC：大型语言模型训练中静默数据损坏的特征表征与缓解

Zhipeng Xia, Haotian Xu, Siyu Yun, Liqi Lin, Hu Liu, Yu Li, Cheng Zhuo

机构 * Zhejiang University（浙江大学） ； Huawei（华为） 纠错

AI总结 研究针对LLM训练的SDC问题，系统表征其在Transformer训练中的脆弱性，提出TrainSDC框架，经实验验证可有效缓解SDC且运行时开销较低。

Comments 12 pages, 5 figures, and 6 tables. Includes an appendix with additional experiments

TRINITY: A Multi-Perspective Benchmark for Personal-Style Video Highlight Detection

TRINITY：面向个人风格视频精彩片段检测的多视角基准测试集

Qianqian Chen, Hyun Bin Kim, Denzel Elden Wijaya, Yang Yi, Bo Liu, Yangkai Ding

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

AI总结 针对个人风格视频精彩片段检测的传统方法泛化性差的问题，提出TRINITY多视角基准测试集与对应多分支架构，在两个数据集上显著优于现有方法，验证了多视角建模的有效性。

Comments 32 pages, 9 figures. Accepted to ECCV 2026

Scene-Conditioned PINN-GNN for Multipath RF Maps: Cross-Scene Generation and In-Scene Completion

场景条件PINN-GNN用于多径射频地图：跨场景生成与场景内补全

Lizhou Liu, Xiaohui Chen, Zihan Tang, Mengyao Ma, Wenyi Zhang

机构 * Department of Electronic Engineering and Information Science, University of Science and Technology of China（电子工程与信息科学系，中国科学技术大学） ； Wireless Technology Lab, Huawei（华为无线技术实验室） 纠错

AI总结 提出基于物理信息神经网络和图神经网络的统一射频地图构建框架，支持跨场景生成和场景内补全，采用峰值加权动态时间弯曲度量评估多径重建质量，实验表明优于多种基线方法。

Unlocking Fine-Grained Translation Quality Estimation in LRMs through Mutually Boosting Implicit and Explicit Reasoning

解锁大型推理模型中细粒度翻译质量评估：通过协同演化隐式和显式推理

Renfei Dang, Xinye Wang, Zhejian Lai, Weilu Xu, Shimin Tao, Daimeng Wei, Min Zhang, Shujian Huang

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； Huawei Translation Services Center, Beijing, China（北京华为翻译服务中心） 纠错

AI总结 针对大型推理模型在细粒度翻译质量评估上的困难，提出RIEQE两阶段训练框架，通过非思考监督微调（隐式推理）和思考强化学习（显式推理）协同演化，在WMT测试集上超越基线。

Comments EMNLP 2026

Branch Scaling Manifests as Implicit Architectural Regularization for Improving Generalization in Overparameterized ResNets

分支缩放表现为隐式架构正则化以改善过参数化ResNet的泛化能力

Zixiong Yu, Guhan Chen, Jianfa Lai, Bohan Li, Songtao Tian

机构 * Huawei Large Model Data Technology Lab, Shenzhen（华为大模型数据技术实验室，深圳） ； Tsinghua University, Beijing（清华大学，北京） ； Kyoto University, Kyoto（京都大学，京都） 纠错

AI总结 本文研究残差网络中分支缩放因子对过参数化ResNet泛化性能的影响，通过理论分析证明快速深度衰减的缩放因子结合早停可实现极小极大最优泛化率，并利用神经正切核（NTK）近似解释其机制。

Comments Accepted by ICML 2026. This version incorporates content from the preprint arXiv:2305.18506. The contributors of the relevant content have consented to its inclusion and have been listed as authors

Switch Attention: Towards Dynamic and Fine-grained Hybrid Transformers

切换注意力：面向动态和细粒度的混合变换器

Yusheng Zhao, Hourun Li, Bohan Wu, Yichun Yin, Lifeng Shang, Jingyang Yuan, Meng Zhang, Ming Zhang

机构 * State Key Laboratory for Multimedia Information Processing（多媒体信息处理国家重点实验室） ； School of Computer Science, PKU-Anker LLM Lab, Peking University（计算机科学学院，PKU-Anker LLM实验室，北京大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

AI总结 本文提出Switch Attention，一种动态路由全注意力与滑动窗口注意力的混合变换器，通过自适应正则化和持续预训练提升长上下文语言模型的效率与性能。

Comments EMNLP 2026 main

PRATA: A Framework to Enable Predictive QoS in Vehicular Networks via Artificial Intelligence

Federico Mason, Tommaso Zugno, Matteo Drago, Marco Giordani, Mate Boban, Michele Zorzi

机构 * Department of Information Engineering (DEI) of the University of Padova（帕多瓦大学信息工程系） ； Huawei Technologies, Munich Research Center（华为技术有限公司慕尼黑研究中心） 纠错

Journal ref IEEE Transactions on Communications, vol. 73, no. 11, pp. 10764-10777, Nov. 2025

Keyframe-Centric State-Space Modeling for Burst Image Super-Resolution

面向爆发图像超分辨率的以关键帧为中心的状态空间建模

Ozan Unal, Steven Marty, Dengxin Dai

机构 * Huawei Research Center（华为研究中心） 纠错

AI总结 本研究提出BurstMamba架构，通过解耦关键帧超分辨率流与轻量级爆发流，结合GAS机制和小波条件路由，在多个BISR数据集上实现了最先进性能，提升了计算效率与可扩展性。

Comments Accepted at SIGGRAPH Asia 2026