Best-Arm Identification with Noisy Actuation
带有噪声执行的最优臂识别
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Meta, Central Applied Science（Meta中央应用科学部）
AI总结 研究在分布式代理间通过离散无记忆信道传递臂命令时最优臂识别问题，提出通信方案及其分析，与信道的零错误容量相关。
大厂专区
Meta
AA-SVD : Anchored and Adaptive SVD for Large Language Model Compression
AA-SVD：面向大语言模型压缩的锚定与自适应SVD
机构 * University of Geneva（日内瓦大学） ； FAIR, Meta（Meta FAIR）
AI总结 本文提出一种快速低秩因子分解框架，用于压缩大语言模型，实现无需重新训练的快速压缩。通过同时考虑原始输入和分布偏移，改进Transformer块的端到端压缩，减少输出失真并联合补偿累积误差，实验表明在高压缩率下优于现有SVD基方法。
LaVR: Scene Latent Conditioned Generative Video Trajectory Re-Rendering using Large 4D Reconstruction Models
LaVR：基于大规模4D重建模型的场景潜在条件生成视频轨迹重绘
机构 * Meta ； University of Maryland（马里兰大学） ； University of Oxford（牛津大学） ； UC Davis（加州大学戴维斯分校）
AI总结 本文提出LaVR模型，通过利用大规模4D重建模型的潜在空间中的隐式几何知识，解决视频重绘中几何未条件化模型的空间感知不足和几何条件化模型对深度不准确的依赖问题，实现状态-of-the-art结果。
ReScene4D: Temporally Consistent Semantic Instance Segmentation of Evolving Indoor 3D Scenes
ReScene4D: 时空一致的动态室内3D场景语义实例分割
机构 * Stanford University（斯坦福大学） ； Meta Reality Labs Research（Meta现实实验室）
AI总结 ReScene4D提出了一种新的4D室内语义实例分割方法，通过时空对比损失、掩码和序列化技术，在无需密集观测的情况下实现实例跟踪和性能提升，引入t-mAP指标评估时空一致性。
Comments CVPR 2026
Provable Benefits of In-Tool Learning for Large Language Models
大语言模型中工具学习的可证明优势
机构 * ETH Zürich（苏黎世联邦理工学院） ； Inria, Univ. Rennes 2（法国国家信息与自动化研究所，雷恩第二大学） ； FAIR at Meta（Meta FAIR实验室）
AI总结 本文探讨了工具学习在事实回忆中的优势，证明通过工具可实现无限制的事实回忆，优于单纯记忆。
Journal ref ICLR 2026 MemAgents Workshop
Learning to Translate Noise for Robust Image Denoising
学习噪声翻译以实现稳健的图像去噪
机构 * Seoul National University（首尔大学） ； Meta
AI总结 本文提出噪声翻译框架，通过将复杂噪声转换为高斯噪声以提升图像去噪的鲁棒性和泛化能力，采用预训练的去噪网络实现一致的去噪效果。
Comments Project page: https://hij1112.github.io/learning-to-translate-noise/ Accepted to CVPR 2026 Findings
