Meta

PhysInOne: Visual Physics Learning and Reasoning in One Suite

PhysInOne：一套视觉物理学习与推理系统

Siyuan Zhou, Hejun Wang, Hu Cheng, Jinxi Li, Dongsheng Wang, Junwei Jiang, Yixiao Jin, Jiayue Huang, Shiwei Mao, Shangjia Liu, Yafei Yang, Hongkang Song, Shenxing Wei, Zihui Zhang, Peng Huang, Shijie Liu, Zhengli Hao, Hao Li, Yitian Li, Wenqi Zhou, Zhihan Zhao, Zongqi He, Hongtao Wen, Shouwang Huang, Peng Yun, Bowen Cheng, Pok Kazaf Fu, Wai Kit Lai, Jiahao Chen, Kaiyuan Wang, Zhixuan Sun, Ziqi Li, Haochen Hu, Di Zhang, Chun Ho Yuen, Bing Wang, Zhihua Wang, Chuhang Zou, Bo Yang

机构 * vLAR Group（vLAR 研究组） ； The Hong Kong Polytechnic University（香港理工大学） ； Syai Singapore（Syai 新加坡） ； Meta 纠错

AI总结 PhysInOne通过大规模合成数据提升AI系统对物理现象的理解，包含200万视频和15万动态3D场景，涵盖71种基本物理现象，用于物理感知视频生成、未来帧预测、物理属性估计和运动转移等应用。

Comments CVPR 2026. Siyuan, Hejun, Hu, Jinxi, Dongsheng, Junwei, Yixiao, Jiayue, and Shiwei are co-first authors. Project page: https://vlar-group.github.io/PhysInOne.html

Efficient RL Training for LLMs with Experience Replay

为大语言模型高效训练的体验回放

Charles Arnal, Vivien Cabannes, Taco Cohen, Julia Kempe, Remi Munos

机构 * FAIR at Meta（Meta FAIR） ； NYU Courant Institute and CDS（纽约大学库朗数学科学研究所与数据科学中心） 纠错

AI总结 本文研究了大语言模型训练中体验回放的优化设计，通过平衡陈旧性方差、样本多样性与生成成本，证明了严格策略采样在生成成本高时效果不佳，实验表明合理设计的回放缓冲器能显著降低推理计算成本而不影响模型性能。

Creator Incentives in Recommender Systems: A Cooperative Game-Theoretic Approach for Stable and Fair Collaboration in Multi-Agent Bandits

推荐系统中的创作者激励：一种基于合作博弈的稳定且公平的多智能体老虎机方法

Ramakrishnan Krishnamurthy, Arpit Agarwal, Lakshminarayanan Subramanian, Maximilian Nickel

机构 * Courant Institute, New York University（纽约大学库朗数学研究所） ； Indian Institute of Technology Bombay（印度理工学院孟买分校） ； FAIR, Meta AI（Meta AI 基础人工智能研究团队） 纠错

AI总结 本文提出基于合作博弈的多智能体老虎机模型，分析推荐系统中创作者激励问题，证明在同质智能体下博弈凸性，提出基于 regrets 的支付规则，实验显示支付与Shapley公平性的一致性与差异。

Comments Accepted in AISTATS 2026 as an Oral Presentation

Interactive Program Synthesis for Modeling Collaborative Physical Activities from Narrated Demonstrations

基于叙述演示的协作物理活动建模交互式程序合成

Edward Kim, Daniel He, Jorge Chao, Wiktor Rajca, Mohammed Amin, Nishant Malpani, Ruta Desai, Antti Oulasvirta, Bjoern Hartmann, Sanjit Seshia

机构 * University of California, Berkeley（加州大学伯克利分校） ； Meta ； Aalto University（阿尔托大学） 纠错

AI总结 本文提出通过交互式程序合成解决协作物理活动建模问题，利用叙述演示统一教学、检查和纠正系统逻辑，实验表明用户能有效修正程序以匹配意图。