Meta

Estimate Level Adjustment For Inference With Proxies Under Random Distribution Shifts

在随机分布偏移下通过代理进行推断的水平估计

Steven Wilkins-Reeves, Alexandra N. M. Darmon, Deeksha Sinha

机构 * Central Applied Science, Meta（Meta应用科学中心） 纠错

AI总结 本文提出一种基于领域适应的估计层框架，用于校准代理推断，通过建模代理-主要指标差异作为参数级随机效应，以应对分布偏移带来的不准确性。

Comments 10 pages, 5 figures

SCRuB: Social Concept Reasoning under Rubric-Based Evaluation

SCRuB：基于规则评估的社会概念推理

Jamelle Watson-Daniels, Himaghna Bhattacharjee, Skyler Wang, Brandon Handoko, Antonio Li, Anaelia Ovalle, Mahesh Pasupuleti, Candace Ross, Vidya Sarma, Arjun Subramonian, Karen Ullrich, Will van der Vaart, Yijing Xin, Maximilian Nickel

机构 * Meta ； McGill University（麦吉尔大学） 纠错

AI总结 本文提出SCRuB框架，用于评估大语言模型在社会概念推理方面的能力，通过专家和模型响应对比，展示前沿模型在五个维度上优于人类专家。

TACT: Mitigating Overthinking and Overacting in Coding Agents via Activation Steering

TACT: 通过激活引导缓解编码代理中的过度思考与过度行动

Yuan Sui, Yulin Chen, Yibo Li, Xue Jiang, Yufei He, Yihong Dong, Xiaoxin He, Tianyu Gao, Bryan Hooi

机构 * National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； Meta 纠错

AI总结 本文提出TACT方法，通过激活引导检测并缓解编码代理中的过度思考和过度行动问题，提升任务解决效率和准确性。

Comments Work in progress

Importance-Guided Basis Selection for Low-Rank Decomposition of Large Language Models

基于重要性的基选择用于大型语言模型的低秩分解

Daniel Agyei Asante, Ernie Chang, Yang Li

机构 * Iowa State University（爱荷华州立大学） ； Meta 纠错

AI总结 本文提出BSI框架，通过估计移除每个基所导致的损失增加来选择和剪枝基，提升低秩分解效果。

LAMP: Localization Aware Multi-camera People Tracking in Metric 3D World

LAMP：面向度量3D世界的多摄像头人体跟踪

Nan Yang, Julian Straub, Fan Zhang, Richard Newcombe, Jakob Engel, Lingni Ma

机构 * Meta Reality Labs Research（Meta现实实验室） 纠错

AI总结 LAMP提出一种新颖简单框架，通过早期解耦观察者与目标运动，解决多摄像头视角下3D人体跟踪问题，实现动态视角下的高效跟踪。

Comments CVPR 2026. Project page: https://facebookresearch.github.io/LAMP

ViTok-v2: Scaling Native Resolution Auto-Encoders to 5 Billion Parameters

ViTok-v2：将原生分辨率自编码器扩展到50亿参数

Philippe Hansen-Estruch, Jiahui Chen, Vivek Ramanujan, Orr Zohar, Yan Ping, Animesh Sinha, Markos Georgopoulos, Edgar Schoenfeld, Ji Hou, Felix Juefei-Xu, Sriram Vishwanath, Ali Thabet

机构 * University of Texas, Austin（德克萨斯大学奥斯汀分校） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Spellbrush ； Meta Superintelligence Labs（Meta超智能实验室） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

AI总结 ViTok-v2通过NaFlex实现跨分辨率和宽高比泛化，引入新的DINOv3感知损失，提升重建性能并稳定训练，达到当前最佳水平。

Omnilingual MT: Machine Translation for 1,600 Languages

多语言机器翻译：支持1600种语言的机器翻译

Omnilingual MT Team, Belen Alastruey, Niyati Bafna, Andrea Caciolai, Kevin Heffernan, Artyom Kozhevnikov, Christophe Ropers, Eduardo Sánchez, Charles-Eric Saint-James, Ioannis Tsiamas, Xiang "Tony" Cao, Chierh Cheng, Joe Chuang, Paul-Ambroise Duquenne, Mark Duppenthaler, Nate Ekberg, Cynthia Gao, Pere Lluís Huguet Cabot, João Maria Janeiro, Jean Maillard, Gabriel Mejia Gonzalez, Holger Schwenk, Edan Toledo, Arina Turkatenko, Albert Ventayol-Boada, Rashel Moritz, Alexandre Mourachko, Surya Parimi, Mary Williamson, Shireen Yates, David Dale, Marta R. Costa-jussà

机构 * FAIR at Meta（Meta的FAIR） 纠错

AI总结 本文提出Omnilingual Machine Translation (OMT)，首次实现支持超过1600种语言的机器翻译系统，通过综合大数据策略和新创建的数据集，展示了大规模多语言翻译的性能提升和跨语言迁移的改进。