Meta

OpenLongTail: Generative Scaling of Long-Tail Driving Data

OpenLongTail：长尾驾驶数据的生成式扩展

Lulin Liu, Nuo Chen, Yan Wang, Bangya Liu, Wenyan Cong, Hezhen Hu, Boris Ivanovic, Hao Wang, Ziyao Zeng, Xinyu Gong, Yang Zhou, Zixiang Xiong, Dilin Wang, Zhangyang Wang, Weisong Shi, Ruohan Zhang, Marco Pavone, Zhiwen Fan

机构 * Texas A&M University（德克萨斯农工大学） ； NVIDIA（英伟达） ； UW–Madison（威斯康星大学麦迪逊分校） ； UT Austin（德克萨斯大学奥斯汀分校） ； Yale University（耶鲁大学） ； Adobe（奥多比公司） ； Meta ； University of Delaware（特拉华大学） ； Stanford University（斯坦福大学） 纠错

AI总结 研究针对长尾驾驶数据稀缺影响策略扩展的问题，提出开源生成数据引擎OpenLongTail，通过姿态外推视图合成管道及普吕克射线几何增强，合成异构数据提升闭环驾驶稳健性，验证了其多方面有效性。

Comments Project page: https://openlongtail.github.io/

Self-Guided Test-Time Training for Long-Context LLMs

长上下文语言模型的自引导测试时训练

Xinyu Zhu, Zhe Xu, Xiaohan Wei, Yunchen Pu, Fei Tian, Chonglin Sun, Kaushik Rangadurai, Hua Zhi, Frank Shyu, Sandeep Pandey, Luke Simon, Yu Meng, Xi Liu

机构 * Meta AI ； University of Virginia（弗吉尼亚大学） 纠错

AI总结 研究针对长上下文语言模型处理中单纯扩窗口不能有效利用长输入、准确率易降的问题，提出自引导测试时训练（S-TTT）方法，通过模型识别证据跨度并仅对选定跨度训练，在两个基准上提升了模型准确率。

Pitfalls and Remedies for Multi-Task Bayesian Optimization

多任务贝叶斯优化的陷阱与补救措施

Carl Hvarfner, Sam Daulton, Max Balandat, Eytan Bakshy

机构 * Meta 纠错

AI总结 研究多任务贝叶斯优化的陷阱与补救措施，发现其在简单情况下也会误估跨任务相关性，将失败归因于任务标准化和边际似然问题，提出三种补救措施，在简单实例上有效果，复杂实例中仍存在问题。

SCOReD: Student-Aware CoT Optimization for Recommendation Distillation

SCOReD：用于推荐蒸馏的学生感知思维链优化

Haz Sameen Shahgir, Yufei Li, Xiaohan Wei, Yunchen Pu, Fei Tian, Chonglin Sun, Frank Shyu, Sandeep Pandey, Luke Simon, Yue Dong, Xi Liu

机构 * University of California Riverside（加州大学河滨分校） ； Meta AI 纠错

AI总结 研究针对推荐蒸馏中原始教师轨迹不适用于任务的问题，提出SCOReD框架，先解析教师轨迹片段并评分，再动态选择编辑操作，使轨迹适应学生输出分布，训练能为学生模型提供清晰信号，提升指标并减少推理长度。

Comments 31 pages