Meta

Photorealistic Novel View Synthesis of Human Faces using Next-Scale Transformers

基于Next-Scale Transformer的人脸真实感新视角合成

Federico Stella, Fei Jiang, Zhongshi Jiang, Zohar Barzelay, Emanuel Garbin, Amin Jourabloo, Liuhao Ge

机构 * École polytechnique fédérale de Lausanne（洛桑联邦理工学院） ； Meta 纠错

AI总结 本研究将next-scale自回归范式适配人脸新视角合成，结合Transformer模型实现高保真多视角人脸3D模型生成，较扩散模型需更少专用训练数据，提升了感知与跨视角一致性。

FlowSep 2: Self-Supervised Flow Matching for Language-Queried Audio Source Separation

FlowSep 2：用于语言查询音频源分离的自监督流匹配方法

Yi Yuan, Xubo Liu, Haohe Liu, Xiyuan Kang, Mark D. Plumbley, Wenwu Wang

机构 * School of Computer Science and Electronic Engineering, University of Surrey（萨里大学计算机科学与电子工程学院） ； Meta Superintelligence Labs（元宇宙超级智能实验室） ； Department of Informatics, King’s College London（伦敦国王学院信息学系） 纠错

AI总结 本研究提出FlowSep2，一种结合Self-Flow与Diffusion Transformer的文本条件流匹配生成模型，用于语言查询音频源分离，在多个基准上达到SOTA性能，可有效分离重叠声源。

Comments Submission to IEEE/ACM Transactions on Audio, Speech, and Language Processing

OvDSGG: End-to-End Open-Vocabulary Dynamic Scene Graph Generation

OvDSGG：端到端开放词汇动态场景图生成

John Helsby, Yi Yang, Bodo Rosenhahn, Michael Ying Yang

机构 * Meta ； University of Bath（巴斯大学） ； Leibniz Universität Hannover（汉诺威莱布尼茨大学） 纠错

AI总结 OvDSGG是首个开放词汇DSGG的端到端框架，通过空间主干、时间主干及相关模块实现开放词汇识别，在开放词汇指标上显著优于基线，封闭集性能仍具竞争力，且构建了对应基准并公开代码。

Comments ECCVW'26 CONTEXTUS

Jagged Judges: Epistemic Stability Under Perturbation, Pressure, and Persistence

波动评判者：在沉默、压力与坚持下的认知稳定性

Justin Zhao, Himaghna Bhattacharjee, Hannah Korevaar, Bhaktipriya Radharapu, Khalid El-Arini

机构 * Meta Superintelligence Labs（元超级智能实验室） ； FAIR at Meta（元公司FAIR研究院） 纠错

AI总结 本研究提出Wiggle框架测试LLM评判者的认知稳定性，发现9个前沿模型在压力下裁决波动显著，且多数压力会损害真实值，基线陪审团多数强度可预测波动项目。

Unleashing Implicit Rewards: Prefix-Value Learning for Distribution-Level Optimization

释放隐式奖励：前缀值学习用于分布级优化

Shiping Gao, Hongzhan Chen, Xiaojun Quan, Qifan Wang, Lifu Huang

机构 * Sun Yat-sen University（中山大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Meta AI ； University of California, Davis（加州大学戴维斯分校） 纠错

AI总结 提出隐式前缀值奖励模型（IPVRM）直接学习每个前缀的正确概率，并通过时序差分差异获得步骤信号，解决训练与推理不匹配问题；进一步引入分布级强化学习（DistRL）利用前缀值进行密集反事实更新，提升推理性能。

GIM: Evaluating models via tasks that integrate multiple cognitive domains

GIM：通过整合多个认知领域的任务评估模型

Rohit Patel, Alexandre Rezende, Steven McClain

机构 * Meta Superintelligence Labs（Meta超智能实验室） 纠错

AI总结 本文提出GIM基准测试，通过整合多个认知领域的任务来评估模型，其核心方法是设计820个原创问题，结合广泛的知识和多种认知操作，从而保持推理在现实任务中的基础性，同时通过2PL IRT模型校准能力估计，发布涵盖22个模型和47种测试配置的综合排行榜，并深入研究了测试时计算与模型能力之间的权衡。

Comments 61 pages, 27 figures, 4 tables. Code: https://github.com/facebookresearch/gim ; Dataset: https://huggingface.co/datasets/facebook/gim

Training Large Language Models to Reason in a Continuous Latent Space

训练大型语言模型在连续潜在空间中进行推理

Shibo Hao, Sainbayar Sukhbaatar, DiJia Su, Xian Li, Zhiting Hu, Jason Weston, Yuandong Tian

机构 * FAIR at Meta（Meta 的 FAIR） 纠错

AI总结 本文提出名为Coconut的连续思维链新范式，将LLM推理状态表示为连续潜在空间中的隐藏状态，支持广度优先搜索，在需大量搜索的逻辑推理任务上优于CoT，实现更优的准确率效率权衡。

Comments Accepted to COLM 2025