NAKUL-Med: Spectral-Graph State Space Models with Dynamics Kernels for Medical Signals
NAKUL-Med: 带动态核的谱-图状态空间模型用于医学信号
机构 * Microsoft（微软）
AI总结 NAKUL-Med通过动态核生成、谱上下文建模和图引导的空间注意力，提升多通道生理信号分析的性能，实现高准确率和高效推理。
Comments Accepted CVPR Finding Track
大厂专区
Microsoft（微软）
From SFT to RL: Demystifying the Post-Training Pipeline for LLM-based Vulnerability Detection
从SFT到RL：解开基于LLM的漏洞检测后训练流程的谜团
机构 * University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Microsoft（微软）
AI总结 本文研究了基于LLM的漏洞检测后训练流程，发现基于GRPO的在线RL优于SFT和离线偏好优化方法，提出了数据筛选、阶段交互、奖励机制和评估协议的改进策略。
WebGym: Scaling Training Environments for Visual Web Agents with Realistic Tasks
WebGym: 通过现实任务扩大视觉网络代理的训练环境
机构 * Microsoft（微软） ； UIUC（伊利诺伊大学香槟分校） ； CMU（卡内基梅隆大学）
AI总结 WebGym通过大规模现实任务和异步轨迹采样系统提升视觉网络代理训练效果，使基座模型在分布外测试集上的成功率显著提升。
Comments Completed acknowledgements
