Microsoft（微软）

GeoMAD: Geometry-Aware Multi-View Anomaly Detection via Deformable Fusion and Distributional Alignment

GeoMAD：基于可变形融合与分布对齐的几何感知多视图异常检测

Shang-Fu Chen, Jhih-Ciang Wu, Kuan-Chuan Peng, Wen-Huang Cheng, Kai-Lung Hua

机构 * National Taiwan University（台湾大学） ； National Taiwan Normal University（台湾师范大学） ； Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究院） ； Microsoft Taiwan Corporation（微软台湾公司） ； VinUniversity ； National Taiwan University of Science and Technology（台湾科技大学） 纠错

AI总结 GeoMAD是一种多视图多类别异常检测框架，通过跨视图可变形融合模块与分布视图对齐，实现几何感知与分布一致的高效融合，在Real-IAD等数据集上表现出色。

Chart2SVG: Editable SVG Generation from Raster Chart Images

Chart2SVG：从栅格图表图像生成可编辑的SVG

Jinning Cui, Lu Chen, Haoyan Shi, Yue He, Chenglong Wang, Mengyu Zhou, Weidong Huang, Yunhai Wang

机构 * Renmin University of China（中国人民大学） ； State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； Shandong University（山东大学） ； Microsoft Research（微软研究院） ； Qwen Large Model Application Team, Alibaba（阿里巴巴通义大模型应用团队） ； University of Technology Sydney（悉尼科技大学） 纠错

AI总结 Chart2SVG是融合图表语义令牌、Beagle+数据集与Chart Structure Graph的多模态大语言模型，可生成可编辑SVG，在图表重建与编辑任务中性能优于基线，助力智能可视化工具发展。

VFA: Empowering Multilingual MLLMs via Vision-Free Adaptation

VFA：通过无视觉适配赋能多语言多模态大语言模型

Yixia Li, Yaqing Shi, Zhiwen Ruan, Dongdong Zhang, Lingjie Jiang, Shaohan Huang, Yun Chen, Guanhua Chen, Furu Wei

机构 * Southern University of Science and Technology（南方科技大学） ； Microsoft Research Asia（微软亚洲研究院） ； Shanghai University of Finance and Economics（上海财经大学） ； Peking University（北京大学） 纠错

AI总结 本研究针对多模态大语言模型的英语中心化问题，提出VFA框架，通过组合任务向量实现多语言增强与视觉对齐解耦，仅用少量数据就提升了多语言模型性能并保留原有能力。

Recipes for Steering and Scaling LLMs via Sampling

通过采样引导和扩展大语言模型的方法

Jiajun He, Zongyu Guo, José Miguel Hernández-Lobato, Yuanqi Du

机构 * Microsoft（微软公司） 纠错

AI总结 本文提出一种灵活的理论框架，基于序贯蒙特卡洛和副本交换两种算法，用于通过采样引导和扩展大语言模型，其扩展性优于Best-of-N和标准MCMC基线。

Comments 13 pages