Earth Observation Foundation Models for Terrestrial Ecohydrology: From Representation Learning to Process Inference
面向陆地生态水文学的地球观测基础模型：从表示学习到过程推理
Yi Yu, Jian Peng, Yucheng Lin, Trevor F. Keenan, Thomas F. A. Bishop
机构
*
The University of Sydney（悉尼大学）
；
Helmholtz Centre for Environmental Research–UFZ（亥姆霍兹环境研究中心）
；
Leipzig University（莱比锡大学）
；
City University of Hong Kong（香港城市大学）
；
University of California, Berkeley（加州大学伯克利分校）
；
Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
The First ChineseBabyLM Challenge: training data-efficient and cognitively plausible language models for Chinese
首个中文BabyLM挑战：训练数据高效且认知合理的中文语言模型
Siyuan Song, Zhiheng Qian, Yunhao Zhang, Linyang He, Xiaozhe Ji, Yingxin Lin, Hongao Zhu, Chongtian Shao, Chuhan Lang, Luan Li, Rui Wang, Renfen Hu, Shaonan Wang, Hai Hu
机构
*
Princeton University（普林斯顿大学）
；
Shanghai Jiao Tong University（上海交通大学）
；
Chinese Academy of Sciences（中国科学院）
；
Columbia University（哥伦比亚大学）
；
Beijing Normal University（北京师范大学）
；
Tsinghua University（清华大学）
；
University of California San Diego（加利福尼亚大学圣地亚哥分校）
；
The Hong Kong Polytechnic University（香港理工大学）
OODBench: Out-of-Distribution Benchmark for Large Vision-Language Models
OODBench: 用于大型视觉-语言模型的分布外基准
Ling Lin, Yang Bai, Heng Su, Congcong Zhu, Yaoxing Wang, Yang Zhou, Huazhu Fu, Jingrun Chen
机构
*
University of Science and Technology of China
；
Suzhou Institute for Advanced Research, USTC
；
Key Laboratory of the Ministry of Education for Mathematical Foundations
；
Unmanned System Research Institute, Northwestern Polytechnical University
机构
*
Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区）
；
Zhongguancun Academy（中关村学院）
；
University of Chinese Academy of Sciences（中国科学院大学）
；
Nanyang Technological University（南洋理工大学）
；
Department of Mechanical Engineering, Imperial College London（伦敦帝国理工学院机械工程系）
Branch and Bound for Relational Verification of Neural Networks
神经网络关系验证的分支定界法
Kota Fukuda, Zhenya Zhang, Guanqin Zhang, Jianjun Zhao
机构
*
Graduate School and Faculty of Information Science and Electrical Engineering, Kyushu University（九州大学情报科学与电气工程研究院及学部）
；
National Institute of Informatics（信息学研究所）
；
UNSW Sydney（新南威尔士大学悉尼分校）
Heterogeneous Vision-Language Ensemble with Disagreement-Aware Reranking for Text-Based Person Anomaly Retrieval
用于基于文本的行人异常检索的、带分歧感知重排序的异构视觉语言集成方法
Huu-An Vu, Cam Tu Tran Thi, Thanh Toan Le Ngo, Hoang Vo, Do Trung Hieu, Hieu Dinh Trung Pham, Khang Minh Le, Huy Minh Nhat Nguyen
机构
*
Hanoi University of Science and Technology（河内科技大学）
；
University of Information Technology, VNU-HCM（胡志明市国家大学信息技术大学）
；
Vietnam National University, Ho Chi Minh City（胡志明市国家大学）
；
VinUniversity
；
Vietnamese-German University（越南德国大学）
Comments24 pages, 1 figure. Extended version. A condensed 4-page version appears in the Proceedings of the ACM AI Leadership Summit 2026 (Visionary Papers track)
ComBodied Agents: a New Paradigm of Human-Centric Agentic AI
具身融合智能体：以人为中心的智能体人工智能新范式
Qianggang Ding, Xingyao Wang, Rui Feng, Zhibin Wang, Feixiang Yao, Kelong Mao, Hao Sun, Zhiyao Luo, Jiankai Tang, Lei Li, Jiadong Guo, Minheng Ni, Weicong Lin, Chenxi Yang, Hongxiang Gao, Zhenghua Chen, Yang Bai, Min Wu, Jun Cheng, Huazhu Fu, Dacheng Tao, Bang Liu
机构
*
Université de Montréal（蒙特利尔大学）
；
Mila – Quebec Artificial Intelligence Institute（米拉-魁北克人工智能研究所）
；
Institute of Advanced Intelligence and Computing (IAIC), A*STAR（新加坡科技研究局高级智能与计算研究所）
；
Nanjing Medical University（南京医科大学）
；
Nanjing University（南京大学）
；
Renmin University of China（中国人民大学）
；
University of Cambridge（剑桥大学）
；
University of Oxford（牛津大学）
；
Tsinghua University（清华大学）
；
National University of Singapore（新加坡国立大学）
；
The Hong Kong University of Science and Technology（香港科技大学）
；
The Hong Kong Polytechnic University（香港理工大学）
；
Southern University of Science and Technology（南方科技大学）
；
Southeast University（东南大学）
；
University of Glasgow（格拉斯哥大学）
；
Nanyang Technological University（南洋理工大学）
专题命中
安全评测
：safety(abstract)；分类 cs.AI
AI总结
该研究提出以人为中心的 Combodied Agents 新范式，整合多类智能体能力形成闭环，聚焦人类状态轨迹建模，推动智能体 AI 从任务完成转向人类持续福祉。
CommentsAn earlier version of this manuscript will appear in the proceedings of IEEE Cyber-AI 2026 Conference. Project source code is available at https://github.com/Keysight/LLM-EncodeGuard
Comments9 pages, 7 figures, 5 tables. Conditionally accepted to VISxVision 2026, a workshop at IEEE VIS 2026. Includes appendix with per-task stimuli, metric derivations, and full per-model results
