Beihang University（北京航空航天大学）

Are These Modules Worth Their Cost? A Paradigm-Level Accuracy-Cost Analysis of In-context Learning Text-to-SQL

这些模块是否物有所值？对上下文学习文本到SQL的范式级准确性-成本分析

Jiayan Lin, Yujia Liu, Zijin Hong, Zheng Yuan, Yilin Xiao, Hao Chen, Qinggang Zhang, Xiao Huang, Feiran Huang

机构 * Jinan University（暨南大学） ； The Hong Kong Polytechnic University（香港理工大学） ； City University of Macau（澳门城市大学） ； Jilin University（吉林大学） ； Beihang University（北京航空航天大学） 纠错

AI总结 本研究针对上下文学习文本到SQL流程的模块，量化各范式的成本-准确性贡献，发现执行反馈优化性价比最高，提出感知成本的分层指南并可迁移至其他主干模型。

Conditional Visual Evidence Utility: State-Dependent Rank Reversals in Frozen Vision-Language Encoders

条件视觉证据效用：冻结的视觉-语言编码器中的状态依赖排名反转

Yunxuan Fang, Xinhe Wang

机构 * Beihang University（北京航空航天大学） 纠错

AI总结 该研究发现冻结的OpenCLIP和SigLIP在受控组合视觉搜索中存在状态依赖的视觉证据排名反转，更新证据排序可保留跨评估者的决策价值，推动条件性评估视觉-语言证据使用。

A Controlled Audit of Architectural Complexity in Uncertainty-Aware Multi-Organ Ultrasound Classification

面向不确定性感知多器官超声分类的架构复杂度控制审计

Yang Song, Pengbo Sun, Shichang Feng, Ye Zhu, Xin Xu, Ziran Wang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Beihang University（北京航空航天大学） ； Hangzhou International Innovation Institute, Beihang University（北京航空航天大学杭州国际创新研究院） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Shandong University（山东大学） 纠错

AI总结 本研究提出受控复杂度审计框架，对比Full-EDL与Simple-CE+TS等模型，发现Simple-CE+TS在两数据集表现更优，选择其作为分布内目标，Full-EDL作参考，强调组件保留需功能与重训练证据。

Comments Supplementary material is available as an ancillary file on this arXiv page

GAAT: Geometry-Aware Alignment Transformer for Multimodal UAV Perception

GAAT：面向无人机多模态感知的几何感知对齐Transformer

Jingpu Yang, Debin Tang, Yilin Sun, Fengxian Ji, Jiahua Zhu, Wenrui Ding, Yufeng Wang

机构 * Beihang University（北京航空航天大学） ； Zhongguancun Academy（中关村学院） ； Northeastern University（东北大学） 纠错

AI总结 本文提出面向无人机多模态感知的GAAT模型，引入syncPATC、MG-Sparse-MMA、RA-QCGCL等技术，结合UAVMeta与StateBench数据集，在六个下游任务上实现最优迁移性能，为无人机多模态感知提供支撑。

Beyond Relative Geometry: Metric-Aware Geometry Perception for Robotics

超越相对几何：面向机器人的度量感知几何感知

Fengjun Zhong, Congjia Chen, Zhaoxu Liu, Jinyang Du, Yuchen Gong, Enqi Mao, Ruihao Gong, ShuJie Wang, Xianglong Liu, Zhongliang Qiao

机构 * Beihang University（北京航空航天大学） ； XiaoyuBot（小宇机器人） 纠错

AI总结 该研究针对现有机器人几何感知仅能重建任意尺度相对几何的局限，提出端到端即插即用框架MAGP，在保持相对几何精度的同时大幅降低绝对误差，集成后可显著提升多个机器人策略的性能。

Comments 15 pages, 8 figures