The Chinese University of Hong Kong（香港中文大学）

VacuumVLA: Boosting VLA Capabilities via a Unified Suction and Gripping Tool for Complex Robotic Manipulation

VacuumVLA: 通过统一的吸力和抓取工具提升VLA能力以实现复杂机器人操作

Hui Zhou, Siyuan Huang, Minxing Li, Hao Zhang, Lue Fan, Shaoshuai Shi

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； DiDi Global（滴滴出行） 纠错

AI总结 VacuumVLA通过整合吸力与抓取功能的末端执行器，提升VLA在复杂机器人操作中的能力，实现更多任务的可行性。

Comments 8 pages

Referring Video Object Segmentation with Cross-Modality Proxy Queries

基于跨模态代理查询的指引用视频目标分割

Baoli Sun, Xinzhu Ma, Ning Wang, Zhihui Wang, Zhiyong Wang

机构 * DUT-RU International School of Information Science & Engineering, Dalian University of Technology, China（大连理工大学国际信息科学与工程学院，中国） ； Chinese University of Hong Kong, China（香港中文大学，中国） ； University of Sydney, Australia（悉尼大学，澳大利亚） 纠错

AI总结 ProxyFormer通过引入代理查询和联合语义一致性策略，提升指引用视频目标分割的准确性和效率。

ConceptGuard: Proactive Safety in Text-and-Image-to-Video Generation through Multimodal Risk Detection

ConceptGuard：通过多模态风险检测实现文本-图像到视频生成的主动安全

Ruize Ma, Minghong Cai, Yilei Jiang, Jiaming Han, Yi Feng, Yingshui Tan, Xiaoyong Zhu, Bo Zhang, Bo Zheng, Xiangyu Yue

机构 * CUHK MMLab（香港中文大学多模态实验室） ； Future Lab, Alibaba Group（阿里巴巴集团未来实验室） ； Nanjing University（南京大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 ConceptGuard通过多模态风险检测实现文本-图像到视频生成的主动安全，优于现有方法。

Think Visually, Reason Textually: Vision-Language Synergy in ARC

视觉优先，文本推理：ARC中的视觉-语言协同

Beichen Zhang, Yuhang Zang, Xiaoyi Dong, Yuhang Cao, Haodong Duan, Dahua Lin, Jiaqi Wang

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 本文提出视觉-语言协同推理和模态切换自我纠正策略，通过结合视觉抽象与语言推理提升ARC-AGI任务性能。

A Conditional Distribution Equality Testing Framework using Deep Generative Learning

基于深度生成学习的条件分布相等性检验框架

Siming Zheng, Tong Wang, Meifang Lan, Yuanyuan Lin

机构 * Department of Industrial Systems Engineering and Management, Nationalal University of Singapore（工业系统工程与管理系，新加坡国立大学） ； Department of Statistics and Data Science, The Chinese University of Hong Kong（统计与数据科学系，香港中文大学） 纠错

AI总结 本文提出基于深度生成学习的条件分布相等性检验框架，通过转换条件检验问题为无条件问题，结合生成分类准确度方法，验证了在协变量偏移和因果发现中的有效性。

TinyFormer: Efficient Transformer Design and Deployment on Tiny Devices

TinyFormer: 在微型设备上高效设计和部署变换器

Jianlei Yang, Jiacheng Liao, Fanding Lei, Meichen Liu, Lingkun Long, Junyi Chen, Han Wan, Bei Yu, Weisheng Zhao

机构 * School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； Qingdao Research Institute, Beihang University（北京航空航天大学青岛研究所） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学（深圳）计算机科学与工程系） ； Fert Beijing Research Institute, School of Integrated Circuit Science and Engineering, Beihang University（北京航空航天大学集成电路科学与工程学院） 纠错

AI总结 TinyFormer是一种专为微型设备设计的高效变换器框架，通过SuperNAS、SparseNAS和SparseEngine实现资源高效的模型设计与部署，显著提升推理速度。

Comments This paper is accepted by IEEE Transactions on Circuits and Systems I: Regular Papers

Dual-Balancing for Multi-Task Learning

多任务学习中的双平衡

Baijiong Lin, Weisen Jiang, Feiyang Ye, Yu Zhang, Pengguang Chen, Ying-Cong Chen, Shu Liu, Ivor W. Tsang, James T. Kwok

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； HKUST(GZ) - SmartMore Joint Lab（HKUST（广州）- SmartMore联合实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Southern University of Science and Technology（南方科技大学） ； Centre for Frontier AI Research, A$^*$STAR（前沿人工智能研究中心，A$^*$STAR） 纠错

AI总结 本文提出DB-MTL方法，通过损失和梯度双角度平衡提升多任务学习性能。

Comments Accepted by Neural Networks