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

Do Robotic World Models Really Follow Actions? Diagnosing and Aligning Action-Conditioned Generation for Policy Learning

机器人世界模型真的会遵循动作吗？面向策略学习的动作条件生成诊断与对齐

Sixiang Chen, Jiaming Liu, Jixian Wu, Yichen Guo, Tinghao Wang, Siyuan Qian, Hao Chen, Jiajun Cao, Jian Tang, Shanghang Zhang

机构 * Peking University（北京大学） ； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心） ； New York University（纽约大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本文针对动作条件世界模型的动作遵循问题，提出WorldEcho诊断工具与WorldSync改进方法，经实验验证WorldSync可提升动作遵循性能，作为可靠模拟器助力策略改进并提高任务成功率。

Beyond Static Interpretability: Anticipating Post-SFT Mechanisms from Pre-SFT Parameters for Better Tuning

超越静态可解释性：基于预SFT参数预测后SFT机制以实现更优微调

Hang Chen, Jiaying Zhu, Wenya Wang

机构 * College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学） ； School of Computer Science and Engineering（计算机科学与工程学院） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 本研究针对传统机制可解释性无法在训练前识别任务关键机制的局限，提出前瞻性定位框架，结合双粒度定位流程，实现了更优的SFT指导与稳健的可扩展性能。

Comments 25 pages

VisCache: Visual KV Cache Pruning for Efficient Vision Large Language Model Inference

VisCache：用于高效视觉大语言模型推理的视觉键值缓存剪枝方法

Lyuke Wang, Zhuo Li, Guangxu Zhu

机构 * Shenzhen International Center for Industrial and Applied Mathematics（深圳国际工业与应用数学中心） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

AI总结 VisCache是一种无需训练的即插即用视觉KV缓存剪枝框架，通过两阶段协同操作提升VLLM长上下文推理效率，实现最高2.35倍加速，建立效率与性能的新帕累托前沿。