University of Edinburgh（爱丁堡大学）

Search-R2: Enhancing Search-Integrated Reasoning via Actor-Refiner Collaboration

Search-R2: 通过演员-细化协作提升搜索集成推理

Bowei He, Minda Hu, Zenan Xu, Hongru Wang, Licheng Zong, Yankai Chen, Chen Ma, Xue Liu, Pluto Zhou, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） ； LLM Department, Tencent（腾讯语言模型部门） ； Mohamed bin Zayed University of Artificial Intelligence（马尔代夫人工智能大学） ； McGill University（麦吉尔大学） ； City University of Hong Kong（香港城市大学） ； The University of Edinburgh（爱丁堡大学） 纠错

AI总结 Search-R2通过演员-细化协作框架提升搜索集成推理，通过针对性干预和混合奖励设计，在多种QA数据集上超越强基线，实现更优的推理准确性。

Composable Visual Tokenizers with Generator-Free Diagnostics of Learnability

可组合的视觉标记生成器：无生成器诊断的可学习性

Bingchen Zhao, Qiushan Guo, Ye Wang, Yixuan Huang, Zhonghua Zhai, Yu Tian

机构 * University of Edinburgh（爱丁堡大学） 纠错

AI总结 CompTok通过训练可组合的视觉标记生成器，提升图像生成的组合性和语义编辑能力，同时引入两个度量标准评估标记空间的可学习性。

Refining Decision Boundaries In Anomaly Detection Using Similarity Search Within the Feature Space

利用特征空间中的相似性搜索细化异常检测的决策边界

Sidahmed Benabderrahmane, Petko Valtchev, James Cheney, Talal Rahwan

机构 * New York University, NYUAD, Division of Science, Computer Science Department（纽约大学） ； University of Quebec in Montreal, Computer Science Department, Montreal（魁北克大学蒙特利尔分校） ； University of Edinburgh, School of Informatics, Edinburgh（爱丁堡大学） 纠错

AI总结 SDA2E 通过特征空间中的相似性搜索优化异常检测，结合三种新策略提升决策边界，减少标注数据用量达 80%，在多个数据集上表现优异。

No time to train! Training-Free Reference-Based Instance Segmentation

没有时间训练！基于参考的实例分割（无需训练）

Miguel Espinosa, Chenhongyi Yang, Linus Ericsson, Steven McDonagh, Elliot J. Crowley

机构 * School of Engineering, University of Edinburgh, Scotland, UK（爱丁堡大学工程学院） ； School of Computing Science, University of Glasgow, Scotland, UK（格拉斯哥大学计算科学学院） ； Meta 纠错

AI总结 本研究提出一种无需训练的实例分割方法，利用语义先验和多阶段流程，通过参考图像生成分割掩码，提升分割性能。

Comments Preprint