Yume-1.5: A Text-Controlled Interactive World Generation Model
Yume-1.5：一种文本控制的交互式世界生成模型
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院）
AI总结 Yume-1.5通过文本控制和高效框架生成交互式连续世界，解决实时性能与文本控制能力的瓶颈问题。
高校专区
Fudan University（复旦大学）
Contextual Strongly Convex Simulation Optimization: Optimize then Predict with Inexact Solutions
上下文强凸模拟优化：在不精确解中优化然后预测
机构 * School of Management, Fudan University, Shanghai 200433, China（复旦大学管理学院） ； School of Data Science, Fudan University, Shanghai 200433, China（复旦大学数据科学学院） ； Department of Industrial and Systems Engineering, University of Minnesota, Minneapolis, MN 55455, USA（明尼苏达大学工业与系统工程系）
AI总结 本文提出一种"优化然后预测"方法，通过分析模拟优化算法的不精确性对最优性差距的影响，建立了收敛速率理论并验证了方法的有效性。
OmniBrainBench: A Comprehensive Multimodal Benchmark for Brain Imaging Analysis Across Multi-stage Clinical Tasks
OmniBrainBench: 一种全面的多模态基准，用于跨多阶段临床任务的脑影像分析
机构 * Chinese University of Hong Kong（香港中文大学） ； Sun Yat-sen Memorial Hospital, Sun Yat-sen University（中山大学孙逸仙纪念医院） ； Southern Medical University（南方医科大学） ； Zhongshan Hospital, Fudan University（复旦大学中山医院） ； Department of Neurosurgery, Prince of Wales Hospital（威尔士王室医院神经外科部）
AI总结 OmniBrainBench是一个全面的多模态基准，用于评估脑影像分析中MLLMs的多模态理解能力，揭示了其在复杂临床任务中的挑战和与医生的差距。
LIBERO-Plus: In-depth Robustness Analysis of Vision-Language-Action Models
LIBERO-Plus：视觉-语言-动作模型的深入鲁棒性分析
机构 * Fudan University（复旦大学） ； Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； National University of Singapore（新加坡国立大学）
AI总结 LIBERO-Plus研究了视觉-语言-动作模型在七个维度上的鲁棒性，发现模型对摄像机视角和机器人初始状态等扰动极度敏感，但对语言指令变化不敏感，挑战了高基准分数代表真正能力的假设。
TrackTeller: Temporal Multimodal 3D Grounding for Behavior-Dependent Object References
TrackTeller: 基于时间的多模态3D定位用于行为依赖的对象引用
机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Huawei Technologies Ltd.（华为技术有限公司）
AI总结 TrackTeller通过融合LiDAR图像、语言条件解码和时间推理，提升动态3D场景中基于语言的物体定位与跟踪性能。
