Fudan University（复旦大学）

SlowFocus: Enhancing Fine-grained Temporal Understanding in Video LLM

SlowFocus: 提升视频大语言模型中的细粒度时间理解

Ming Nie, Dan Ding, Chunwei Wang, Yuanfan Guo, Jianhua Han, Hang Xu, Li Zhang

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Noah’s Ark Lab, Huawei（华为诺亚实验室） ； Yinwang Intelligent Technology Co., Ltd.（亿万象智能科技有限公司） 纠错

AI总结 SlowFocus通过提升等效采样频率和引入多频率混合注意力模块，提升视频大语言模型对细粒度时间理解的能力。

Comments NeurIPS 2024

Semantic Routing: Exploring Multi-Layer LLM Feature Weighting for Diffusion Transformers

语义路由：探索多层LLM特征加权用于扩散变换器

Bozhou Li, Yushuo Guan, Haolin Li, Bohan Zeng, Yiyan Ji, Yue Ding, Pengfei Wan, Kun Gai, Yuanxing Zhang, Wentao Zhang

机构 * Peking University（北京大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Nanjing University（南京大学） ； Fudan University（复旦大学） 纠错

AI总结 本文提出深度-wise语义路由方法，通过多层LLM特征加权提升文本到图像生成的准确性与稳定性。

CSR-Bench: A Benchmark for Evaluating the Cross-modal Safety and Reliability of MLLMs

CSR-Bench: 一种评估多模态大语言模型跨模态安全性和可靠性的基准

Yuxuan Liu, Yuntian Shi, Kun Wang, Haoting Shen, Kun Yang

机构 * Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 CSR-Bench通过四个压力测试模式评估多模态大语言模型的跨模态安全性和可靠性，发现模型在多模态输入下表现下降，且安全提升可能源于拒绝导向的启发式方法。

Comments 25 pages, 1 figures

Distribution-Aware End-to-End Embedding for Streaming Numerical Features in Click-Through Rate Prediction

面向分布的端到端嵌入用于点击率预测中的流式数值特征

Jiahao Liu, Hongji Ruan, Weimin Zhang, Ziye Tong, Derick Tang, Zhanpeng Zeng, Qinsong Zeng, Peng Zhang, Tun Lu, Ning Gu

机构 * Fudan University（复旦大学） ； Beijing Jiaotong University（北京交通大学） ； Tencent（腾讯） 纠错

AI总结 本文提出DAES框架，通过整合分布信息和自适应调制机制，解决流式环境中点击率预测的数值特征嵌入问题，实验表明其性能优于现有方法。

Comments Under review

IceBench-S2S: A Benchmark of Deep Learning for Challenging Subseasonal-to-Seasonal Daily Arctic Sea Ice Forecasting in Deep Latent Space

IceBench-S2S：一种深度学习用于挑战性亚季节至季节每日北极海冰预测的基准

Jingyi Xu, Shengnan Wang, Weidong Yang, Siwei Tu, Lei Bai, Ben Fei

机构 * Fudan University（复旦大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 IceBench-S2S通过深度学习框架提升北极海冰预测的季节尺度能力，为极地环境监测提供统一的训练和评估流程。

Comments 9 pages, 6 figures

BatCoder: Self-Supervised Bidirectional Code-Documentation Learning via Back-Translation

BatCoder: 通过回译实现的双向代码-文档自监督学习

Jingwen Xu, Yiyang Lu, Zisu Huang, Changze Lv, Xiaohua Wang, Shizheng Li, Zhibo Xu, Zhengkang Guo, Zhengyuan Wang, Muzhao Tian, Xuanjing Huang, Xiaoqing Zheng

机构 * College of Computer Science and Artificial Intelligence, Fudan University, Shanghai, China（计算机科学与人工智能学院，复旦大学，上海，中国） 纠错

AI总结 BatCoder通过回译策略实现代码与文档的双向自监督学习，提升模型在代码生成和文档生成任务中的性能。

From Sparse Decisions to Dense Reasoning: A Multi-attribute Trajectory Paradigm for Multimodal Moderation

从稀疏决策到密集推理：一种多属性轨迹范式用于多模态调制

Tianle Gu, Kexin Huang, Lingyu Li, Ruilin Luo, Shiyang Huang, Zongqi Wang, Yujiu Yang, Yan Teng, Yingchun Wang

机构 * Tsinghua University（清华大学） ； Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

AI总结 UniMod提出一种多属性轨迹范式，通过多维边界学习提升多模态调制效果，以更少的数据实现高效安全内容识别。

Efficient Edge Rewiring Strategies for Enhancing PageRank Fairness

提升PageRank公平性的高效边重排策略

Changan Liu, Haoxin Sun, Ahad N. Zehmakan, Zhongzhi Zhang

机构 * Shanghai Key Laboratory of Intelligent Information Processing, College of Computer Science and Artificial Intelligence, Fudan University（上海智能信息处理重点实验室，计算机科学与人工智能学院，复旦大学） ； School of Computing, the Australian National University（计算学院，澳大利亚国立大学） 纠错

AI总结 本文提出一种高效算法，通过重排网络边提升弱势群体的PageRank公平性，适用于大规模网络。

Comments Accepted by Theoretical Computer Science (TCS)

PRPO: Aligning Process Reward with Outcome Reward in Policy Optimization

PRPO：在策略优化中对过程奖励与结果奖励的对齐

Ruiyi Ding, Yongxuan Lv, Xianhui Meng, Jiahe Song, Chao Wang, Chen Jiang, Yuan Cheng

机构 * Shanghai University（上海大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） ； Artificial Intelligence Incubation and Innovation Institute, Fudan University（复旦大学人工智能孵化与创新研究院） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） 纠错

AI总结 PRPO通过结合结果可靠性与过程级指导，在无批评者框架中提升策略优化效率，实现对过程奖励与结果奖励的对齐，从而提高模型在多步推理任务中的性能。

Comments 8 pages, 2 figures Code is available at: https://github.com/SchumiDing/srpocode

Object Fidelity Diffusion for Remote Sensing Image Generation

遥感图像生成的物体保真扩散

Ziqi Ye, Shuran Ma, Jie Yang, Xiaoyi Yang, Yi Yang, Ziyang Gong, Xue Yang, Haipeng Wang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Xidian University（西安电子科技大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出Object Fidelity Diffusion模型，通过提取对象先验形状和双分支扩散模型提升遥感图像生成的保真度和多样性。