ArcFlow: Unleashing 2-Step Text-to-Image Generation via High-Precision Non-Linear Flow Distillation
ArcFlow：通过高精度非线性流蒸馏实现两步文本到图像生成
机构 * Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 ArcFlow通过高精度非线性流蒸馏实现两步文本到图像生成，提升生成速度并保持质量。
高校专区
Fudan University（复旦大学）
ShapeCond: Fast Shapelet-Guided Dataset Condensation for Time Series Classification
ShapeCond: 快速形状图引导的数据集压缩用于时间序列分类
机构 * Shanghai Key Lab of Data Science, College of Computer Science and Artificial Intelligence, Fudan University, Shanghai, China（上海数据科学联合实验室，计算机科学与人工智能学院，复旦大学，上海，中国） ； Stanford University, Stanford, USA（斯坦福大学，斯坦福，美国） ； Ocean University of China（中国海洋大学） ； Shanghai Data Research Institute（上海数据研究院） ； Mohamed bin Zayed University of Artificial Intelligence Abu Dhabi, United Arab Emirates（阿布扎克穆罕默德·本·扎耶德人工智能大学）
AI总结 ShapeCond通过形状图引导的优化策略，高效压缩时间序列数据集，提升下游分类准确性。
Comments Code at: https://github.com/lunaaa95/ShapeCond
Trade in Minutes! Rationality-Driven Agentic System for Quantitative Financial Trading
一分钟内交易！基于理性驱动的量化金融交易代理系统
机构 * Tongji University（同济大学） ； Microsoft Research Asia（微软亚洲研究院） ； University of Bristol（布里斯托大学） ； Fudan University（复旦大学）
AI总结 TiMi是一种基于理性驱动的多代理系统，通过解耦策略开发与分钟级部署，实现量化金融交易的高效稳定盈利。
Comments 17 pages, 6 figures
MARTI-MARS$^2$: Scaling Multi-Agent Self-Search via Reinforcement Learning for Code Generation
MARTI-MARS$^2$：通过强化学习实现多智能体自搜索的扩展用于代码生成
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Automation（自动化研究所） ； Fudan University（复旦大学） ； High School Affiliated to Fudan University（复旦大学附属高中） ； Renmin University of China（中国人民大学） ； University of Washington（华盛顿大学）
AI总结 MARTI-MARS2通过多智能体强化学习实现代码生成的扩展，突破单智能体限制，提升性能和多样性。
$ρ$-$\texttt{EOS}$: Training-free Bidirectional Variable-Length Control for Masked Diffusion LLMs
$ρ$-$\ exttt{EOS}$：无训练双向可变长度控制用于掩码扩散语言模型
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学）
AI总结 $ρ$-$\ exttt{EOS}$ 提出了一种无训练、单阶段策略，通过隐含密度信号实现掩码扩散语言模型的双向可变长度生成，提升推理效率和令牌利用率。
Comments 11 pages,6 figures,6 tables
Zero-Shot Statistical Downscaling via Diffusion Posterior Sampling
零 shot 统计降尺度 via 扩散后验采样
机构 * Artificial Intelligence Innovation and Incubation Institute, Fudan University, Shanghai, China（复旦大学人工智能创新与孵化院） ； School of Data Science, Fudan University, Shanghai, China（复旦大学数据科学学院） ； Institution for Big Data, Fudan University, Shanghai, China（复旦大学大数据研究所） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Shanghai Academy of AI for Science, Shanghai, China（上海人工智能科学研究院）
AI总结 ZSSD 提出一种零 shot 统计降尺度框架，通过物理一致气候先验和统一坐标引导策略，解决传统方法在大缩放因子下的梯度消失问题，并在不同 GCMs 上实现更精确的天气事件重建。
Your Reward Function for RL is Your Best PRM for Search: Unifying RL and Search-Based TTS
你的强化学习奖励函数是你的最佳搜索PRM：统一强化学习与基于搜索的文本生成
机构 * Rutgers University（新泽西州立大学） ； Nanyang Technological University（南洋理工大学） ； University of Connecticut（康涅狄格大学） ； Fudan University（复旦大学） ； NVIDIA Research（NVIDIA研究） ； Red Hat AI Innovation（红帽AI创新） ； MIT-IBM Watson AI Lab（MIT-IBM沃森AI实验室） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出AIRL-S，通过强化学习与搜索技术的统一，利用奖励函数直接学习动态PRM，提升推理链扩展和跨任务泛化能力，实验显示性能提升9%并优于基线PRM。
Guideline Forest: Retrieval-Augmented Reasoning with Branching Experience-Induced Guidelines
指南森林：基于检索的增强推理与分支经验引导
机构 * Fudan University（复旦大学） ； Meta ； SAIS ； SII
AI总结 Guideline Forest通过利用经验引导多步骤推理，提升数学和编程任务的推理能力，支持多模型协作与灵活扩展。
Transformers as Unsupervised Learning Algorithms: A study on Gaussian Mixtures
Transformer作为无监督学习算法：对高斯混合模型的研究
机构 * Shanghai Center for Mathematical Sciences, Fudan University（复旦大学上海数学中心） ； Department of Statistics and Data Science, School of Management, Fudan University（复旦大学管理学院统计与数据科学系）
AI总结 本文提出TGMM框架，利用Transformer解决高斯混合模型问题，理论证明其能近似EM算法和谱方法核心组件，实验显示其在无监督学习中具有鲁棒性和有效性。
Comments Code available at https://github.com/Rorschach1989/transformer-for-gmm
