Fudan University（复旦大学）

RefVideo-6M: A Reliable Reference-Based Dataset for Instructional Video Editing

RefVideo-6M：一个用于教学视频编辑的可靠基于参考的数据集

Bojia Zi, Xiaoyan Yang, Yu Zhou, Ruijie Sun, Lihan Zhang, Bin Liang, Kam-Fai Wong, Haibin Huang, Chi Zhang, Xuelong Li

机构 * Institute of Artificial Intelligence, China Telecom (TeleAI)（中国电信人工智能研究院（TeleAI）） ； The Chinese University of Hong Kong (CUHK)（香港中文大学） ； Sun Yat-sen University（中山大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） 纠错

AI总结 本文针对现有视频编辑数据集的局限，构建含600万样本的RefVideo-6M参考引导编辑数据集，训练Ref-MoT模型，实验证明其监督更可靠，可提升编辑模型的视觉质量、可控性与参考一致性。

4DGS-WAM: Bridging Past and Future with an Object-Centric World Action Model based on 4D Gaussian Splatting

4DGS-WAM：基于4D高斯溅射的以对象为中心的世界动作模型，连接过去与未来

Yueen Ma, Zenglin Xu, Irwin King

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Fudan University（复旦大学） 纠错

AI总结 本研究提出基于4D高斯溅射的以对象为中心的世界动作模型4DGS-WAM，将2D观测转为持久4D表示，复用静态内容以聚焦动态对象演化，在KITTI-MOT上完成短程预测与过去重建评估。

Comments This is a work in progress

Learning Continuous Regional Temperature Fields with Lead-Time and Resolution Queries

基于提前期与分辨率查询的连续区域温度场学习

Chunlei Shi, Jiong Wang, Yi-Lin Wei, Junming Hou, Jinjin Liu, Yecheng Zhang, Dan Niu

机构 * Southeast University（东南大学） ； Fudan University（复旦大学） ； Sun Yat-sen University（中山大学） ； Tsinghua University（清华大学） 纠错

AI总结 该研究针对现有区域温度预报器输出固定的问题，提出CSTF模型，通过引入提前期、分辨率等查询实现灵活的温度预报，在基准测试中降低了17.0%的偏差，表现出更优性能。

Comments 16 pages, 15 figures

A Token-Level Analysis of Sampled-Token Reverse-KL On-Policy Distillation

采样token反向KL策略上蒸馏的token级分析

Bing Shao, Jiazheng Zhang, Long Ma, Yujiong Shen, Senjie Jin, Xin Guo, Yuming Yang, Mingxu Chai, Zhiheng Xi, Tao Gui, Qi Zhang, Xuanjing Huang

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

AI总结 本研究分析反向KL策略上蒸馏的梯度特性，提出Surprise-aware Reweighting（SuRe）加权规则，在Qwen3学生模型上提升了数学指标且域外基准无明显下降。

Comments 16 pages, 7 figures

GUIDE: Generative Unsupervised Chinese Query Correction via Phonetic and Visual Shared-ID Encoding

GUIDE：基于语音与视觉共享ID编码的生成式无监督中文查询纠错方法

Lei Yang, Binbin Huang, Jiwei Tan, Xuhui Sui, Chang Tu, Yi Wang, Han Li

机构 * Kuaishou Technology（快手科技） ； School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

AI总结 本文针对中文查询纠错中监督方法维护成本高、无监督方法易意图偏移的问题，提出基于语音与视觉共享ID编码的生成式无监督框架GUIDE，在公开与真实数据集上均优于基线，线上测试也验证了其有效性。

Comments Accepted to EMNLP 2026 Industry Track; 7 pages, 3 figures, 8 tables