Huazhong University of Science and Technology（华中科技大学）

Bridging Code Graphs and Large Language Models for Better Code Understanding

连接代码图与大型语言模型以实现更好的代码理解

Zeqi Chen, Zhaoyang Chu, Yi Gui, Feng Guo, Yao Wan, Chuan Shi

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 CGBridge通过引入外部Bridge模块，提升LLMs对代码结构语义的理解，显著提高代码生成和翻译任务的性能。

PlantBiMoE: A Bidirectional Foundation Model with SparseMoE for Plant Genomes

PlantBiMoE：一种结合稀疏MoE的双向基础模型用于植物基因组

Kepeng Lin, Qizhe Zhang, Rui Wang, Xuehai Hu, Wei Xu

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（电子信息学院，华中科技大学） ； Hubei Hongshan Laboratory（湖北洪山实验室） 纠错

AI总结 PlantBiMoE通过结合双向Mamba和稀疏MoE框架，实现了轻量且高效的植物基因组建模，提升了对基因组序列的表示能力，为基因组学研究提供有力工具。

Comments 6 pages, 5 figures, accept to BIBM

Infrared UAV Target Tracking with Dynamic Feature Refinement and Global Contextual Attention Knowledge Distillation

基于动态特征细化和全局上下文注意力的知识蒸馏的红外无人机目标跟踪

Houzhang Fang, Chenxing Wu, Kun Bai, Tianqi Chen, Xiaolin Wang, Xiyang Liu, Yi Chang, Luxin Yan

机构 * School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） ； Xi’an Modern Control Technology Research Institute（西安现代控制技术研究所） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） 纠错

AI总结 本文提出SiamDFF网络，通过动态特征细化和全局上下文注意力知识蒸馏提升红外无人机目标跟踪的准确性和实时性。

Comments Accepted by IEEE TMM

Towards Cross-View Point Correspondence in Vision-Language Models

面向视觉-语言模型的跨视图点对应研究

Yipu Wang, Yuheng Ji, Yuyang Liu, Enshen Zhou, Ziqiang Yang, Yuxuan Tian, Ziheng Qin, Yue Liu, Huajie Tan, Cheng Chi, Zhiyuan Ma, Daniel Dajun Zeng, Xiaolong Zheng

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Beihang University（北航大学） ； Jilin University（吉林大学） ； National University of Singapore（新加坡国立大学） ； Peking University（北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Huazhong University of Science And Technology（华中科技大学） 纠错

AI总结 本文提出跨视图点对应任务和 CrossPoint-Bench 基准，通过 CroPond 模型在 CrossPoint-Bench 上取得超越 Gemini-2.5-Pro 的准确率，推动跨视图对应研究发展。