Imperial College London（帝国理工学院）

2608.28549 2026-08-31 cs.CV cs.AI 新提交

Video Generative Models as Geometry Learner

作为几何学习者的视频生成模型

Haosen Yang, Jifei Song, Zhensong Zhang, Xiatian Zhu, Jiankang Deng

机构 * University of Surrey（萨里大学）； Imperial College London（伦敦帝国学院）

AI总结本研究提出GeoNeXt方法，将预训练视频生成模型用作统一数据高效的几何估计框架，以零样本方式在少数据下实现单目深度和表面法向量估计，性能优于同类生成式方法，可媲美数据量超100倍的判别式SOTA方法。

Comments 19 pages, 4 figures, 5 tables. Project page: this https URL (https://happy-hsy.github.io/projects/GeoNeXt/)

2608.28283 2026-08-31 cs.CL cs.AI 新提交

面向立场感知的论证检索的嵌入模型

Angelo Sparacino, Francesca Toni, Adam Dejl

机构 * Imperial College London（帝国理工学院）

AI总结本文针对立场感知的论证检索任务，发现现有稠密嵌入模型存在主题偏好、过度关注极性关键词等问题，通过引入诊断指标并提出结合平衡论证课程与立场反转论证的数据中心方案，缓解了模型过度纠正问题，提升了立场感知的论证检索效果。

Comments CMNA'26

2608.28229 2026-08-31 cs.AI cs.CL cs.FL cs.LG 新提交

保持在边界内：距离引导解码以确保符合上下文无关文法

Vincenzo Collura, Karim Tit, Eleonora Giunchiglia, Mike Papadakis, Maxime Cordy

机构 * University of Luxembourg（卢森堡大学）； Imperial College London（伦敦帝国学院）

AI总结本研究提出基于下推自动机的距离引导解码框架，解决文法约束解码中前缀无法接受的问题，在JSON、SQL、LTL任务上实现稳定句法有效性与更优完成质量。

Comments EMNLP 2026 Findings, Long Paper