Johns Hopkins University（约翰斯·霍普金斯大学）

ViMix-14M: A Curated Multi-Source Video-Text Dataset with Long-Form, High-Quality Captions and Crawl-Free Access

ViMix-14M：一个经过精心整理的多源视频-文本数据集，具有长形式、高质量的描述和无爬虫访问

Timing Yang, Sucheng Ren, Alan Yuille, Feng Wang

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 ViMix-14M是一个经过精心整理的多源视频-文本数据集，提供无爬虫访问、高质量描述和长形式文本，用于提升视频生成和多模态任务的性能。

RNN as Linear Transformer: A Closer Investigation into Representational Potentials of Visual Mamba Models

RNN作为线性Transformer：对视觉Mamba模型表示潜力的深入探讨

Timing Yang, Guoyizhe Wei, Alan Yuille, Feng Wang

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文深入研究了视觉Mamba模型的表示潜力，揭示其与Softmax和线性注意力的关系，并通过定量评估证明其在长距离依赖建模中的能力，同时展示了其在ImageNet上的高性能表现。

The Horcrux: Mechanistically Interpretable Task Decomposition for Detecting and Mitigating Reward Hacking in Embodied AI Systems

霍克鲁斯：用于检测和缓解具身AI系统中奖励黑客行为的可解释任务分解

Subramanyam Sahoo, Jared Junkin

机构 * Berkeley AI Safety Initiative (BASIS) UC Berkeley（伯克利人工智能安全计划（BASIS）伯克利大学） ； Department of Electrical and Computer Engineering Johns Hopkins University（电气与计算机工程系约翰霍普金斯大学） 纠错

AI总结 本研究提出MITD方法，通过可解释性任务分解有效检测和缓解具身AI系统中的奖励黑客行为，实验表明分解深度可显著降低奖励黑客频率。

Comments Accepted to the NeurIPS (Mexico City) 2025 Workshop on Embodied and Safe-Assured Robotic Systems (E-SARS). Thanks to Aman Chadha

Learning to Upscale 3D Segmentations in Neuroimaging

在神经影像中学习提升3D分割

Xiaoling Hu, Peirong Liu, Dina Zemlyanker, Jonathan Williams Ramirez, Oula Puonti, Juan Eugenio Iglesias

机构 * Massachusetts General Hospital and Harvard Medical School（麻省总医院和哈佛医学院） ； Department of ECE, Johns Hopkins University（约翰霍普金斯大学电子工程系） ； Danish Research Centre for Magnetic Resonance, Copenhagen University Hospital（丹麦磁共振研究所以及哥本哈根大学医院） ； Hawkes Institute, University College London（霍克斯研究所和伦敦大学学院） ； Computer Science and AI Laboratory, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室） 纠错

AI总结 本文提出了一种可扩展的框架，通过回归有符号距离图，在神经影像中实现3D分割的高分辨率上采样，提升了模型的泛化能力和可扩展性。

Comments 13 pages, 4 figures