Korea Advanced Institute of Science and Technology（韩国科学技术院）

DreamDojo: A Generalist Robot World Model from Large-Scale Human Videos

DreamDojo：从大规模人类视频中学习通用机器人世界模型

Shenyuan Gao, William Liang, Kaiyuan Zheng, Ayaan Malik, Seonghyeon Ye, Sihyun Yu, Wei-Cheng Tseng, Yuzhu Dong, Kaichun Mo, Chen-Hsuan Lin, Qianli Ma, Seungjun Nah, Loic Magne, Jiannan Xiang, Yuqi Xie, Ruijie Zheng, Dantong Niu, You Liang Tan, K. R. Zentner, George Kurian, Suneel Indupuru, Pooya Jannaty, Jinwei Gu, Jun Zhang, Jitendra Malik, Pieter Abbeel, Ming-Yu Liu, Yuke Zhu, Joel Jang, Linxi "Jim" Fan

机构 * NVIDIA ； HKUST（香港科技大学） ； UC Berkeley（加州大学伯克利分校） ； Stanford（斯坦福大学） ； KAIST（韩国科学技术院） ； UofT（多伦多大学） ； UCSD（加州大学圣地亚哥分校） ； UT Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 DreamDojo通过大规模人类视频学习通用机器人世界模型，解决动作标签稀缺问题，实现高精度物理理解和实时交互。

Comments Project page: https://dreamdojo-world.github.io/

POP: Online Structural Pruning Enables Efficient Inference of Large Foundation Models

POP：在线结构剪枝实现大基础模型的高效推理

Yi Chen, Wonjin Shin, Shuhong Liu, Tho Mai, Jeongmo Lee, Chuanbo Hua, Kun Wang, Jun Liu, Joo-Young Kim

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； University of Tokyo, Tokyo, Japan（东京大学） ； Tokyo Institute of Technology, Tokyo, Japan（东京技术大学） 纠错

AI总结 POP通过在线结构剪枝提升大基础模型推理效率，实现动态剪枝与低计算开销。

Completing Missing Annotation: Multi-Agent Debate for Accurate and Scalable Relevant Assessment for IR Benchmarks

补全缺失注释：基于多智能体辩论的准确且可扩展的相关性评估框架用于信息检索基准测试

Minjeong Ban, Jeonghwan Choi, Hyangsuk Min, Nicole Hee-Yeon Kim, Minseok Kim, Jae-Gil Lee, Hwanjun Song

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

AI总结 DREAM通过多智能体辩论框架提高IR基准测试的相关性评估准确性，减少人力参与，构建BRIDGE基准并揭示缺失相关片段，改进检索器比较。

Comments Accepted at ICLR 2026

Uniform Spectral Growth and Convergence of Muon in LoRA-Style Matrix Factorization

洛拉风格矩阵分解中穆伦的谱增长与收敛

Changmin Kang, Jihun Yun, Baekrok Shin, Yeseul Cho, Chulhee Yun

机构 * KAIST（韩国科学技术院） 纠错

AI总结 研究揭示了LoRA微调LLM时穆伦的谱特性，证明了奇异值等速率增长并收敛至全局极小值。

Constella: Supporting Storywriters' Interconnected Character Creation through LLM-based Multi-Agents

Constella：通过基于LLM的多智能体支持故事创作者的相互关联角色创作

Syemin Park, Soobin Park, Youn-kyung Lim

机构 * Department of Industrial Design, KAIST（韩国成均馆大学工业设计系） 纠错

AI总结 Constella通过基于LLM的多智能体系统，帮助故事创作者更高效地构建相互关联的角色群，提升角色关系的复杂性和多样性。

Comments Accepted to ACM Transactions on Computer-Human Interaction (TOCHI)

Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation

通过跨模态注意力安装实现对齐的新视角图像和几何合成

Min-Seop Kwak, Junho Kim, Sangdoo Yun, Dongyoon Han, Taekyung Kim, Seungryong Kim, Jin-Hwa Kim

机构 * NAVER AI Lab（NAVER AI实验室） ； KAIST AI（韩国科学技术院人工智能学院） ； SNU AIIS（首尔国立大学人工智能研究所） 纠错

AI总结 本文提出了一种基于扩散的框架，通过跨模态注意力蒸馏实现新视角图像和几何的对齐生成，提升几何鲁棒性和重建质量。

Comments Project page at https://cvlab-kaist.github.io/MoAI

MORPH Wheel: A Passive Variable-Radius Wheel Embedding Mechanical Behavior Logic for Input-Responsive Transformation

MORPH 轮：一种嵌入机械行为逻辑的被动变量半径轮，用于输入响应转换

JaeHyung Jang, JuYeong Seo, Dae-Young Lee, Jee-Hwan Ryu

机构 * Department of Civil and Environmental Engineering, Korea Advanced Institute of Science and Technology（土木与环境工程系，韩国科学技术院） ； Department of Aerospace Engineering, Korea Advanced Institute of Science and Technology（航空航天工程系，韩国科学技术院） 纠错

AI总结 MORPH轮通过机械编程实现被动变量半径调整，具备双向操作、高扭矩容量和精确传动比控制，适用于不确定环境中的机器人移动系统。

Comments 14 pages, 16 figures. Under review at IEEE Transactions on Robotics

Relevance-aware Multi-context Contrastive Decoding for Retrieval-augmented Visual Question Answering

具有相关性的多上下文对比解码用于检索增强的视觉问答

Jongha Kim, Byungoh Ko, Jeehye Na, Jinsung Yoon, Hyunwoo J. Kim

机构 * Korea University（韩国大学） ； KAIST（韩国科学技术院） ； Google Cloud AI（谷歌云人工智能） 纠错

AI总结 RMCD通过结合多个相关上下文并抑制无关上下文的负面影响，提升检索增强视觉问答的性能。

Comments WACV 2026