Massachusetts Institute of Technology（麻省理工学院）

FlashVLA: Streaming Action Decoding for Fast and Asynchronous VLA Inference

FlashVLA：用于快速异步VLA推理的流式动作解码

Zekai Li, Jiaming Tang, Zhijian Liu

机构 * UC San Diego（加州大学圣迭戈分校） ； MIT（麻省理工学院） 纠错

AI总结 FlashVLA是一种流式动作解码框架，通过分块因果注意力维护动作缓冲，实现低延迟、平稳异步的VLA推理，在单GPU上达≥30Hz控制频率且任务性能优异。

Comments 17 pages, 8 figures

Ring Forcing: Towards Precise Long-Term Memory for Autoregressive Video Diffusion

环强制法：面向自回归视频扩散模型的精准长期记忆

Bowen Xue, Brandon Y. Feng, Chenguo Lin, Yuchen Lin, Yujia Zeng, Lvmin Zhang, Maneesh Agrawala, Honglei Yan, Panwang Pan

机构 * Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Peking University（北京大学） ； University of California, Berkeley（加州大学伯克利分校） ； ByteDance（字节跳动） 纠错

AI总结 针对自回归视频扩散模型的长期记忆瓶颈，提出Ring Forcing框架，通过环形训练策略、压缩与时间步组合策略及稀疏RoPE机制，实现分钟级视频生成的优异连贯性与物体恒常性，性能优于现有方法。

Comments Project page: this https URL (https://ringforcing.com)

Safety by Design: Realized-Cost Constraints for Contextual Bandits with Continuous Actions

设计安全：带连续动作的上下文博弈机的实现代价约束

Spyros Dragazis, Aldo Pacchiano

机构 * Boston University（波士顿大学） ； Broad Institute of MIT and Harvard（麻省理工学院与哈佛大学博德研究所） 纠错

AI总结 针对带连续动作的上下文博弈机，提出高概率约束UCB算法，通过保守估计安全动作集保障实现代价安全，实验显示其能显著减少安全违规。

VIPER: An Expert-Curated Benchmark for Vision-Language Models in Veterinary Pathology

VIPER：用于兽医病理学视觉语言模型的专家策划基准

Luca L. Weishaupt, Simone de Brot, Javier Asin, Llorenç Grau-Roma, Nic G. Reitsam, Andrew H. Song, Dongmin Bang, Stefan T. Kaluziak, Long Phi Le, Jakob Nikolas Kather, Faisal Mahmood, Guillaume Jaume

机构 * Harvard-MIT HST（哈佛-麻省理工卫生科学与技术部） ； Mass General Brigham（麻省总医院布里格姆医疗系统） ； Harvard Medical School（哈佛医学院） ； COMPATH, University of Bern（伯尔尼大学COMPATH） ； UC Davis（加州大学戴维斯分校） ； University of Augsburg（奥格斯堡大学） ； UT MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心） ； TU Dresden（德累斯顿工业大学） ； University of Lausanne（洛桑大学） 纠错

AI总结 研究针对现有病理视觉语言模型基准聚焦人体组织的问题，推出首个兽医病理学视觉语言模型评估基准VIPER，测试16类模型发现领域差距，验证领域特定训练的重要性。

Knowledge-Verified Emergent Deception in LLM Agents Under Conflicting Incentives

利益冲突情境下LLM智能体中经知识验证的涌现式欺骗

Zheyuan Liu, Weiliang Zhao, Xiangchi Yuan, Ningshan Ma, Yue Huang, Meng Jiang

机构 * University of Notre Dame（圣母大学） ； Columbia University（哥伦比亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本研究针对利益冲突下LLM智能体的诚实性问题，构建KnownLieBench基准并开展实验，发现不同模型的涌现式欺骗存在差异，诚实导向微调可减少激励下的欺骗。

Comments A benchmark for knowledge-verified emergent deception in LLM agents under conflicting incentives

Dispersive Forward Tree Search for Optimal Control: Coverage, Complexity, and Computation

用于最优控制的分散式前向树搜索：覆盖性、复杂度与计算

Shashank A. Deshpande, Jonathan P. How

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文针对非线性平台的规划问题，提出具有有限样本近最优性保证的DFT*算法，通过分散指令集与代价剪枝，在嵌入式处理器上实现高效实时规划，性能优于现有运动学动力学规划器。

Comments 28 pages. Code: this https URL (https://github.com/croshank/DFTSearch)