Nanjing University（南京大学）

WaterVideoQA: ASV-Centric Perception and Rule-Compliant Reasoning via Multi-Modal Agents

WaterVideoQA: 以ASV为中心的感知与符合规则的推理 via 多模态智能体

Runwei Guan, Shaofeng Liang, Ningwei Ouyang, Weichen Fei, Shanliang Yao, Wei Dai, Chenhao Ge, Penglei Sun, Xiaohui Zhu, Tao Huang, Ryan Wen Liu, Hui Xiong

机构 * Thrust of Artificial Intelligence, The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）人工智能研究所） ； Hubei Key Laboratory of Inland Shipping Technology (Wuhan University of Technology)（湖北内河航运技术重点实验室（武汉理工大学）） ； School of Navigation, Wuhan University of Technology（武汉理工大学航海学院） ； School of Advanced Technology, Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学先进科技学院） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； School of Information Engineering, Yancheng Institute of Technology（盐城职业技术学院信息工程学院） ； School of Engineering, Stanford University（斯坦福大学工程学院） ； Centre for AI and Data Science Innovation and the School of Science and Engineering, James Cook University（詹姆斯库克大学人工智能与数据科学创新中心及科学与工程学院） 纠错

AI总结 WaterVideoQA通过多模态智能体系统，实现ASV在复杂水域环境中的感知与规则合规推理，提升自主航行的安全性和精确性。

Comments 11 pages,8 figures

MiroFlow: Towards High-Performance and Robust Open-Source Agent Framework for General Deep Research Tasks

MiroFlow：面向通用深度研究任务的高性能和鲁棒开源代理框架

Shiqian Su, Sen Xing, Xuan Dong, Muyan Zhong, Bin Wang, Xizhou Zhu, Yuntao Chen, Wenhai Wang, Yue Deng, Pengxiang Zhu, Ziyuan Liu, Tiantong Li, Jiaheng Yu, Zhe Chen, Lidong Bing, Jifeng Dai

机构 * Tsinghua University（清华大学） ； MiroMind AI ； National University of Singapore（新加坡国立大学） ； Nanjing University（南京大学） 纠错

AI总结 MiroFlow是一种面向通用深度研究任务的高性能开源代理框架，通过灵活的工作流编排和深度推理模式提升性能和稳定性。

LayerT2V: A Unified Multi-Layer Video Generation Framework

LayerT2V: 一个统一的多层视频生成框架

Guangzhao Li, Kangrui Cen, Baixuan Zhao, Yi Xin, Siqi Luo, Guangtao Zhai, Lei Zhang, Xiaohong Liu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院） ； Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

AI总结 LayerT2V通过统一的多层视频生成框架，实现了多层输出并提升了视频生成的语义一致性和时间一致性。

Comments Project Page is https://layert2v.github.io/

A Learning-Based Hybrid Decision Framework for Matching Systems with User Departure Detection

基于学习的混合决策框架用于具有用户离开检测的匹配系统

Ruiqi Zhou, Donghao Zhu, Houcai Shen

机构 * School of Management and Engineering, Nanjing University, China（管理学院和工程学院，南京大学，中国） ； The Institute of Statistical Mathematics, Tokyo, Japan（统计数学研究所，东京，日本） ； The University of Tokyo Market Design Center, Tokyo, Japan（东京大学市场设计中心，东京，日本） 纠错

AI总结 本文提出了一种基于学习的混合决策框架，通过动态调整匹配策略，在即时匹配与延迟匹配之间平衡，以提高市场效率并减少拥堵。

Comments Accepted at HCII 2026

Distractor-free Generalizable 3D Gaussian Splatting

无干扰的可泛化3D高斯点散布

Yanqi Bao, Jing Liao, Jing Huo, Yang Gao

机构 * Nanjing University（南京大学） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 DGGS通过无干扰的可泛化3D高斯点散布框架，解决跨场景训练中的干扰问题，提升重建能力和掩码预测准确性。