Northeastern University（东北大学）

Broadening View Synthesis of Dynamic Scenes from Constrained Monocular Videos

从受限单目视频中广义动态场景视图合成

Le Jiang, Shaotong Zhu, Yedi Luo, Shayda Moezzi, Sarah Ostadabbas

机构 * Northeastern University（东北大学） 纠错

AI总结 ExpanDyNeRF通过高斯溅射先验和伪地面真实生成策略，实现从受限单目视频中高质量动态场景视图合成，并在SynDM数据集上验证其在极端视角偏移下的优越性能。

Context Branching for LLM Conversations: A Version Control Approach to Exploratory Programming

上下文分支用于LLM对话：一种版本控制方法用于探索性编程

Bhargav Chickmagalur Nanjundappa, Spandan Maaheshwari

机构 * Northeastern University（东北大学） 纠错

AI总结 ContextBranch通过版本控制机制实现对话分支，解决多轮对话中上下文污染问题，提升探索性编程的响应质量和上下文意识。

Comments 11 pages, 4 figures, 2 tables, 1 code snippet, 4 algorithms

RAST-MoE-RL: A Regime-Aware Spatio-Temporal MoE Framework for Deep Reinforcement Learning in Ride-Hailing

RAST-MoE-RL: 一种面向动态的时空MoE框架用于网约车深度强化学习

Yuhan Tang, Kangxin Cui, Jung Ho Park, Yibo Zhao, Xuan Jiang, Haoze He, Dingyi Zhuang, Shenhao Wang, Jiangbo Yu, Haris Koutsopoulos, Jinhua Zhao

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Tongji University（同济大学） ； University of California, Berkeley（加州大学伯克利分校） ； Carnegie Mellon University（卡内基梅隆大学） ； McGill University（麦吉尔大学） ； Northeastern University（东北大学） 纠错

AI总结 RAST-MoE-RL通过引入制度感知的时空MoE框架，提升了网约车深度强化学习中的决策效率与稳定性，实现了更高的奖励和更短的等待时间。