New York University（纽约大学）

Closing the Train-Test Gap in World Models for Gradient-Based Planning

缩小世界模型在基于梯度规划中的训练-测试差距

Arjun Parthasarathy, Nimit Kalra, Rohun Agrawal, Yann LeCun, Oumayma Bounou, Pavel Izmailov, Micah Goldblum

机构 * Columbia University（哥伦比亚大学） ； New York University（纽约大学） 纠错

AI总结 本文提出改进世界模型训练方法，以提高基于梯度的规划效率，缩小训练与测试之间的性能差距。

LLMscape

LLMscape：探索人类与AI在不确定性条件下构建意义的相似性

Gottfried Haider, Jie Zhang

机构 * NYU Shanghai（纽约大学上海校区） ； NYU Shanghai Center for Data Science（纽约大学上海数据科学中心） ； Design Innovation Insitute（设计创新研究所） ； Shanghai Tongji University College of Design and Innovation（上海同济大学设计创新学院） 纠错

AI总结 LLMscape通过互动装置探讨人类与AI在不确定性条件下构建意义的相似性，展示AI作为共同见证者的角色

Comments Accepted to NeurIPS 2025, Creative AI Track (updated to include poster, video)

Foveation Improves Payload Capacity in Steganography

注视点增强隐写术的载荷能力

Lifeng Qiu Lin, Henry Kam, Qi Sun, Kaan Akşit

机构 * University College London（伦敦大学学院） ； New York University（纽约大学） 纠错

AI总结 通过高效潜在表示和注视点渲染，提升隐写术的载荷能力至500位，并在高准确率和视觉质量上取得显著成果。

Comments SIGGRAPH Asia 2025 Posters Proceedings