Peking University（北京大学）

METIS: Multi-Source Egocentric Training for Integrated Dexterous Vision-Language-Action Model

METIS：多源自体训练用于集成的灵巧视觉-语言-动作模型

Yankai Fu, Ning Chen, Junkai Zhao, Shaozhe Shan, Guocai Yao, Pengwei Wang, Zhongyuan Wang, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室，计算机学院，北京大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

AI总结 METIS通过多源自体训练构建集成的视觉-语言-动作模型，提升灵巧操作的泛化能力和鲁棒性。

ChainV: Atomic Visual Hints Make Multimodal Reasoning Shorter and Better

ChainV: 原子视觉提示使多模态推理更短更优

Yuan Zhang, Ming Lu, Junwen Pan, Tao Huang, Kuan Cheng, Qi She, Shanghang Zhang

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； ByteDance Inc.（字节跳动公司） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 ChainV通过动态整合视觉提示，提升多模态推理的效率和准确性，尤其在数学密集型基准测试中表现突出。

Comments 16 pages

Sparse Reasoning is Enough: Biological-Inspired Framework for Video Anomaly Detection with Large Pre-trained Models

稀疏推理已足够：基于生物启发的视频异常检测大预训练模型框架

He Huang, Zixuan Hu, Dongxiao Li, Yao Xiao, Ling-Yu Duan

机构 * School of Computer Science Peking University（北京大学计算机科学学院） 纠错

AI总结 ReCoVAD通过生物启发的双通路框架实现视频异常检测，利用稀疏推理降低计算成本，取得最佳无训练性能。

FingerCap: Fine-grained Finger-level Hand Motion Captioning

FingerCap：细粒度指尖级手部动作描述

Xin Shen, Rui Zhu, Lei Shen, Xinyu Wang, Kaihao Zhang, Tianqing Zhu, Shuchen Wu, Chenxi Miao, Weikang Li, Yang Li, Deguo Xia, Jizhou Huang, Xin Yu

机构 * Baidu Inc.（百度公司） ； The University of Queensland（昆士兰大学） ； Nanjing University（南京大学） ； Institute of Computing Technology, CAS（中国科学院计算技术研究所） ； Peking University（北京大学） ； Australian National University（澳大利亚国立大学） ； City University of Macau（澳门城市大学） 纠错

AI总结 FingerCap通过FiGOP技术提升细粒度手部动作描述的准确性，解决视频大语言模型在指尖运动识别中的不足。