University of Toronto（多伦多大学）

FOMO-3D: Using Vision Foundation Models for Long-Tailed 3D Object Detection

FOMO-3D：利用视觉基础模型进行长尾3D目标检测

Anqi Joyce Yang, James Tu, Nikita Dvornik, Enxu Li, Raquel Urtasun

机构 * Waabi ； University of Toronto（多伦多大学） 纠错

AI总结 FOMO-3D通过利用视觉基础模型的丰富先验知识和多模态融合设计，提升长尾3D目标检测的性能。

Comments Published at 9th Annual Conference on Robot Learning (CoRL 2025)

Data-Driven Priors for Uncertainty-Aware Deterioration Risk Prediction with Multimodal Data

数据驱动先验用于多模态数据的不确定性感知退化风险预测

L. Julián Lechuga López, Tim G. J. Rudner, Farah E. Shamout

机构 * New York University Abu Dhabi（纽约大学阿布扎克校区） ； University of Toronto（多伦多大学） ； Tandon School of Engineering, New York University（纽约大学工程学院） 纠错

AI总结 本文提出MedCertAIn框架，通过数据驱动的先验方法提升多模态临床数据中风险预测的准确性和不确定性量化能力。

Comments 24 pages, 5 figures, 8 tables

TALON: Test-time Adaptive Learning for On-the-Fly Category Discovery

TALON：实时适应学习用于即时类别发现

Yanan Wu, Yuhan Yan, Tailai Chen, Zhixiang Chi, ZiZhang Wu, Yi Jin, Yang Wang, Zhenbo Li

机构 * College of Information and Electrical Engineering（信息与电气工程学院） ； China Agricultural University（中国农业大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Toronto（多伦多大学） ； Institute of Brain-Inspired Intelligence and Artificial Intelligence（脑启发智能与人工智能研究院） ； Fudan University（复旦大学） ； School of Computer and Information Technology（计算机与信息学院） ； Beijing Jiaotong University（北京交通大学） ； Department of Computer Science and Software Engineering（计算机科学与软件工程系） ； Concordia University（Concordia大学） 纠错

AI总结 TALON通过实时适应学习实现即时类别发现，结合语义感知原型更新和稳定测试时间编码器更新，有效提升分类性能并缓解类别爆炸问题。

Comments 14 pages, 6 figures, accepted by CVPR 2026

Generalization in Online Reinforcement Learning for Mobile Agents

移动端智能体在线强化学习中的泛化能力

Li Gu, Zihuan Jiang, Zhixiang Chi, Huan Liu, Ziqiang Wang, Yuanhao Yu, Glen Berseth, Yang Wang

机构 * Mila – Québec AI Institute（魁北克AI研究所） ； Concordia University（康科迪亚大学） ； Université de Montréal（蒙特利尔大学） ； CIFAR AI Chair（CIFAR人工智能主席） ； University of Toronto（多伦多大学） ； McMaster University（麦马斯特大学） 纠错

AI总结 本文提出AndroidWorld-Generalization基准，通过整合GRPO与可扩展回放系统，评估移动端智能体在未见任务实例、模板和应用上的泛化能力，并展示RL在提升性能上的效果。

Variational Flow Maps: Make Some Noise for One-Step Conditional Generation

变分流映射：为一步条件生成引入噪声

Abbas Mammadov, So Takao, Bohan Chen, Ricardo Baptista, Morteza Mardani, Yee Whye Teh, Julius Berner

机构 * University of Oxford（牛津大学） ； California Institute of Technology（加州理工学院） ； University of Toronto（多伦多大学） ； NVIDIA（英伟达公司） 纠错

AI总结 变分流映射通过学习初始噪声分布，实现单步条件生成，提升逆问题求解效率和样本保真度。

ASMIL: Attention-Stabilized Multiple Instance Learning for Whole Slide Imaging

ASMIL：基于注意力的多实例学习用于整张滑动图像

Linfeng Ye, Shayan Mohajer Hamidi, Zhixiang Chi, Guang Li, Mert Pilanci, Takahiro Ogawa, Miki Haseyama, Konstantinos N. Plataniotis

机构 * University of Toronto（多伦多大学） ； Stanford University（斯坦福大学） ； Hokkaido University（北海道大学） 纠错

AI总结 ASMIL通过稳定注意力动态，解决多实例学习中的过拟合、注意力集中和不稳定问题，提升WSI诊断性能

Comments 39 pages, 26 figures

DrivingGen: A Comprehensive Benchmark for Generative Video World Models in Autonomous Driving

DrivingGen：自主驾驶中生成视频世界模型的综合性基准

Yang Zhou, Hao Shao, Letian Wang, Zhuofan Zong, Hongsheng Li, Steven L. Waslander

机构 * University of Toronto（多伦多大学） ； CUHK MMLab（香港中文大学MMLab） 纠错

AI总结 DrivingGen提出首个综合性基准，用于评估生成驾驶世界模型的视觉真实性、轨迹合理性、时间一致性和可控性，揭示通用与专用模型间的权衡。

Comments ICLR 2026 Poster; Project Website: https://drivinggen-bench.github.io/