Tsinghua University（清华大学）

SceneMaker: Open-set 3D Scene Generation with Decoupled De-occlusion and Pose Estimation Model

SceneMaker: 一种解耦的开放集3D场景生成方法，结合去遮挡与姿态估计模型

Yukai Shi, Weiyu Li, Zihao Wang, Hongyang Li, Xingyu Chen, Ping Tan, Lei Zhang

机构 * Tsinghua University（清华大学） ； HKUST（香港科技大学） ； IDEA Research（IDEA研究院） ； LightIllusions 纠错

AI总结 SceneMaker通过解耦去遮挡与姿态估计模型，提升开放集3D场景生成的准确性和泛化能力。

Comments Project page: https://idea-research.github.io/SceneMaker/

Bidirectional Normalizing Flow: From Data to Noise and Back

双向归一化流：从数据到噪声和回

Yiyang Lu, Qiao Sun, Xianbang Wang, Zhicheng Jiang, Hanhong Zhao, Kaiming He

机构 * MIT（麻省理工学院） ； Tsinghua University（清华大学） 纠错

AI总结 本文提出BiFlow，一种无需精确解析反演的双向归一化流框架，通过学习反向模型提升生成质量并加速采样，实现更灵活的损失函数和架构，在生成建模中取得优异性能。

Comments Tech report

LLM-Empowered Representation Learning for Emerging Item Recommendation

基于大语言模型的表示学习用于新兴物品推荐

Ziying Zhang, Quanming Yao, Yaqing Wang

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Beijing Institute of Mathematical Sciences and Applications（北京数学科学研究院） 纠错

AI总结 本文提出EmerFlow框架，利用大语言模型生成独特嵌入，通过丰富特征、对齐空间和元学习优化，提升新兴物品推荐性能。

R^2-HGP: A Double-Regularized Gaussian Process for Heterogeneous Transfer Learning

R²-HGP：一种双正则化高斯过程用于异构迁移学习

Duo Wang, Xinming Wang, Chao Wang, Xiaowei Yue, Jianguo Wu

机构 * Department of Control Science and Systems Engineering, Peking University（控制科学与系统工程系，北京大学） ； China Mobile Information Technology Co., Ltd.（中国移动信息科技有限公司） ； Department of Industrial and Systems Engineering, University of Iowa（工业与系统工程系，爱荷华大学） ； Department of Industrial Engineering, Institute for Quality and Reliability, Tsinghua University（工业工程系，质量与可靠性研究院，清华大学） 纠错

AI总结 本文提出R²-HGP框架，通过双正则化和物理知识整合，解决异构迁移学习中输入空间异构、先验知识忽略和负迁移问题。

Comments 17 pages, 9 figures. Under review for IEEE TPAMI

Advancing Mathematical Research via Human-AI Interactive Theorem Proving

通过人机交互定理证明推进数学研究

Chenyi Li, Zhijian Lai, Dong An, Jiang Hu, Zaiwen Wen

机构 * Beijing International Center for Mathematical Research, Peking University（北京大学北京国际数学研究中心） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学尤伊数学科学中心） 纠错

AI总结 本文提出了一种人机交互的定理证明流程，利用大语言模型辅助数学研究，通过案例研究展示其在流形优化与Grover算法间连接的探索能力。

BioMedGPT-Mol: Multi-task Learning for Molecular Understanding and Generation

BioMedGPT-Mol: 用于分子理解和生成的多任务学习

Chenyang Zuo, Siqi Fan, Zaiqing Nie

机构 * Institute for AI Industry Research (AIR)（人工智能产业研究院） ； Tsinghua University（清华大学） ； PharMolix Inc.（PharMolix公司） 纠错

AI总结 BioMedGPT-Mol通过多任务学习方法，实现了分子理解和生成任务的高效建模，并在 retrosynthetic 计划中取得最佳性能。