TreeGRPO: Tree-Advantage GRPO for Online RL Post-Training of Diffusion Models
TreeGRPO：基于树优势的在线强化学习后训练扩散模型
机构 * UC San Diego（圣迭戈大学） ； MIT（麻省理工学院）
AI总结 TreeGRPO通过树结构提升扩散模型后训练效率，实现2.4倍加速并优于基线方法。
高校专区
University of California, San Diego（加州大学圣迭戈分校）
CVP: Central-Peripheral Vision-Inspired Multimodal Model for Spatial Reasoning
CVP：基于中央-外围视觉的多模态模型用于空间推理
机构 * UC San Diego（圣迭戈大学） ； Lambda, Inc（Lambda公司）
AI总结 CVP通过结合中央视觉和外围视觉的启发，提出了一种多模态模型，以提升复杂3D环境的空间推理能力。
Comments Accepted to WACV 2026
Measuring the Measures: Discriminative Capacity of Representational Similarity Metrics Across Model Families
测量度量：跨模型家族的表征相似性度量的判别能力
机构 * Department of Computer Science and Engineering, UC San Diego（计算机科学与工程系，UC San Diego） ； Department of Electrical and Computer Engineering, UC San Diego（电气与计算机工程系，UC San Diego） ； Department of Cognitive Science, UC San Diego（认知科学系，UC San Diego）
AI总结 本文通过系统评估不同表征相似性度量的判别能力，揭示了软匹配在跨模型家族分离中的最优表现，为大规模模型和脑比较提供了度量选择依据。
Comments update camera ready
Elucidated Rolling Diffusion Models for Probabilistic Forecasting of Complex Dynamics
阐明的滚动扩散模型用于复杂动态的概率预报
机构 * UC San Diego（斯克利普斯海洋研究所（圣地亚哥）） ； NVIDIA（英伟达）
AI总结 ERDM通过整合滚动预测结构与EDM设计，有效提升复杂动态的概率预报性能。
Comments NeurIPS 2025
Journal ref Advances in Neural Information Processing Systems (NeurIPS), 2025
PRO-V-R1: Reasoning Enhanced Programming Agent for RTL Verification
PRO-V-R1：基于推理增强的RTL验证编程代理
机构 * University of California San Diego（加州大学圣地亚哥分校） ； NVIDIA（NVIDIA公司）
AI总结 PRO-V-R1是一种基于推理增强的开源框架，通过结合LLM推理与编程工具，提升RTL验证的功能正确性和故障检测能力。
GSPN-2: Efficient Parallel Sequence Modeling
GSPN-2：高效的并行序列建模
机构 * NVIDIA ； The University of Hong Kong（香港大学） ； University of California, San Diego（加州大学圣地亚哥分校）
AI总结 GSPN-2通过结构化矩阵变换和GPU优化实现，提升视觉应用中全局空间上下文建模的效率。
Comments NeurIPS 2025
