University of California, San Diego（加州大学圣迭戈分校）

3D Scene Rendering with Multimodal Gaussian Splatting

多模态高斯散射的3D场景渲染

Chi-Shiang Gau, Konstantinos D. Polyzos, Athanasios Bacharis, Saketh Madhuvarasu, Tara Javidi

机构 * UCSD Centers for Machine intelligence, computing, and security (MICS) and Wireless Communications (CWC)（UCSD 机器智能、计算与安全中心（MICS）和无线通信中心） ； UCSD ； NVIDIA 纠错

AI总结 本文提出多模态框架，结合射频传感与高斯散射技术，实现高效且鲁棒的3D场景渲染。

WS-GRPO: Weakly-Supervised Group-Relative Policy Optimization for Rollout-Efficient Reasoning

WS-GRPO：弱监督组相对策略优化用于高效推理

Gagan Mundada, Zihan Huang, Rohan Surana, Sheldon Yu, Jennifer Yuntong Zhang, Xintong Li, Tong Yu, Lina Yao, Jingbo Shang, Julian McAuley, Junda Wu

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Toronto（多伦多大学） ； Adobe Research（Adobe研究） ； The University of New South Wales（新南威尔士大学） 纠错

AI总结 WS-GRPO 通过将终端奖励转换为正确性感知的指导，提高推理效率并减少冗余思考，同时保持准确性。

SourceBench: Can AI Answers Reference Quality Web Sources?

SourceBench: 人工智能答案能否引用高质量的网络来源？

Hexi Jin, Stephen Liu, Yuheng Li, Simran Malik, Yiying Zhang

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； GenseeAI Inc.（GenseeAI公司） 纠错

AI总结 SourceBench通过评估AI引用的网络来源质量，揭示了生成式AI在信息检索中的关键挑战与改进方向。

Speech to Speech Synthesis for Voice Impersonation

语音到语音合成用于语音模仿

Bjorn Johnson, Jared Levy

机构 * University of California San Diego（加州大学圣迭戈分校） 纠错

AI总结 本文提出STSSN模型，通过融合语音识别与合成技术，实现语音到语音风格迁移，用于语音模仿任务，实验表明其生成逼真音频效果优于生成对抗模型。

Comments Original work completed in April 2020. This version includes minor formatting updates

Beyond Needle(s) in the Embodied Haystack: Environment, Architecture, and Training Considerations for Long Context Reasoning

超越实体 haystack 中的针（针）：环境、架构和训练考虑因素在长上下文推理中的应用

Bosung Kim, Prithviraj Ammanabrolu

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文提出 $\infty$-THOR 框架，通过长上下文推理任务和数据集提升实体 AI 的长期推理能力。