University of Chinese Academy of Sciences（中国科学院大学）

SLGNet: Synergizing Structural Priors and Language-Guided Modulation for Multimodal Object Detection

SLGNet: 结合结构先验与语言引导调制的多模态目标检测

Xiantai Xiang, Guangyao Zhou, Zixiao Wen, Wenshuai Li, Ben Niu, Feng Wang, Lijia Huang, Qiantong Wang, Yuhan Liu, Zongxu Pan, Yuxin Hu

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航天信息研究所） ； Key Laboratory of Target Cognition and Application Technology, Chinese Academy of Sciences（中国科学院目标认知与应用技术重点实验室） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件学院） 纠错

AI总结 SLGNet通过结合结构先验与语言引导调制，在冻结的ViT基础上实现高效多模态目标检测，提升环境适应性和检测性能。

The New Compiler Stack: A Survey on the Synergy of LLMs and Compilers

新的编译器栈：关于大型语言模型与编译器协同的综述

Shuoming Zhang, Jiacheng Zhao, Qiuchu Yu, Chunwei Xia, Zheng Wang, Xiaobing Feng, Huimin Cui

机构 * SKLP ； Institute of Computing Technology, CAS（计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Leeds（利兹大学） 纠错

AI总结 本文综述了大型语言模型与编译器协同的新兴领域，提出了多维度分类法，揭示了LLMs在编译器开发中的三大优势，并指明了混合系统的发展路径。

Comments Accepted by CCF Transactions on High Performance Computing

A neural network for modeling human concept formation, understanding and communication

一种用于建模人类概念形成、理解和交流的神经网络

Liangxuan Guo, Haoyang Chen, Yang Chen, Yanchao Bi, Shan Yu

机构 * Laboratory of Brain Atlas and Brain-inspired Intelligence（脑图谱与脑启发智能实验室） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Future Technology（未来技术学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology（脑认知与脑启发智能技术国家重点实验室） ； School of Psychological and Cognitive Sciences & Beijing Key Laboratory of Behavior and Mental Health（心理学与认知科学学院及北京行为与心理健康重点实验室） ； IDG/McGovern Institute for Brain Research（IDG/麦戈文脑科学研究院） ； Institute for Artificial Intelligence（人工智能研究所） ； Key Laboratory of Machine Perception (Ministry of Education)（机器感知重点实验室） 纠错

AI总结 本文提出CATS Net，一种双模块神经网络，用于建模人类概念形成、理解和交流，通过概念抽象与任务解决模块实现跨网络知识转移。

Comments 6 main figures, 5 extended data figures and 4 supplementary figures

A Fast Anti-Jamming Cognitive Radar Deployment Algorithm Based on Reinforcement Learning

基于强化学习的快速抗干扰认知雷达部署算法

Wencheng Cai, Xuchao Gao, Congying Han, Mingqiang Li, Tiande Guo

机构 * School of Mathematical Sciences University of Chinese Academy of Sciences（数学科学学院 中国科学院大学） ； Information Science Academy China Electronics Technology Group Corporation（信息科学院 中国电子科技集团） 纠错

AI总结 本文提出基于强化学习的快速抗干扰认知雷达部署算法FARDA，通过高效神经网络推理实现雷达部署速度提升7000倍，覆盖能力与进化算法相当。

OV-InstructTTS: Towards Open-Vocabulary Instruct Text-to-Speech

OV-InstructTTS: 向开放词汇指令文本到语音迈进

Yong Ren, Jiangyan Yi, Jianhua Tao, Haiyang Sun, Zhengqi Wen, Hao Gu, Le Xu, Ye Bai

机构 * The State Key Laboratory of Multimodal Artificial Intelligence Systems（多模态人工智能系统国家重点实验室） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心） 纠错

AI总结 OV-InstructTTS通过开放词汇指令和推理驱动框架提升文本到语音的指令遵循和表达性

MR-Align: Meta-Reasoning Informed Factuality Alignment for Large Reasoning Models

MR-Align: 为大推理模型引入元推理的事实性对齐

Xinming Wang, Jian Xu, Bin Yu, Sheng Lian, Hongzhu Yi, Yi Chen, Yingjian Zhu, Boran Wang, Hongming Yang, Han Hu, Xu-Yao Zhang, Cheng-Lin Liu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Zhongguancun Academy（中关村学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tencent（腾讯） 纠错

AI总结 MR-ALIGN通过元推理引导的对齐框架提升大型推理模型的事实准确性，通过优化推理过程中的状态转移概率来增强事实性。

Comments Preprint

Unaligned RGB Guided Hyperspectral Image Super-Resolution with Spatial-Spectral Concordance

无对齐RGB引导的超分辨率超光谱图像与空间-光谱一致性

Yingkai Zhang, Zeqiang Lai, Tao Zhang, Ying Fu, Chenghu Zhou

机构 * Beijing Institute of Technology（北京理工大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； Chinese Academy of Sciences（中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出SSC-HSR框架，通过改进的对齐和融合模块，解决超分辨率中空间和光谱一致性问题，提升超光谱图像的重建质量。