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

MobileDreamer: Generative Sketch World Model for GUI Agent

MobileDreamer: 用于GUI代理的生成式草图世界模型

Yilin Cao, Yufeng Zhong, Zhixiong Zeng, Liming Zheng, Jing Huang, Haibo Qiu, Peng Shi, Wenji Mao, Wan Guanglu

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Meituan（美团） 纠错

AI总结 MobileDreamer通过生成式草图世界模型和rollout想象策略，提升GUI代理在长周期任务中的决策能力，任务成功率提升5.25%。

PhysDepth: Plug-and-Play Physical Refinement for Monocular Depth Estimation in Challenging Environments

PhysDepth：用于在恶劣环境中单目深度估计的即插即用物理细化

Kebin Peng, Haotang Li, Zhenyu Qi, Huashan Chen, Zi Wang, Wei Zhang, Sen He, Huanrui Yang, Qing Guo

机构 * Department of Computer Science, East Carolina University（东卡罗来纳大学计算机科学系） ； Department of Electrical and Computer Engineering, The University of Arizona（亚利桑那大学电气与计算机工程系） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； School of Computer and Cyber Sciences, Augusta University（奥古斯塔大学计算机与网络安全学院） ； VCIP, CS, Nankai University（南开大学） 纠错

AI总结 PhysDepth通过引入物理先验信息，提升了在恶劣环境中单目深度估计的鲁棒性和准确性。

HearSay Benchmark: Do Audio LLMs Leak What They Hear?

HearSay基准：音频大语言模型是否泄露所听内容？

Jin Wang, Liang Lin, Kaiwen Luo, Weiliu Wang, Yitian Chen, Moayad Aloqaily, Xuehai Tang, Zhenhong Zhou, Kun Wang, Li Sun, Qingsong Wen

机构 * XDU（北华大学） ； NTU（国立台湾大学） ； NCEPU（南京工程大学） ； BUPT（北京邮电大学） ； SHU（上海大学） ； UAEU（阿联酋大学） ； UCAS-IIE（中国科学院大学国际学院） ； Squirrel AI 纠错

AI总结 HearSay基准研究发现音频大语言模型通过声纹泄露隐私，揭示其固有隐私风险及安全机制不足。

BREATH-VL: Vision-Language-Guided 6-DoF Bronchoscopy Localization via Semantic-Geometric Fusion

BREATH-VL：基于视觉-语言引导的6自由度支气管镜定位：通过语义-几何融合

Qingyao Tian, Bingyu Yang, Huai Liao, Xinyan Huang, Junyong Li, Dong Yi, Hongbin Liu

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Department of Pulmonary and Critical Care Medicine, The First Affiliated Hospital of Sun Yat-sen University（中山大学附属第一医院呼吸与危重症医学科） ； Centre of AI and Robotics, Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences（香港科学院人工智能与机器人中心） ； School of Biomedical Engineering and Imaging Sciences, King’s College London（伦敦国王学院生物医学工程与影像科学学院） 纠错

AI总结 BREATH-VL通过融合语义和几何信息，实现高精度的6自由度支气管镜定位，减少定位误差并提升效率。

Variational Inference, Entropy, and Orthogonality: A Unified Theory of Mixture-of-Experts

变分推断、熵与正交性：混合专家模型的统一理论

Ye Su, Yong Liu

机构 * University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） 纠错

AI总结 本文从贝叶斯和信息论视角构建混合专家模型的统一理论框架，推导路由机制为最优稀疏后验近似，并证明正交性可缩小全局最优与贪心近似间的差距。

Comments 27 pages, 3 figures

PC2P: Multi-Agent Path Finding via Personalized-Enhanced Communication and Crowd Perception

PC2P：通过个性化增强通信与人群感知进行多智能体路径寻找

Guotao Li, Shaoyun Xu, Yuexing Hao, Yang Wang, Yuhui Sun

机构 * Institute of Microelectronics of the Chinese Academy of Sciences（中国科学院微电子研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 PC2P通过个性化增强通信与人群感知方法，提升多智能体路径寻找在复杂环境中的协同与扩展能力。

Comments 8 pages,7 figures,3 tables,Accepted to IROS 2025

DeepResearch-Slice: Bridging the Retrieval-Utilization Gap via Explicit Text Slicing

DeepResearch-Slice: 通过显式文本切片弥合检索-利用差距

Shuo Lu, Yinuo Xu, Jianjie Cheng, Lingxiao He, Meng Wang, Jian Liang

机构 * NLPR & MAIS CASIA（CASIA NLPR与MAIS） ； School of AI UCAS（UCAS人工智能学院） ； Meituan Inc.（美团公司） 纠错

AI总结 DeepResearch-Slice通过显式文本切片技术，有效解决检索与利用之间的差距问题，提升模型在嘈杂环境中的鲁棒性。

Comments Ongoing work

MoTE: Mixture of Ternary Experts for Memory-efficient Large Multimodal Models

MoTE：混合三元专家用于内存高效的大型多模态模型

Hongyu Wang, Jiayu Xu, Ruiping Wang, Yan Feng, Yitao Zhai, Peng Pei, Xunliang Cai, Xilin Chen

机构 * Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院人工智能安全重点实验室，计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 MoTE通过训练更多低精度三元专家，实现内存高效的大规模多模态模型训练，提升端任务性能并降低内存需求。

Comments Work in progress