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

World Models for Policy Refinement in StarCraft II

为《星际2》政策细化设计的世界模型

Yixin Zhang, Ziyi Wang, Yiming Rong, Haoxi Wang, Jinling Jiang, Shuang Xu, Haoran Wu, Shiyu Zhou, Bo Xu

机构 * The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） 纠错

AI总结 StarWM为《星际2》政策细化设计的世界模型，通过预测未来观察和结构化文本表示提升策略决策性能。

DCTracks: An Open Dataset for Machine Learning-Based Drift Chamber Track Reconstruction

DCTracks: 一个用于基于机器学习的漂移室轨迹重建的开放数据集

Qian Liyan, Zhang Yao, Yuan Ye, Zhang Zhaoke, Fang Jin, Jiang Shimiao, Zhang Jin, Li Ke, Liu Beijiang, Xu Chenglin, Zhang Yifan, Jia Xiaoqian, Qin Xiaoshuai, Huang Xingtao

机构 * Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Sun Yat-sen University（中山大学） ； China Academy of Space Technology（中国空间技术研究院） ； Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所） ； Key Laboratory of Particle Physics and Particle Irradiation (MOE), Institute of Frontier and Interdisciplinary Science, Shandong University（粒子物理与粒子辐照重点实验室（MOE）、前沿与交叉科学研究院、山东大学） 纠错

AI总结 DCTracks 数据集通过提供单轨和双轨漂移室事件，推动基于机器学习的轨迹重建技术发展，评估传统算法与图神经网络方法的性能。

Joint Orientation and Weight Optimization for Robust Watertight Surface Reconstruction via Dirichlet-Regularized Winding Fields

联合方向与权重优化用于通过狄利克雷正则化缠绕场实现稳健的紧致表面重建

Jiaze Li, Daisheng Jin, Fei Hou, Junhui Hou, Zheng Liu, Shiqing Xin, Wenping Wang, Ying He

机构 * Nanyang Technological University（南洋理工大学） ； Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； City University of Hong Kong（香港城市大学） ； China University of Geosciences (Wuhan)（中国地质大学（武汉）） ； Shandong University（山东大学） ； Texas A&M University（德克萨斯大学） 纠错

AI总结 DiWR通过联合优化点方向、权重和置信系数，实现从非均匀采样点云中稳健重建紧致表面。

MEMTS: Internalizing Domain Knowledge via Parameterized Memory for Retrieval-Free Domain Adaptation of Time Series Foundation Models

MEMTS: 通过参数化内存内化领域知识以实现时间序列基础模型的无检索领域适应

Xiaoyun Yu, Li fan, Xiangfei Qiu, Nanqing Dong, Yonggui Huang, Honggang Qi, Geguang Pu, Wanli Ouyang, Xi Chen, Jilin Hu

机构 * East China Normal University（东华师范大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Peking University（北京大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 MEMTS通过参数化内存内化领域知识，实现时间序列基础模型的无检索领域适应，提升实时流处理效率。

R-Diverse: Mitigating Diversity Illusion in Self-Play LLM Training

R-Diverse: 缓解自博弈LLM训练中的多样性幻觉

Gengsheng Li, Jinghan He, Shijie Wang, Dan Zhang, Ruiqi Liu, Renrui Zhang, Zijun Yao, Junfeng Fang, Haiyun Guo, Jinqiao Wang

机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Wuhan AI Research（武汉人工智能研究所） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） 纠错

AI总结 R-Diverse通过引入记忆增强惩罚和技能感知测量，缓解自博弈LLM训练中的多样性幻觉问题，提升模型推理能力。

Q-Hawkeye: Reliable Visual Policy Optimization for Image Quality Assessment

Q-Hawkeye：用于图像质量评估的可靠视觉策略优化

Wulin Xie, Rui Dai, Ruidong Ding, Kaikui Liu, Xiangxiang Chu, Xinwen Hou, Jie Wen

机构 * Institute of Automation, Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） ； Amap, Alibaba Group, Hangzhou, China（阿里云） ； Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） 纠错

AI总结 Q-Hawkeye通过不确定性感知动态优化和感知感知优化提升图像质量评估的可靠性，实现更稳定的策略优化和更准确的质量判断。

Semantic-Guided Dynamic Sparsification for Pre-Trained Model-based Class-Incremental Learning

语义引导的动态稀疏化用于基于预训练模型的类增量学习

Ruiqi Liu, Boyu Diao, Zijia An, Runjie Shao, Zhulin An, Fei Wang, Yongjun Xu

机构 * Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学） 纠错

AI总结 本文提出语义引导的动态稀疏化方法，通过动态稀疏化策略减少类间干扰，提升基于预训练模型的类增量学习性能。

DeLiVR: Differential Spatiotemporal Lie Bias for Efficient Video Deraining

DeLiVR：差分时空李群偏置用于高效视频去雨

Shuning Sun, Jialang Lu, Xiang Chen, Jichao Wang, Dianjie Lu, Guijuan Zhang, Guangwei Gao, Zhuoran Zheng

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Qilu University of Technology（齐鲁工业大学） ； Hubei University（湖北大学） ； Nanjing University of Science and Technology（南京理工大学） ； Shandong Normal University（山东师范大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） 纠错

AI总结 DeLiVR通过引入时空李群微分偏置，提高视频去雨的效率和鲁棒性，有效解决雨痕和时间伪影问题。

AuTAgent: A Reinforcement Learning Framework for Tool-Augmented Audio Reasoning

AuTAgent: 一个用于工具增强音频推理的强化学习框架

Siqian Tong, Xuan Li, Yiwei Wang, Baolong Bi, Yujun Cai, Shenghua Liu, Yuchen He, Chengpeng Hao

机构 * Institute of Acoustics, Chinese Academy of Sciences（中国科学院声学研究所） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； The University of Queensland（昆士兰大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of California, Merced（加州大学默塞德分校） 纠错

AI总结 AuTAgent通过强化学习框架学习何时及使用哪些工具，提升音频模型的推理能力，实验显示在多个基准上显著提高准确性。

VLA-JEPA: Enhancing Vision-Language-Action Model with Latent World Model

VLA-JEPA: 通过潜在世界模型增强视觉-语言-动作模型

Jingwen Sun, Wenyao Zhang, Zekun Qi, Shaojie Ren, Zezhi Liu, Hanxin Zhu, Guangzhong Sun, Xin Jin, Zhibo Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Zhongguancun Academy, Beijing, China（中关村学院） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Eastern Institute of Technology, Ningbo（宁波东部科技研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Nankai University（南开大学） 纠错

AI总结 VLA-JEPA通过潜在世界模型提升视觉-语言-动作模型的泛化与鲁棒性，采用无泄露状态预测和两阶段训练策略。

ShotFinder: Imagination-Driven Open-Domain Video Shot Retrieval via Web Search

ShotFinder: 通过网络搜索驱动的开放域视频镜头检索

Tao Yu, Haopeng Jin, Hao Wang, Shenghua Chai, Yujia Yang, Junhao Gong, Jiaming Guo, Minghui Zhang, Xinlong Chen, Zhenghao Zhang, Yuxuan Zhou, Yufei Xiong, Shanbin Zhang, Jiabing Yang, Hongzhu Yi, Xinming Wang, Cheng Zhong, Xiao Ma, Zhang Zhang, Yan Huang, Liang Wang

机构 * CASIA（中国科学院自动化研究所） ； UCAS（中国科学院大学） ； Lenovo（联想集团） ； Peking University（北京大学） ； Tsinghua University（清华大学） 纠错

AI总结 ShotFinder通过网络搜索驱动开放域视频镜头检索，提出三阶段检索流程并揭示多模态大模型在开放域视频检索中的性能差距。

Comments 28 pages, 7 figures, Project website: https://github.com/yutao1024/ShotFinder