University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

CLaS-Bench: A Cross-Lingual Alignment and Steering Benchmark

CLaS-Bench: 一种跨语言对齐与引导基准

Daniil Gurgurov, Yusser Al Ghussin, Tanja Baeumel, Cheng-Ting Chou, Patrick Schramowski, Marius Mosbach, Josef van Genabith, Simon Ostermann

机构 * Saarland University（萨尔兰大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； Centre for European Research in Trusted AI (CERTAIN)（可信AI欧洲研究中心（CERTAIN）） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； TU Darmstadt（德累斯顿技术大学） ； Mila - Quebec Artificial Intelligence Institute（魁北克人工智能研究所（Mila）） ； McGill University（麦吉尔大学） 纠错

AI总结 CLaS-Bench是首个多语言引导基准，通过评估32种语言中的语言强制行为，验证了残差基于DiffMean方法在跨语言引导中的有效性。

Comments pre-print

Subspace Alignment for Vision-Language Model Test-time Adaptation

子空间对齐用于视觉-语言模型测试时适应

Zhichen Zeng, Wenxuan Bao, Xiao Lin, Ruizhong Qiu, Tianxin Wei, Xuying Ning, Yuchen Yan, Chen Luo, Monica Xiao Cheng, Jingrui He, Hanghang Tong

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） 纠错

AI总结 SubTTA通过子空间对齐提升视觉-语言模型测试时适应性能，有效解决模态差距和视觉噪声问题。

Comments 17 pages, 10 figures

3DGS-Drag: Dragging Gaussians for Intuitive Point-Based 3D Editing

3DGS-Drag：基于高斯分布的直观点基3D编辑

Jiahua Dong, Yu-Xiong Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 3DGS-Drag通过结合变形引导和扩散引导，实现高效直观的点基3D场景拖动编辑，提升几何内容编辑的性能与效率。

Immunological Density Shapes Recovery Trajectories in Long COVID

免疫密度塑造长期新冠恢复轨迹

Jing Wang, Tong Zhang, Xing Niu, Jie Shen, Yiming Luo, Qiaomin Xie, Amar Sra, Zorina Galis, Jeremy Weiss

机构 * National Library of Medicine（国家医学图书馆） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Columbia University（哥伦比亚大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； George Washington University（乔治华盛顿大学） ； National Heart, Lung, and Blood Institute（国家心肺血液研究所） 纠错

AI总结 研究发现长期新冠症状严重程度由免疫密度决定，恢复主要通过重复接种疫苗实现。

Assuring Safety of Vision-Based Swarm Formation Control

基于视觉的群体形成控制的安全性保障

Chiao Hsieh, Yubin Koh, Yangge Li, Sayan Mitra

机构 * Coordinated Science Laboratory, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校协调科学实验室） 纠错

AI总结 本文提出了一种基于感知契约的量化器，用于保障基于视觉的群体形成控制系统的安全性，通过非均匀量化器和收敛性证明，提高在复杂环境下的鲁棒性。

Comments 8 pages, 7 figures, submitted to the 2024 American Control Conference (ACC 2024)