University of Southern California（南加州大学）

Autoregressive Semantic Visual Reconstruction Helps VLMs Understand Better

自回归语义视觉重建有助于VLMs更好地理解

Dianyi Wang, Wei Song, Yikun Wang, Siyuan Wang, Kaicheng Yu, Zhongyu Wei, Jiaqi Wang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； AutoLab, Westlake University（西湖大学AutoLab） ； Zhejiang University（浙江大学） ； Shanghai AI Lab（上海人工智能实验室） ； University of Southern California（美国南加州大学） 纠错

AI总结 自回归语义视觉重建通过提升多模态理解能力，改进了VLMs对视觉信息的把握

Theory Trace Card: Theory-Driven Socio-Cognitive Evaluation of LLMs

理论追溯卡：基于理论的社认知评估方法

Farzan Karimi-Malekabadi, Suhaib Abdurahman, Zhivar Sourati, Jackson Trager, Morteza Dehghani

机构 * University of Southern California（南加州大学） 纠错

AI总结 本文提出理论追溯卡（TTC）以解决LLMs社会认知评估中理论基础缺失的问题，通过明确理论依据和能力组件，提升评估的可解释性和有效性。

RNBF: Real-Time RGB-D Based Neural Barrier Functions for Safe Robotic Navigation

RNBF: 基于实时RGB-D的神经障碍函数用于安全机器人导航

Satyajeet Das, Yifan Xue, Haoming Li, Nadia Figueroa

机构 * University of Southern California（南加州大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出了一种实时RGB-D神经障碍函数框架，用于在未知环境中实现安全机器人导航，通过在线构建可微的SDFs并处理传感器噪声，提升导航安全性。