University of Science and Technology of China（中国科学技术大学）

Advanced Global Wildfire Activity Modeling with Hierarchical Graph ODE

基于分层图微分方程的先进全球野火活动建模

Fan Xu, Wei Gong, Hao Wu, Lilan Peng, Nan Wang, Qingsong Wen, Xian Wu, Kun Wang, Xibin Zhao

机构 * University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； Southwest Jiaotong University（西南交通大学） ； Beijing Jiaotong University（北京交通大学） ； Tencent（腾讯） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出分层图微分方程框架HiGO，用于建模全球野火活动的多尺度连续动态，通过多级图结构和自适应信息传递机制提升预测性能。

Cross-modal Retrieval Models for Stripped Binary Analysis

用于剥离二进制分析的跨模态检索模型

Guoqiang Chen, Lingyun Ying, Ziyang Song, Daguang Liu, Qiang Wang, Zhiqi Wang, Li Hu, Shaoyin Cheng, Weiming Zhang, Nenghai Yu

机构 * University of Science and Technology of China（中国科学技术大学） ； QI-ANXIN Technology Research Institute（QI-ANXIN技术研究所） 纠错

AI总结 本文提出BinSeek模型，通过两阶段跨模态检索框架实现对剥离二进制代码的高效检索，显著提升二进制代码与自然语言描述的相关性检索性能。

LRANet++: Low-Rank Approximation Network for Accurate and Efficient Text Spotting

LRANet++：用于准确高效文本定位的低秩近似网络

Yuchen Su, Zhineng Chen, Yongkun Du, Zuxuan Wu, Hongtao Xie, Yu-Gang Jiang

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Institute of Trustworthy Embodied AI, College of Intelligent Robotics and Advanced Manufacturing, Fudan University（复旦大学可信具身人工智能研究院） ； School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学与技术学院） 纠错

AI总结 LRANet++通过低秩近似和三重分配方案，实现高效准确的任意形状文本定位。

Comments Accepted by IEEE TPAMI

Reasoning Path Divergence: A New Metric and Curation Strategy to Unlock LLM Diverse Thinking

推理路径分歧：一种新的度量和筛选策略，以解锁LLM多样化思考

Feng Ju, Zeyu Qin, Rui Min, Zhitao He, Lingpeng Kong, Yi R. Fung

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Science and Technology of China（中国科学技术大学） ； The University of Hong Kong（香港大学） 纠错

AI总结 本文提出了一种新的训练范式1PNS和度量RPD，通过增加推理多样性提升LLM的推理能力。

High-Precision Transformer-Based Visual Servoing for Humanoid Robots in Aligning Tiny Objects

高精度基于Transformer的视觉伺服控制用于人形机器人对齐微小物体

Jialong Xue, Wei Gao, Yu Wang, Chao Ji, Dongdong Zhao, Shi Yan, Shiwu Zhang

机构 * Institute of Humanoid Robots, Department of Precision Machinery and Precision Instrumentation, University of Science and Technology of China（人形机器人研究院，精密机械与精密仪器系，中国科学技术大学） 纠错

AI总结 本文提出基于Transformer的视觉伺服方法，实现人形机器人高精度微小物体对齐，实验显示收敛误差小于1.3毫米，成功率达93%-100%。

Comments for associated video, see https://b23.tv/cklF7aK