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

Advancing Opinion Dynamics Modeling with Neural Diffusion-Convection-Reaction Equation

用神经扩散-对流-反应方程推进意见动力学建模

Chenghua Gong, Yihang Jiang, Hao Li, Rui Sun, Juyuan Zhang, Tianjun Gu, Liming Pan, Linyuan Lü

机构 * University of Science and Technology of China（科学技术大学） ； Wuhan University（武汉大学） ； East China Normal University（华东师范大学） 纠错

AI总结 本文提出OPINN框架，通过整合物理信息与神经网络，提升意见动力学建模的预测性能和物理可解释性。

REArtGS++: Generalizable Articulation Reconstruction with Temporal Geometry Constraint via Planar Gaussian Splatting

REArtGS++: 通过平面高斯散射的时序几何约束实现通用的关节重建

Di Wu, Liu Liu, Anran Huang, Yuyan Liu, Qiaojun Yu, Shaofan Liu, Liangtu Song, Cewu Lu

机构 * Hefei Institutes of Physical Science, Chinese Academy of Sciences（合肥物理科学研究院，中国科学院） ； University of Science and Technology of China（中国科学技术大学） ； Hefei University of Technology（合肥工业大学） ； RoboticsX, Tencent（腾讯机器人院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 REArtGS++通过引入时序几何约束和平面高斯散射，提升关节物体在不同状态下的通用表面重建和参数估计能力。

Comments 10 pages, 7 figures

ReGLA: Efficient Receptive-Field Modeling with Gated Linear Attention Network

ReGLA：基于门控线性注意力网络的高效感受野建模

Junzhou Li, Manqi Zhao, Yilin Gao, Zhiheng Yu, Yin Li, Dongsheng Jiang, Li Xiao

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

AI总结 ReGLA通过结合高效卷积与门控线性注意力，实现了高分辨率图像的高效建模，在ImageNet-1K上达到80.85%的Top-1精度，同时保持低延迟和优越的下游任务性能。

Comments 11 pages, 4 figures

RFM-Pose:Reinforcement-Guided Flow Matching for Fast Category-Level 6D Pose Estimation

RFM-Pose：强化引导的流匹配用于快速的类别级6D位姿估计

Diya He, Qingchen Liu, Cong Zhang, Jiahu Qin

机构 * Department of Automation, University of Science and Technology of China（自动化系，中国科学技术大学） 纠错

AI总结 RFM-Pose通过强化学习框架提升类别级6D位姿估计效率，结合流匹配生成模型与近端策略优化实现快速且高效的位姿生成与假设评估。

Comments This work has been submitted to the IEEE for possible publication

Adaptive Attribute-Decoupled Encryption for Trusted Respiratory Monitoring in Resource-Limited Consumer Healthcare

自适应属性解耦加密用于受限资源消费者医疗的可信呼吸监测

Xinyu Li, Jinyang Huang, Feng-Qi Cui, Meng Wang, Peng Zhao, Meng Li, Dan Guo, Meng Wang

机构 * Anhui Province Key Laboratory of Affective Computing and Advanced Intelligence Machine, School of Computer and Information, Hefei University of Technology（安徽省情感计算与先进智能机器重点实验室，计算机与信息学院，合肥工业大学） ； Institute of Advanced Technology, University of Science and Technology of China（先进技术研究院，中国科学技术大学） 纠错

AI总结 本文提出Tru-RM范式，通过自适应属性解耦加密技术实现受限资源下的可信呼吸监测，有效匿名化用户敏感信息并提升呼吸检测精度。

VisMem: Latent Vision Memory Unlocks Potential of Vision-Language Models

VisMem: 通过潜在视觉记忆解锁视觉-语言模型的潜力

Xinlei Yu, Chengming Xu, Guibin Zhang, Zhangquan Chen, Yudong Zhang, Yongbo He, Peng-Tao Jiang, Jiangning Zhang, Xiaobin Hu, Shuicheng Yan

机构 * National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学） ； vivo 纠错

AI总结 VisMem通过引入动态潜在视觉记忆模块，提升视觉-语言模型在复杂视觉任务中的性能，实现感知准确性和语义一致性之间的平衡。

Position: The Real Barrier to LLM Agent Usability is Agentic ROI

位置：LLM代理可用性的真正障碍是代理的ROI

Weiwen Liu, Jiarui Qin, Xu Huang, Xingshan Zeng, Yunjia Xi, Jianghao Lin, Chuhan Wu, Yasheng Wang, Lifeng Shang, Ruiming Tang, Defu Lian, Yong Yu, Weinan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

AI总结 本文提出LLM代理可用性的核心问题在于其投资回报率，主张通过Z字型发展路径提升其在日常应用中的可用性和可扩展性。