University of Texas at Austin（得克萨斯大学奥斯汀分校）

WorldReel: 4D Video Generation with Consistent Geometry and Motion Modeling

WorldReel：基于一致几何和运动建模的4D视频生成

Shaoheng Fang, Hanwen Jiang, Yunpeng Bai, Niloy J. Mitra, Qixing Huang

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Adobe Research（Adobe研究） ； University College London（伦敦大学学院） 纠错

AI总结 WorldReel通过联合生成RGB帧和4D场景表示，实现了动态场景和移动摄像机下的4D一致视频生成，提升了几何一致性与运动一致性。

DART: Leveraging Multi-Agent Disagreement for Tool Recruitment in Multimodal Reasoning

利用多智能体分歧进行多模态推理中的工具招募

Nithin Sivakumaran, Justin Chih-Yao Chen, David Wan, Yue Zhang, Jaehong Yoon, Elias Stengel-Eskin, Mohit Bansal

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Nanyang Technological University（南洋理工大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 DART通过多智能体分歧识别有用视觉工具，提升多模态推理中的工具调用效果。

Comments Code: https://github.com/nsivaku/dart

Persistent Homology-Guided Frequency Filtering for Image Compression

持久同调引导的频率滤波用于图像压缩

Anil Chintapalli, Peter Tenholder, Henry Chen, Arjun Rao

机构 * North Carolina School of Science and Mathematics（北卡罗来纳科学与数学学校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出利用持久同调和傅里叶变换进行图像压缩，通过提取特定频率提升压缩性能和可靠性。

Comments 17 pages, 8 figures, code available at github.com/RMATH3/persistent-homology-compression

Efficient Approximate Posterior Sampling with Annealed Langevin Monte Carlo

基于退火拉格朗日蒙特卡洛的高效近似后验采样

Advait Parulekar, Litu Rout, Karthikeyan Shanmugam, Sanjay Shakkottai

机构 * Chandra Family Department of Electrical and Computer Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校电气与计算机工程系） 纠错

AI总结 本文提出了一种在多项式时间内高效近似后验采样的方法，结合KL散度和Fisher散度，确保样本同时符合测量和先验。

A Systematic Assessment of Language Models with Linguistic Minimal Pairs in Chinese

对中文语言模型进行系统评估：基于语言最小配对的基准测试

Yikang Liu, Yeting Shen, Hongao Zhu, Lilong Xu, Zhiheng Qian, Siyuan Song, Kejia Zhang, Jialong Tang, Pei Zhang, Baosong Yang, Rui Wang, Hai Hu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Glasgow（格拉斯哥大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 本文提出ZhoBLiMP中文最小配对基准测试，并通过SLLN-LP度量标准评估不同中文语言模型在处理指代、量词和省略等任务上的性能。

Comments Accepted by TACL

GuideNav: User-Informed Development of a Vision-Only Robotic Navigation Assistant For Blind Travelers

GuideNav: 为盲人旅行者开发的基于视觉的机器人导航助手的用户导向开发

Hochul Hwang, Soowan Yang, Jahir Sadik Monon, Nicholas A Giudice, Sunghoon Ivan Lee, Joydeep Biswas, Donghyun Kim

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； University of Maine（缅因大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 GuideNav是一款基于视觉的导航系统，通过教然后重复的方式帮助盲人旅行者导航，无需依赖昂贵传感器，实现了千米级路径跟随。

Representation Learning for Point Cloud Understanding

点云理解的表示学习

Siming Yan

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本研究提出整合预训练2D模型以提升3D点云理解的方法，通过自监督学习和迁移学习改进点云表示学习。

Comments 181 pages

Simple Agents Outperform Experts in Biomedical Imaging Workflow Optimization

简单代理在生物医学影像工作流优化中胜过专家

Xuefei, Wang, Kai A. Horstmann, Ethan Lin, Jonathan Chen, Alexander R. Farhang, Sophia Stiles, Atharva Sehgal, Jonathan Light, David Van Valen, Yisong Yue, Jennifer J. Sun

机构 * Caltech（加州理工学院） ； Cornell（康奈尔大学） ； UT Austin（得克萨斯大学奥斯汀分校） ； Rensselaer Polytechnic Institute（罗切斯特理工学院） 纠错

AI总结 本文提出简单代理在生物医学影像工作流优化中优于专家，通过系统评估框架验证了代理设计的实用性。

Learning where to learn: Training data distribution optimization for scientific machine learning

学习何处学习：用于科学机器学习的训练数据分布优化

Nicolas Guerra, Nicholas H. Nelsen, Yunan Yang

机构 * Cornell University（康奈尔大学） ； MIT（麻省理工学院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出了一种优化训练数据分布的方法，以提升科学机器学习模型在不同部署条件下的预测精度和鲁棒性。

Comments 50 pages (11 main text, 5 reference, 34 supplementary material pages), 18 figures, 3 tables, 3 algorithms