University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

An Independent Safety Evaluation of Kimi K2.5

Kimi K2.5 的独立安全性评估

Zheng-Xin Yong, Parv Mahajan, Andy Wang, Ida Caspary, Yernat Yestekov, Zora Che, Mosh Levy, Elle Najt, Dennis Murphy, Prashant Kulkarni, Lev McKinney, Kei Nishimura-Gasparian, Ram Potham, Aengus Lynch, Michael L. Chen

机构 * Constellation ； Anthropic Fellows Program（Anthropic研究员项目） ； Brown University（布朗大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Imperial College London（伦敦帝国学院） ； University of Maryland, College Park（马里兰大学帕克分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Bar Ilan University（巴伊兰大学） ； University of Toronto（多伦多大学） ； University of Oxford（牛津大学） 纠错

AI总结 Kimi K2.5作为开源大模型，在安全评估中显示出潜在风险，包括CBRNE滥用、网络安全漏洞及政治偏见，但其在拒绝恶意请求方面表现较弱，凸显开源模型的安全挑战。

V2X-QA: A Comprehensive Reasoning Dataset and Benchmark for Multimodal Large Language Models in Autonomous Driving Across Ego, Infrastructure, and Cooperative Views

V2X-QA：面向自动驾驶多视角的多模态大语言模型综合数据集与基准测试

Junwei You, Pei Li, Zhuoyu Jiang, Weizhe Tang, Zilin Huang, Rui Gan, Jiaxi Liu, Yan Zhao, Sikai Chen, Bin Ran

机构 * Department of Civil and Environmental Engineering, University of Wisconsin–Madison（威斯康星大学麦迪逊分校土木与环境工程系） ； Department of Civil and Architectural Engineering and Construction Management, University of Wyoming（怀俄明大学土木与建筑工程及施工管理系） ； School of Transportation, Southeast University（东南大学交通学院） 纠错

AI总结 本文提出V2X-QA数据集和基准测试，用于评估多模态大语言模型在自动驾驶中的多视角推理能力，揭示视角对性能的影响，并提出V2X-MoE模型以提升多视角推理性能。

MuRF: Unlocking the Multi-Scale Potential of Vision Foundation Models

MuRF：解锁视觉基础模型的多尺度潜力

Bocheng Zou, Mu Cai, Mark Stanley, Dingfu Lu, Yong Jae Lee

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

AI总结 本文提出MuRF策略，通过多分辨率融合提升视觉基础模型的推理性能，适用于多种任务和模型家族。

Comments Project Page: https://murf-vfm.github.io/

Tensor Computation of Euler Characteristic Functions and Transforms

欧拉特征函数和变换的张量计算

Jessi Cisewski-Kehe, Brittany Terese Fasy, Alexander McCleary, Eli Quist

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Montana State University（蒙大拿州立大学） 纠错

AI总结 本文提出一种基于张量的框架，用于高效计算欧拉特征函数和变换，适用于任意维度的单纯复形和立方复形，并在GPU上实现显著加速。