Zhejiang University（浙江大学）

LOONG: Online Time-Optimal Autonomous Flight for MAVs in Cluttered Environments

LOONG：在杂乱环境中实现MAV的在线时间最优自主飞行

Xin Guan, Fangguo Zhao, Qianyi Wang, Chengcheng Zhao, Jiming Chen, Shuo Li

机构 * College of Control Science and Engineering, Zhejiang University（控制科学与工程学院，浙江大学） 纠错

AI总结 LOONG框架通过集成规划与控制方法，在杂乱环境中实现MAV的高速时间最优自主飞行，结合模仿学习和模型预测控制，提升机动性能与安全性。

TALON: Confidence-Aware Speculative Decoding with Adaptive Token Trees

TALON：具有自适应令牌树的置信度感知推测解码

Tianyu Liu, Qitan Lv, Yuhao Shen, Xiao Sun, Xiaoyan Sun

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） 纠错

AI总结 TALON通过自适应令牌树扩展框架，在不牺牲质量的前提下提升LLM推理速度，实现5.16倍的端到端加速。

RealMem: Benchmarking LLMs in Real-World Memory-Driven Interaction

RealMem: 在真实世界中评估大语言模型的内存驱动交互

Haonan Bian, Zhiyuan Yao, Sen Hu, Zishan Xu, Shaolei Zhang, Yifu Guo, Ziliang Yang, Xueran Han, Huacan Wang, Ronghao Chen

机构 * Xidian University（西安电子科技大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Renmin University of China（中国人民大学） ； Sun Yat-sen University（中山大学） ； University of the Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 RealMem是一个基于真实项目场景的基准，评估大语言模型在长期项目导向交互中的记忆管理能力。

Unified Personalized Understanding, Generating and Editing

统一的个性化理解、生成与编辑

Yu Zhong, Tianwei Lin, Ruike Zhu, Yuqian Yuan, Haoyu Zheng, Liang Liang, Wenqiao Zhang, Feifei Shao, Haoyuan Li, Wanggui He, Hao Jiang, Yueting Zhuang

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） 纠错

AI总结 OmniPersona是首个统一LMMs的端到端个性化框架，通过结构解耦的概念标记和显式知识重播机制，实现个性化理解、生成和图像编辑的一致可控。

Fed-SE: Federated Self-Evolution for Privacy-Constrained Multi-Environment LLM Agents

Fed-SE: 联邦自我进化用于隐私约束下的多环境大语言模型代理

Xiang Chen, Yuling Shi, Qizhen Lan, Yuchao Qiu, Min Wang, Xiaodong Gu, Yanfu Yan

机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； UTHealth Houston（UT健康科学中心休斯顿分校） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 Fed-SE通过局部进化与全局聚合范式，在隐私约束下提升多环境大语言模型代理的跨环境知识转移效果。

CircleFlow: Flow-Guided Camera Blur Estimation using a Circle Grid Target

CircleFlow: 通过圆格目标实现的流引导相机模糊估计

Jiajian He, Enjie Hu, Shiqi Chen, Tianchen Qiu, Huajun Feng, Zhihai Xu, Yueting Chen

机构 * Zhejiang University（浙江大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 CircleFlow通过圆格目标和流引导边缘定位，实现高保真的PSF估计，提升相机模糊校准的准确性和鲁棒性。

Towards Mitigating Excessive Forgetting in LLM Unlearning via Entanglement-Guidance with Proxy Constraint

面向通过纠缠引导与代理约束缓解大语言模型卸载过度遗忘的方案

Zhihao Liu, Jian Lou, Yuke Hu, Xiaochen Li, Yitian Chen, Tailun Chen, Zhizhen Qin, Kui Ren, Zhan Qin

机构 * Zhejiang University（浙江大学） ； Sun Yat-sen University（中山大学） ； Amazon（亚马逊） 纠错

AI总结 EGUP通过纠缠引导与代理约束缓解大语言模型卸载过度遗忘问题，提升卸载-效用权衡性能。

The Pragmatic Mind of Machines: Tracing the Emergence of Pragmatic Competence in Large Language Models

机器的实用性思维：追踪大型语言模型中实用性能力的出现

Kefan Yu, Qingcheng Zeng, Weihao Xuan, Wanxin Li, Jingyi Wu, Rob Voigt

机构 * Northwestern University（西北大学） ； The University of Tokyo（东京大学） ； RIKEN AIP（理化学研究所AIP） ； Zhejiang University（浙江大学） ； University of California, Davis（加州大学戴维斯分校） 纠错

AI总结 本文提出ALTPRAG数据集，通过对比推理评估不同训练阶段LLMs的实用性能力发展，发现模型规模和数据规模的增加提升其对实用性提示的敏感性，SFT和RLHF进一步增强其在认知-实用性场景中的表现。

Thinking with Deltas: Incentivizing Reinforcement Learning via Differential Visual Reasoning Policy

通过delta思考：通过微分视觉推理策略激励强化学习

Shujian Gao, Yuan Wang, Jiangtao Yan, Zuxuan Wu, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Wuhan University（武汉大学） 纠错

AI总结 通过微分视觉推理策略增强强化学习的视觉理解能力，提升多模态任务性能。

Comments 24 pages, 10 tables, 4 figures

MLB: A Scenario-Driven Benchmark for Evaluating Large Language Models in Clinical Applications

MLB：面向临床应用的大型语言模型评估场景驱动基准

Qing He, Dongsheng Bi, Jianrong Lu, Minghui Yang, Zixiao Chen, Jiacheng Lu, Jing Chen, Nannan Du, Xiao Cu, Sijing Wu, Peng Xiang, Yinyin Hu, Yi Guo, Chunpu Li, Shaoyang Li, Zhuo Dong, Ming Jiang, Shuai Guo, Liyun Feng, Jin Peng, Jian Wang, Jinjie Gu, Junwei Liu

机构 * Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； Health Information Center of Zhejiang Province（浙江省健康信息中心） ； Peking University（北京大学） 纠错

AI总结 MLB基准通过场景驱动的评估方法，评估大型语言模型在临床应用中的表现，揭示模型在结构化任务与患者交互场景间的性能差异。

Comments 11 pages, 4 figures, 5 tables