Dagelijks geselecteerde AI onderzoekspapers met vertalingen
We introduceren Vidu S1, een real-time interactief videogeneratiemodel dat spraakbesturing van digitale personages ondersteunt. Gebruikers kunnen op elk moment de inhoud van videogeneratie sturen via spraakopdrachten. Vidu S1 ondersteunt oneindig lange real-time videogeneratie zonder vervaging, afwijking of visuele vervorming. Gebouwd met TurboDiffusion en TurboServe, levert Vidu S1 540p real-time video's met tot 42 FPS op gewone consumenten-GPU's. Gebruikers kunnen aangepaste afbeeldingen van echte mensen, anime en huisdieren uploaden, en verschillende stemtonen kiezen voor gepersonaliseerde ervaringen. Experimenten tonen aan dat Vidu S1 de beste prestaties levert op alle testmetrieken, terwijl het volledig voldoet aan real-time inferentievereisten. Een speelbare online demo is beschikbaar op https://vidu.com/vidu-stream.
De inherente complexiteit van videobegrip maakt het moeilijk te bepalen of de benchmarkprestaties van Video-LLM's voortkomen uit visuele perceptie, taalkundig redeneren of kennisprioriteiten. Hoewel er veel benchmarks zijn ontstaan om hoogwaardig redeneren te beoordelen, worden gedeelde criteria voor het evalueren van videobegrip grotendeels over het hoofd gezien. In plaats van nog een benchmark te introduceren, nemen we afstand om de criteria voor het evalueren van videobegrip opnieuw te onderzoeken. In dit werk introduceren we Video-Oasis, een duurzame diagnostische suite voor het systematisch auditen van bestaande videobegrip-benchmarks. Deze audit onthult dat 55% van de bestaande benchmarkvoorbeelden oplosbaar is zonder visuele input of temporele context. Na het filteren van deze kortsluitingen, leggen de overgebleven video-native uitdagingen een aanzienlijke capaciteitskloof bloot: state-of-the-art modellen presteren slechts marginaal boven willekeurig raden. Voortbouwend op deze bevindingen gebruiken we de gedistilleerde uitdagingen als testbed om te onderzoeken welke algoritmische ontwerpkeuzes bijdragen aan robuust videobegrip. We hopen dat ons werk een praktische basis biedt voor het construeren van rigoureuze videobenchmarks en het evalueren van toekomstige Video-LLM's. Code is beschikbaar op https://github.com/sejong-rcv/Video-Oasis.
Zero-Shot Compositionele Actieherkenning (ZS-CAR) vereist het herkennen van nieuwe werkwoord-voorwerp combinaties die zijn samengesteld uit eerder waargenomen primitieven. In dit werk pakken we een belangrijke faalmodus aan: modellen voorspellen werkwoorden via object-gedreven snelkoppelingen (d.w.z. vertrouwend op de gelabelde objectklasse) in plaats van op temporeel bewijs. Wij stellen dat schaarse compositionele supervisie en een asymmetrie in het leren van werkwoord-object relaties object-gedreven snelkoppelingsleren kunnen bevorderen. Onze analyse met voorgestelde diagnostische metrieken toont aan dat bestaande methoden overmatig aanpassen aan trainingsco-occurrentiepatronen en onvoldoende gebruik maken van temporele werkwoordaanwijzingen, wat leidt tot zwakke generalisatie naar ongeziene composities. Om object-gedreven snelkoppelingen aan te pakken, stellen we Robust Compositionele REpresentaties (RCORE) voor met twee componenten. Co-occurrentie Prior Regularisatie (CPR) voegt expliciete supervisie toe voor ongeziene composities en regulariseert het model tegen frequente co-occurrentie-priors door deze als harde negatieven te behandelen. Temporele Orde Regularisatie voor Compositie (TORC) dwingt temporele-ordegevoeligheid af om temporeel gefundeerde werkwoordrepresentaties te leren. Op Sth-com en EK100-com vermindert RCORE shortcut-diagnostieken en verbetert daarmee de compositionele generalisatie.
De snelle ontwikkeling van grote taalmodellen en multimodale grote taalmodellen heeft de opkomst versneld van proactieve agenten die in staat zijn alledaagse hulpmiddelen te bedienen en gebruikers te ondersteunen in reële omgevingen. Bestaande benchmarks slagen er echter vaak niet in dergelijke agenten effectief te evalueren, omdat ze veelal gebruikmaken van sandbox-omgevingen en evaluatieparadigma's met één beurt. Bovendien vermengen hun scenario-gebaseerde taaktaxonomieën meerdere modelcapaciteiten binnen dezelfde taakcategorie, waardoor het moeilijk wordt de grondoorzaken van agentfouten te identificeren. Om deze beperkingen aan te pakken introduceren we UniClawBench, de eerste capaciteitsgestuurde benchmark die ontworpen is om proactieve agenten te evalueren in dynamische, reële omgevingen. UniClawBench is opgebouwd rond vijf fundamentele modelcapaciteiten: Vaardigheidsgebruik, Verkenning, Redeneren met Lange Context, Multimodaal Begrip en Cross-Platform Coördinatie. Op basis van deze capaciteiten ontwerpen we 400 tweetalige reële taken. In tegenstelling tot eerdere benchmarks die afhankelijk zijn van statische, vooraf opgenomen antwoorden, evalueert onze benchmark agenten in live Docker-containers aan de hand van fijnmazige, stapsgewijze voltooiingscontrolepunten. Verder ontwerpen we een evaluatiestrategie in gesloten lus, bestaande uit een uitvoerderagent, een verborgen toezichthouderagent en een gebruikersagent, om realistische meervoudige menselijke feedback te simuleren zonder beoordelingscriteria prijs te geven. Om basismodelcapaciteiten te ontwarren van ontwerpkeuzes op framewerkniveau, evalueren we state-of-the-art modellen onder meerdere agentframeworks. Door uitgebreide vergelijkingen tussen zowel modellen als frameworks tonen we aan hoe basismodelcapaciteiten en agentframeworkontwerpen gezamenlijk de prestaties in reële omgevingen bepalen. Om toekomstig onderzoek te faciliteren, stellen we onze benchmark en code openbaar beschikbaar op https://github.com/HKU-MMLab/UniClawBench.
Wetenschappelijke ideeën komen zelden uit het niets. Ze erven mechanismen over, herstellen bekende beperkingen en combineren stukken van eerder werk, veel op de manier van biologische genomen. Huidige benchmarks zeggen nog maar weinig over of AI-systemen deze overervingsstructuur kunnen volgen. We presenteren IdeaGene-Bench (IG-Bench), een benchmark voor het redeneren over wetenschappelijke afstamming en het genereren van ideeën die aan die afstamming zijn gebonden. IG-Bench is opgezet rond het IdeaGene-kader: elk artikel of voorstel wordt weergegeven als een verzameling minimale, getypeerde, op bewijzen gebaseerde Idea Genome-objecten, en een GenomeDiff brengt deze objecten met elkaar in verband om overerving, mutatie, verlies, externe import en nieuwe invoeging vast te leggen onder zes operationele evolutionaire dynamieken. De benchmark bevat 1.961 gouden afstammingssporen, 1.085 samengestelde Idea Genome-objecten en 920 paarsgewijze GenomeDiff-records uit 10 wetenschappelijke domeinen. Het ondersteunt twee evaluaties. IG-Exam (42 taaktypen, 1.029 instanties) test het gesloten redeneren over afstamming, op het niveau van abstractie van Idea Genome, het traceren van overerving, evolutionair redeneren en verificatie van afstamming. IG-Arena evalueert het genereren met een aan afstamming gerelateerde Population-Evolution Score (PES), die vraagt of een voorstel kan worden ingevoegd als een coherente afstammeling van een gegeven afstammingspopulatie: het moet de juiste Idea Genome-objecten overnemen, zinvol variëren ten opzichte van verwant werk, en selectiewaarde bieden voor toekomstig onderzoek. Experimenten met 14 op LLM gebaseerde wetenschappers leggen een compositorische bottleneck bloot. Het sterkste systeem behaalt slechts 27,3% exacte nauwkeurigheid bij het redeneren over afstamming, en gestructureerde afstammingscontext herschikt de rangschikking van systemen in plaats dat het elke deelnemer uniform helpt.
Het herstellen van hoogwaardige video uit schaarse gebeurtenisstromen is een uitdagende taak. Regressiemethoden vervagen vaak texturen, terwijl bestaande generatieve modellen moeite hebben met stabiliteit op lange termijn. Wij stellen LongE2V voor, een nieuwe aanpak die gebruikmaakt van voorgetrainde videodiffusiepriors om gezamenlijk op gebeurtenissen gebaseerde videoreconstructie, voorspelling en frame-interpolatie aan te pakken. Door het finetunen van een fundamenteel videomodel bereikt onze aanpak een hoge data-efficiëntie en superieure perceptuele kwaliteit. We introduceren Autoregressief Uitrollen en Adaptieve Contextomschakeling om temporele drift in extreem lange sequenties te beperken. Ook stellen we Herencoderingsuitlijning met Kruisresidualcorrectie voor om precieze bidirectionele consistentie tijdens frame-interpolatie te waarborgen. Daarnaast zorgt Gebeurtenisvoxeldichtheidsaugmentatie voor robuustheid bij wisselende sensorresoluties. Uitgebreide experimenten op real-world benchmarks tonen aan dat LongE2V de state-of-the-art methoden overtreft voor alle drie taken, met uitzonderlijke temporele coherentie en zero-shot generalisatie. Projectpagina: https://cdfan0627.github.io/LongE2V-page/
In dit werk presenteren we Canvas360, een tweefasenraamwerk voor in-context panoramageneratie dat geometriebewuste pretraining combineert met downstream taakspecifieke fijnafstemming. Om het gebrek aan grootschalige, hoogwaardige trainingsdata die specifiek zijn afgestemd op in-context panoramataken aan te pakken, stellen we Canvas360Dataset voor, een verzameling van 1 miljoen hoogwaardige gepaarde panoramische monsters voor stijloverdracht, inpainting, outpainting en bewerking, waardoor effectieve supervisie mogelijk wordt in diverse in-context generatiescenario's. Aan de modelleerkant verbetert Canvas360 de tekst-naar-panorama-generatie door parallelle dieptegeneratie, velocity circular padding en regularisatie van gelijkheidsverlies, waardoor het model geometriebewuste representaties kan leren, details van objectvervorming kan vastleggen en de geometrische consistentie en globale samenhang kan verbeteren. Bovendien maakt Canvas360, versterkt door sterke panoramische prioriteiten, een verenigd in-context panoramageneratiekader mogelijk dat diverse downstream taken ondersteunt via concatenatie op token-niveau, en eerdere methoden overtreft in zowel taakdekking als modelleringsflexibiliteit. Uitgebreide experimenten tonen aan dat Canvas360 de betrouwbaarheid van panoramabeelden verbetert, met name sterke prestaties levert op de panoramaspecifieke FAED-metriek en concurrerende of leidende resultaten behaalt in de gerapporteerde kwantitatieve evaluaties. Meer informatie is te vinden op onze projectpagina: https://zry000.github.io/Canvas360/
Huidige computationele benaderingen voor geneesmiddelontwerp richten zich doorgaans op het genereren van moleculen die zijn geconditioneerd op specifieke doelwitten of algemene moleculaire eigenschappen, waarbij vaak de invloed van de ziektecontext op het gedrag van het doelwit en therapeutische uitkomsten wordt genegeerd. Om dit hiaat aan te pakken, introduceren we DrugGen-2, een nieuw generatief model dat kleine moleculen ontwerpt die zijn geconditioneerd op zowel ziekte-ontologie als doelwiteiwitsequenties. DrugGen-2 is ontwikkeld door een voorgetraind GPT-2-model te finetunen op een samengestelde dataset van goedgekeurde geneesmiddelen die zijn gekoppeld aan hun ziekten en doelwitten, met behulp van een tweestapsstrategie bestaande uit gesuperviseerd finetunen gevolgd door versterkend leren via groepsrelatieve beleidsoptimalisatie (GRPO). Dit proces werd gestuurd door beloningsfuncties die optimaliseren voor chemische geldigheid, nieuwheid, diversiteit en een hoge voorspelde bindingsaffiniteit. Bij evaluatie op vijf eiwitdoelwitten die relevant zijn voor diabetische nefropathie, presteerde DrugGen-2 aanzienlijk beter dan de basismodellen (DrugGPT en DrugGen). Het vertoonde een superieur vermogen om unieke moleculen te genereren, vertoonde een grotere structurele gelijkenis met goedgekeurde geneesmiddelen en behaalde verbeterde voorspelde bindingsaffiniteiten voor alle doelwitten. Moleculaire dockinganalyses ondersteunden deze bevindingen verder door kandidaatliganden met sterk bindingspotentieel te identificeren, waaronder verbindingen met voorspelde affiniteiten (-9,917, -9,485 en -9,367) die die van referentiegeneesmiddelen zoals enalapril voor angiotensine-converterend enzym (-8,283) overtroffen. Door ziektespecifieke context te integreren in moleculaire generatie, bevordert DrugGen-2 AI-ondersteunde geneesmiddelenontdekking en biedt het een krachtig hulpmiddel voor de novo-ontwerp en geneesmiddelherbestemming dat rekening houdt met de complexe wisselwerking tussen ziekten en moleculaire doelwitten.
De groeiende vraag naar beeld-naar-video-creatie op mobiele apparaten richt zich steeds meer op cinematische bewegingseffecten zoals bullet time, dolly zoom, slow motion, enz. Hoewel Diffusion Transformers (DiTs) sterke prestaties leveren bij het genereren van video's, leiden hun grote parameteraantallen en meerstaps iteratieve denoisingprocessen tot aanzienlijke rekenkundige overhead, waardoor efficiënte generatie op mobiele apparaten een uitdaging vormt. Wij stellen CineMobile voor om deze kloof te overbruggen. In het bijzonder hanteert CineMobile een drieledige optimalisatiestrategie: (1) het benutten van een destillatiegestuurd snoeiaanpak om een compact maar efficiënt model af te leiden dat de essentiële videogeneratiecapaciteiten voor cinematische effecten behoudt; (2) het optimaliseren van het gecomprimeerde model tot een 4-staps generator via een combinatie van diffusiedestillatie en reinforcement learning; (3) het toepassen van een hybride post-training kwantiseringsstrategie om de modelomvang te comprimeren tot onder 1 GB. Experimentele resultaten tonen aan dat, vergeleken met het leraarmodel met de Wan 2.1-architectuur, CineMobile een 40x versnelling in generatie bereikt met behoud van vergelijkbare visuele kwaliteit. Specifiek genereert CineMobile 49-frame 480p-video's met een denoising-latentie per stap van 0,6 s op een NVIDIA H200 GPU en 20 s op het MediaTek Dimensity 8400 Ultimate 5G-platform, met een piekgeheugengebruik van 1,8 GB, wat de praktische toepasbaarheid ervan voor mobiele beeld-naar-video-creatie aantoont.
Moderne LLMs worden steeds vaker ingezet in toepassingen met lange context, zoals retrieval-augmented generation, repository-niveau coderen en agentische workflows, waarbij de opgebouwde redeneer- en gereedschapsporen de input routinematig een orde van grootte voorbij het pretrainingsvenster duwen, waardoor nul-shot contextuitbreiding het dominante implementatiepad wordt voor open-gewichts checkpoints. De meeste bestaande nul-shot methoden leggen vooraf één enkele herschalingsfactor vast, waardoor een agressieve factor de getrouwheid voor korte context opoffert, terwijl een conservatieve factor bij lange context faalt. Wij stellen Jet-Long voor, een afstemmingsvrije nul-shot methode die een lokaal RoPE-getrouw venster combineert met een venster voor lange afstand waarvan de herschalingsfactor zich dynamisch aanpast aan de huidige sequentielengte, waarbij het basismodel exact wordt hersteld bij korte invoer en soepel wordt geëxtrapoleerd bij lange invoer. Een inclusie-exclusie aandachtsmerge en een on-the-fly RoPE-correctierotatie maken de bifocale constructie in wezen gratis tijdens inferentie; samengevoegd in een enkele CuTe-kernel bereikt lange-context prefill tot 1,39 keer de FA2-doorvoer op H100 (benadert de Hopper-only FA4), en enkel-batch generatie introduceert ≤ 4% overhead bij elke lengte. Op Qwen3-1.7B/4B/8B tot 128K context leidt Jet-Long tot +4,79/+2,18/+2,03 pp op RULER ten opzichte van de sterkste basislijn bij 1.7B/4B/8B, behaalt het de beste algehele nauwkeurigheid op HELMET-RAG (een benchmark die door HELMET is geïdentificeerd als de meest efficiënte voorspeller van downstream lange-context prestaties) en bereikt het de laagste PG-19 perplexiteit. Jet-Long generaliseert ook naar hybride aandachtsarchitecturen zoals Jet-Nemotron voor verdere verbetering van lange context zonder hertraining, en blijft hyperparameter-resistent voor eenvoudige implementatie.
Zelfaandacht stelt elk token in staat om informatie uit de volledige context op te halen, maar de kwadratische kosten in sequentielengte beperken training en inferentie bij lange context. Dit artikel presenteert een vergelijkende studie van softmax-aandacht en vier recente recurrente lineaire-aandachtarchitecturen: DeltaNet, Gated DeltaNet, Kimi Delta Attention en Gated DeltaNet-2. We drukken deze mechanismen uit in een gemeenschappelijke recurrente-geheugennotatie, wat expliciet maakt hoe ze verschillen in expressiviteit, geheugenverval, wissen- en schrijfcontrole, trainingsdoorvoer en implementatiecomplexiteit. Onze experimenten zijn gericht op modellen met 350M parameters, getraind op 15B tokens, en omvatten optimizer- en leersnelheidsvergelijkingen, vergelijkingen van hybride versus pure stacks, looptijdmetingen bij verschillende sequentielengtes, grotere DeltaNet-runs met 1,3B en 3B parameters, en een kleine set downstream-evaluaties. De gerapporteerde snelheidsresultaten meten de trainingsdoorvoer en iteratietijd; we geven geen empirische benchmark van de inferentiesnelheid. Binnen de gerapporteerde sweep met 350M parameters en 15B tokens bereikt Kimi Delta Attention met Muon het laagste uiteindelijke validatieverlies, heeft een pure Gated DeltaNet-stack getraind met AdamW de hoogste genormaliseerde trainingsdoorvoer, verbeteren hybride stacks over het algemeen het verlies ten koste van de doorvoer, en verlaagt Muon consequent het uiteindelijke validatieverlies ten opzichte van AdamW in de gematchte architectuurinstellingen die we evalueren. We introduceren en evalueren lichtgewicht cross-layer routeringsmechanismen voor DeltaNet-achtige geheugens. De meest natuurlijke, op DeltaNet geïnspireerde formulering, waarbij de delta-regel schrijffout van een lagere laag wordt doorgegeven als het waardedoelwit van de volgende laag, levert geen verbetering op ten opzichte van gematchte baselines. Routering naar de uitgelijnde verborgen stroom en het doorgeven van de schrijfwaarde in plaats daarvan levert een bescheiden verbetering op in de gematchde runs die we rapporteren: Cross-Layer Value Routing (CLVR) verlaagt het uiteindelijke validatieverlies voor zowel DeltaNet als Gated DeltaNet.
Reinforcement learning (RL) is de standaardparadigma geworden voor het verbeteren van de complexe redeneervaardigheden van grote taalmodellen (LLM's). Om steekproefefficiëntie te bereiken, vertrouwen moderne RL-frameworks op importance sampling (IS). Deze algoritmen kampen echter met een exploratie-stabiliteitsdilemma. Zuivere IS leidt vaak tot catastrofale trainingsinstabiliteit, terwijl standaard clippingmechanismen, die worden gebruikt om deze instabiliteit te beperken, het beleidsupdatebudget strikt inperken. Door het concept van Waarschijnlijkheidscapaciteit (Cap) te formaliseren, tonen we aan dat conservatief clippen de exploratie structureel belemmert door het updatebudget voor correcte maar onzekere redeneerpaden voortijdig af te kappen. Om deze beperkingen te doorbreken, stellen we Onbegrensde Positieve Asymmetrische Optimalisatie (UP) voor, een universele en plug-and-play-doelfunctie. UP herstructureert theoretisch het optimalisatieproces door het beleid via de stop-gradient-operator aan zijn huidige toestand te verankeren. Dit asymmetrische ontwerp ontsluit ongeclipte, stabiele gradiënten voor positieve voordelen om exploratie te maximaliseren, terwijl standaard clippbeveiligingen voor negatieve voordelen behouden blijven om trainingsinstabiliteit te voorkomen. Bovendien breidt onze formulering zich gemakkelijk uit over verschillende optimalisatiegranulariteiten, waaronder token-niveau (GRPO, DAPO) en sequentie-niveau (GSPO) frameworks. Uitgebreide experimenten tonen aan dat UP de exploratiecapaciteit vergroot en superieure redeneeraccuraatheid behaalt over diverse RL-algoritmen (DAPO, GSPO en GRPO), modelarchitecturen (Dicht, MoE en visie-taal) en trainingsmodaliteiten (taal en multimodaal), waarmee UP wordt gevalideerd als een werkelijk universele plug-and-play-verbetering voor op RL gebaseerde training.
Bij langetermijntaken is de beslissingsrelevante toestand vaak verspreid over een uitdijend traject, terwijl de actie-agent deze moet bovenhalen en ernaar moet handelen. Naarmate trajecten langer worden, kunnen taakvereisten, omgevingsfeiten, eerdere pogingen, diagnoses en openstaande subdoelen worden begraven in het contextvenster of erbuiten worden geduwd, waardoor ze niet op het juiste moment de besluitvorming beïnvloeden. We noemen deze storingsmodus "verval van gedragstoestand". We bestuderen geheugen als een actief interventiemechanisme in plaats van passieve ophaling. Een aparte geheugenagent draait naast een ongewijzigde actie-agent, werkt een gestructureerd geheugenbestand bij op basis van het recente traject en beslist of een op het geheugen gebaseerde herinnering moet worden geïnjecteerd of dat er moet worden gezwegen. De module is plug-and-play met geavanceerde actie-agenten en bestaande agentkaders. In Terminal-Bench 2.0 en τ^2-Bench verbetert het de pass@1 voor zowel zwakkere als sterkere actie-agenten, met winsten van +8,3 procentpunt op Terminal-Bench en +6,8 procentpunt op τ^2-Bench. Ablatiestudies tonen aan dat selectieve interventie beter presteert dan passieve blootstelling aan het geheugenbestand, altijd aanstaande injectie, alleen adviserende begeleiding en algemene ophaling. Als een vroege stap in de richting van open-gewicht geheugenbeleid trainen we Qwen3.5-27B op SETA met SFT en GRPO, wat de validatiebeloning verbetert en gedeeltelijke overdracht naar Terminal-Bench bewerkstelligt.
Magnetische resonantiebeeldvorming (MRI) superresolutie is essentieel voor het verbeteren van de diagnostische toegankelijkheid, maar de meeste methoden behandelen het als een deterministische afbeelding van een vaste laagresolutie-invoer naar een hoogresolutiedoel. Dit gaat voorbij aan een cruciale eigenschap van de acquisitiefysica van MRI: ruimtelijke resolutie en signaal-ruisverhouding (SNR) zijn inherent gekoppeld, waardoor elke gegeven laagresolutiescan slechts een van vele mogelijke realisaties is onder variërende acquisitie-afwegingen. Wij herzien MRI superresolutie als een fysica-bewust reconstructieprobleem, waarbij het doel is om de optimale resolutie-SNR-configuratie te identificeren en deze vervolgens te superresolveren om hoogwaardige MRI-resultaten te verkrijgen. Een belangrijke implicatie van deze formulering is dat MRI-resolutie dynamisch wordt in plaats van vast. Om dergelijke resolutie-heterogene invoer te verwerken, passen we 2D Gaussian Splatting (2D GS) aan voor MRI door reconstructie te formuleren als een coördinaat-gebaseerd, resolutie-agnostisch weergaveprobleem. Om de getrouwheid verder te verbeteren, introduceren we drie innovaties: (1) een prior-bewuste Gaussische representatie die een Anatomische Structuur Prior combineert voor weefselspecifieke kernelinitialisatie met een Beeldvormingssysteem Prior die hardwarekenmerken vastlegt via een covariantiewoordenboek; (2) een fysica-beperkte signaalmodelleringsschema dat intrinsieke weefselparameters (protonendichtheid ρ en effectieve relaxatiesnelheid R2) voorspelt en intensiteiten synthetiseert via bepalende fysische vergelijkingen, wat biofysisch plausibel contrast waarborgt; en (3) een meta-leerframework dat de schaarste aan gepaarde data verlicht door voortraining op gesimuleerde data en aanpassing aan realistische omstandigheden. Uitgebreide experimenten op dynamische-resolutie datasets en standaard benchmarks tonen aan dat onze methode state-of-the-art prestaties levert, wat het sterke potentieel voor klinische toepassing benadrukt.
Inferentie-tijdsschaalvergroting voor tekst-naar-beeldgeneratie is geëvolueerd van eenvoudige Best-of-N (BoN) sampling naar begeleide zoekmethoden die kandidaattrajecten verifiëren en sturen tijdens tussenliggende denoisingstappen. Deze benaderingen richten zich op wanneer en hoe vaak er wordt geverifieerd tijdens het denoisingproces, maar beschouwen de kosten van de generatie zelf grotendeels als vast. Bovendien telt de standaardpraktijk van het vergelijken van methoden op basis van het aantal functie-evaluaties (NFEs) alleen de denoising forward passes en negeert de overhead van de verificateur, wat de efficiëntieranglijsten kan vertekenen. We tonen aan dat onder wandklok-evaluatie eenvoudige BoN al even goed of beter presteert dan verschillende begeleide zoektechnieken, wat suggereert dat rekenkracht beter besteed kan worden aan bredere exploratie dan aan herhaalde tussenliggende verificatie. Dit motiveert Flash-BoN, dat een grote pool van goedkope conceptkandidaten genereert door drie complementaire versnellingsknoppen te combineren: tijdstap-truncatie, laagoverslaan en activatieproxy's in één configuratie die eenmalig per model wordt geoptimaliseerd. Een efficiënte meerfasige verificatieprocedure identificeert vervolgens het meest veelbelovende concept, dat op volledige kwaliteit wordt verfijnd. Over drie benchmarks en drie modelschalen heen presteert Flash-BoN consequent beter dan alle baselines onder vaste wandklok-budgetten, met winsten die toenemen bij grotere modelschalen (+8% AUC). Verder tonen we aan dat onze strategie goed combineert met en bestaande orthogonale technieken zoals reflectie-gebaseerde promptoptimalisatie verbetert (+16% AUC). De winsten correleren met een verhoogde kandidaatdiversiteit, wat ook concept-geleide selectie mogelijk maakt om RL-post-training convergentie te versnellen.
Semantische audiotoepassingen vereisen in toenemende mate controleerbare generatie op gangbare en ingebedde hardware, in plaats van via raamwerk-intensieve datacenterstacks. We presenteren aria, een afhankelijkheidsvrije native runtime die de volledige tekst-naar-muziekpijplijn van Stable Audio~3 (SA3) uitvoert op gewone GPU's, CPU-only machines en een Raspberry~Pi~5, zonder Python of deep learning-raamwerk eronder. Onze belangrijkste bijdrage is een studie naar kwantisatie: het model op lagere numerieke precisie draaien om te voldoen aan krappe geheugenbudgetten, waarbij geheugen op dezelfde plek wordt bespaard in plaats van toegevoegd. Omdat de runtime eigenaar is van elke interne tensor, biedt deze ook activeringsturing, een goedkope manier om te sturen wat het model genereert. We beoordelen de kwaliteitskost met drie onafhankelijke maten van de uitvoer (prompttrouw, algehele audiokwaliteit, smaakbehoud), elk vergeleken met de gebruikelijke variatie tussen willekeurige seeds. Acht-bit precisie vertoont geen meetbaar kwaliteitsverlies op welke maat dan ook, terwijl het geheugen drastisch wordt verminderd, en het is de snelste modus op de GPU; vier-bit voegt een kleine, begrensde kost toe, maar verkleint de voetafdruk genoeg om het model met 1,2 miljard parameters te draaien op een 8\,GB Pi. Vergeleken met de officiële implementatie evenaart of overtreft aria de generatiesnelheid en start ongeveer zeven keer sneller. Een casestudy van de sturingsinterface genereert muziek met smaakassociaties (sonische kruiding), met echte maar begrensde controle over een subset van attributen. Deze resultaten maken van een compacte, gekwantiseerde runtime met ingebouwde controle een praktische basis voor on-device semantische audio in Internet-of-Geluiden-omgevingen. De aria runtime is uitgebracht op https://github.com/matteospanio/aria.
Grote taalmodellen (LLM's) functioneren steeds vaker als geïntegreerde data science-agenten, waarbij abstract redeneren wordt gecombineerd met geavanceerd gebruik van hulpmiddelen. Het relevante benchmarklandschap is echter grotendeels opgedeeld in enerzijds symbolische causale redeneerbenchmarks zonder realistische data-analyse en anderzijds data-analysebenchmarks zonder een principiële causale datagenererende structuur. Bovendien zijn bestaande causale evaluatiedatasets vaak beperkt tot zorgvuldig geselecteerde voorbeelden uit bestaande bronnen, waarbij diversiteit voortkomt uit beperkte gesjabloneerde variaties in plaats van uit systematische generatie van nieuwe synthetische causale structuren. Wij introduceren CausalDS, een benchmark voor het evalueren van causaal redeneren in agentische data science-werkstromen. Elk benchmarkexemplaar is een scene bestaande uit een bemonsterd structureel causaal model (SCM) met gegenereerde observationele data en een bijbehorend synthetisch natuurlijk taalverhaal dat is ingebed in een realistisch domein. Optioneel verankeren we de samenstelling van de benchmarkcomponenten in empirische verdelingen verkregen uit real-world datasets, waardoor we de empirische structuur behouden en tegelijkertijd het risico op een 'causale papegaai' verkleinen door volledig synthetische generatie. Uit elke scene leiden we vervolgens taken af die alle drie de treden van Pearl bestrijken, waarbij typische data science-voorspellingstaken als Trede 1 voorkomen. De meeste taken omvatten een data science-codeercomponent, waarbij het model doorgaans meerdere hulpmiddelen moet gebruiken om tot het uiteindelijke antwoord te komen vanwege de frequente aanwezigheid van imperfecte observaties, die worden gegenereerd door een observatiemodel. Bovendien wordt het herkennen wanneer een vraag geen gerechtvaardigd antwoord toelaat, en het zich daarvan onthouden, behandeld als een volwaardig gescoorde uitkomst. De benchmark evalueert dus gezamenlijk symbolisch causaal redeneren, data science, onzekerheidskwantificering, onthouding en toolgebruik/coderen.
In een klasse van quantumcircuits die bekend staat als gepiekte circuits, is het doel om de meest waarschijnlijke bitstring aan de uitgang van het circuit te voorspellen. Omdat deze circuits zijn ontworpen om een scherpe piek in hun uitvoerverdeling te hebben, zou het in principe mogelijk moeten zijn om ze te simuleren met behulp van een getrunceerde toestandsvector met een beperkt aantal termen, of een fractie van de totale waarschijnlijkheidsmassa. Deze benaderende simulatie kan worden uitgevoerd op een klassieke computer met een schaarse representatie die alleen de niet-nul amplitudes van de toestandsvector opslaat, in tegenstelling tot de dichte representaties die gebruikelijk zijn in de meeste quantumsimulatoren. Voor efficiëntie moeten alle bewerkingen op de toestandsvector zoveel mogelijk worden gevectoriseerd en, indien beschikbaar, kan ook hardwareversnelling worden gebruikt. Dit werk beschrijft hoe aan deze vereisten is voldaan in een open-source implementatie en bespreekt de prestaties en beperkingen ervan.
Moderne Video Object Segmentation (VOS) omvat het volgen en segmenteren van door de gebruiker gespecificeerde doelwitten. Hoewel recente benaderingen opmerkelijke prestaties hebben behaald in scenario's met één enkelvoudig doelwit, leidt het uitbreiden naar instellingen met meerdere doelwitten doorgaans tot het repliceren van de verwerking van enkelvoudige doelwitten voor elk individueel object, wat resulteert in een verlaagde beeldverwerkingssnelheid (FPS) met onbegrensde latentie naarmate het aantal doelwitten toeneemt. Gebaseerd op Segment Anything 2 (SAM2), stellen wij SAM-MT voor, dat dit probleem aanpakt door het model om te vormen tot een interactief raamwerk voor real-time videosegmentatie van meerdere doelwitten. SAM-MT gebruikt expliciete query's om verschillende individuele doelwitten weer te geven, parallel aan een gedeelde representatie voor globale context. Het maakt gebruik van ontkoppelde gemaskeerde aandacht om individuele identiteiten gescheiden te houden van interferentie tussen doelwitten, en spaars geheugen voor stabiele temporele evolutie, samen met gespecialiseerde strategieën voor het omgaan met occlusie en het voorkomen van overlap. SAM-MT ontkoppelt met succes de latentie van het aantal doelwitten, wat een real-time snelheid oplevert die vergelijkbaar is met basislijnen voor enkelvoudige doelwitten (>36 FPS voor 10 doelwitten) terwijl de robuuste videosegmentatieprestaties van SAM2 behouden blijven.
Een belangrijke uitdaging in de Arabische NLP is de schaarste aan dialectdata in vergelijking met Modern Standaard Arabisch (MSA), waardoor LLM’s overmatig MSA produceren en moeite hebben met dialectisch accurate generatie. Vanuit een interpreteerbaarheidsperspectief roept dit een fundamentele vraag op: waar en hoe worden dialectische kenmerken gecodeerd binnen de interne structuur van het model, en kunnen deze representaties worden benut om dialectgeneratie te verbeteren zonder fijnafstemming? Deze studie onderzoekt twee complementaire inferentietijdbenaderingen die tegelijkertijd dienen als interpreteerbaarheidsprobes en controleinstrumenten. Ten eerste voeren we een analyse op neuronniveau uit, waarbij we schaarse neuronpopulaties identificeren die dialect-specifieke kenmerken coderen, en aantonen dat het versterken of onderdrukken van deze neuronen de modeloutput in de richting van doeldialecten kan sturen. Ten tweede, gemotiveerd door de verstrengeling van dialectische kenmerken op het niveau van individuele neuronen, passen we een vectorsturingsaanpak toe die dialect-specifieke activatierichtingen extraheert en deze tijdens de inferentie injecteert. Samen belichten deze methoden de geometrie van dialectische kennis in Arabische LLM’s en bieden ze een principieel, op interpreteerbaarheid gebaseerd raamwerk voor dialectcontrole zonder dat er dialect-specifieke fijnafstemming nodig is.
We introduceren PAST-TIDE, ons standpuntdetectiesysteem dat beide deeltaken van de StanceNakba Shared Task op NakbaNLP@LREC-COLING 2026 aanpakt. Het centrale idee is statement tuning. We herdefiniëren standpunt als cloze-stijl gemaskeerde taalmodellering (MLM), waarbij een verbalisator labelwoorden aan standpuntcategorieën koppelt via de voorgetrainde MLM-kop in plaats van een willekeurig geïnitialiseerde classificatiekop toe te voegen. We vullen dit aan met prototypisch contrastief leren, dat leerbare klasseprototypen gebruikt voor batch-grootte-onafhankelijke contrastieve training, en onderwerp-conditionele laagnormalisatie voor cross-topic Arabische standpuntdetectie. PAST-TIDE behaalt macro-F1-scores van 0,75 voor Deeltaak A en 0,74 voor Deeltaak B op het officiële klassement, wat aangeeft dat minimale architecturale toevoegingen aan een voorgetraind model concurrerend kunnen blijven in laag-bronomgevingen.