跳到主要内容
检索

Nankai University

11 篇关联报道

订阅更新
  1. arXiv

    遥感融合不再只看像素保真:Lance用结构化文本闭环,独立检测器上mAP提高6.4

    遥感图像融合与语义理解长期分开优化,融合指标好并不保证下游检索和检测能用。Lance把每幅输入映射成由场景、物体、布局组成的封闭词表文本记录,用这段语言条件引导融合,再把融合结果重新描述成文本,以文本一致性和带负查询的文本—掩码对比损失回传梯度。在GF2、QuickBird、WorldView-III、WorldView-II四个传感器七个测试集上,降尺度参考指标相对最强学习基线最高提升11.7%、中位2.1%;用训练时未见的RemoteCLIP和DOTA监督检测器评估,检测mAP@0.5比最接近的对比方法高6.4。

  2. arXiv

    流式视频不再只记“有什么”:DeltaStreamer把帧间变化写进记忆,OVO-Bench总分66.07%

    流式视频理解要在还不知道后续会问什么的情况下保留证据,而现有方法压缩历史时容易把事件之间的变化抹平,且一旦帧过去就无法找回被省略的细节。DeltaStreamer把相邻帧的视觉变化显式记录进分层文本记忆,并在问题到达后由查询驱动的规划器决定检索、继续观察还是回放历史帧。在OVO-Bench与StreamingBench上,其总分分别为66.07%和59.53%,高于所比较的代表性流式方法。

  3. arXiv

    相似技能不再靠描述打分:能力图按最弱证据判定,ALFWorld成功率从22%升到29%

    智能体技能库变大后,语义相近的技能仅凭描述难以区分。SKALOS把每个技能拆成能力、方法、产物与约束节点构成的多层级能力图,用Max–Min见证学习要求同一实现联合覆盖查询的全部需求,并以排序反馈校准抽取错误。在SkillRet上,它的NDCG@10比匹配的纯文本重排器高2.68个百分点;在受控ALFWorld任务上,见证引导的技能选择把成功率从22%提高到29%。

  4. arXiv

    广告图不再整张重做:只改拖累点击的属性,一周线上曝光两千万次点击率提升6.86%

    电商广告图优化从整张重做改为按属性细粒度编辑:先筛出28个与点击率显著相关的视觉属性,再按真实点击偏好调整修改建议,一周线上约两千万次曝光下整体点击率提升6.86%。

  5. arXiv

    Position Forcing 让单阶段 3D 生成从 VecSet 隐变量中恢复位置并逐级量化,在 ULIP 与 Uni3D 四项指标上取得最佳或并列最佳

    该工作观察到 VecSet 隐变量 token 仍保留可恢复的空间对应关系,提出 Position Forcing:在去噪过程中从预测的干净隐变量恢复 token 位置,并按噪声水平逐级量化后经 3D RoPE 反馈给扩散 Transformer,从而在无需单独位置生成阶段的情况下为单阶段 3D 生成提供由粗到细的空间引导,在 ULIP 与 Uni3D 四项指标上取得最佳或并列最佳。

  6. arXiv

    Ego2World 将第一视角烹饪视频编译为可执行规划环境,六种规划器在 105 项任务上常出现操作被接受但目标未达成

    作者提出 Ego2World 基准,把带标注的烹饪活动编译成部分可观测下的可执行规划环境,将源步骤与物体链接到符号动作规则、持久世界状态和显式任务条件,并分开维护世界状态与智能体信念;在 105 项任务上评估六种规划器发现被接受的操作常未达成任务目标,执行轨迹与条件检查可区分中断、部分达成与执行完成但未达成目标;另一项配对 Qwen-Plus 研究中,持久信念使动作有效性提高 4.15 个百分点、视觉查询尝试减少 90.27%,但 token 用量更高且未检测到完成度提升。

  7. arXiv

    SynLat 用句法对齐单元做文本-隐空间混合压缩,在约 44% 压缩率下保留 94.0% 的未压缩准确率

    SynLat 把思维链压缩重新表述为表示保真度的分配问题:用成分句法把推理轨迹切成有序不重叠的句法对齐单元(SAU),由答案条件化的教师模型为单个压缩条件化学生模型生成渐进式 KEEP/LATENT 目标,隐单元映射到共享离散码本;推理时学生模型仅凭问题和压缩等级生成文本与隐符号混合的思维链。在两个 Qwen3 学生规模、Standard- 与 Long-CoT 任务组、三个压缩等级共 12 个任务组聚合中,SynLat 全部达到或超过最强基线,其中 11 个严格领先;MEDIUM 下总体领先 3.6/2.6 个百分点,HIGH 下扩大到 7.0/5.5 个百分点。

  8. 南开大学团队用362天全网扫描发现:暴露在公网的Ollama端点一年内增长53.3%,但低于漏洞修复版本的IP仅0.43%–2.90%原地升级

    南开大学团队用XMap对全网IPv4的11434端口做了2025年2月14日至2026年2月13日共362个观测日的每日主动探测,累计发现152,137个暴露的Ollama端点,发现日活端点从10,473升至16,059(增长53.3%)、26.4%的IP仅出现一天、五个CVE切点下仅0.43%–2.90%的低于修复版本IP原地升级、前五国家/地区占加权观测约70%、前五ASN均为云或托管服务商,并通过PTR与443端口TLS探测刻画其运营特征。

  9. arXiv

    Pruned CTC 把大词表 CTC 训练显存从线性增长中解放,LLM-CTC 在 GigaSpeech 上以 7–10 倍更快识别保持 7% 以内相对 WER

    该工作提出 Pruned CTC:利用每个合法 CTC 对齐只用到目标 token 与 blank 这一结构,把对齐计算限制在批内目标类与 blank 的子集上、同时保留全词表归一化,并证明其在损失与一阶梯度上与全词表 CTC 精确等价;在 Zipformer-M 与 180K 词表下把完整训练步显存降低 5.1 倍、步时开销仅 17%,在三个语料上匹配标准 CTC 精度;基于它构建的 LLM-CTC 让预训练因果 LLM 以非自回归方式做原生词表 ASR,在 GigaSpeech 上六个 Qwen3 规模(0.6B 至 32B)内相对 LLM-CE 的 WER 差距在 7% 以内而识别快 7 至 10 倍,流式扩展在测试集上相对匹配的离线模型 WER 差距在 3% 以内。

  10. Chemical Communications

    基于反应性描述符的先进电催化剂理性设计:面向高性能锂硫电池

    这篇综述围绕锂硫电池中硫转化的基本化学与限速步骤,梳理了催化剂调控策略与描述符之间的关联,将描述符归纳为电子、热力学与结构三大类并讨论其性质-性能关系,进而指出通用描述符的发展方向以及原位表征、计算建模和人工智能在描述符构建与高活性催化剂设计中的潜在作用。