作者: Fei Tang, Yongliang Shen, Hang Zhang, Siqi Chen, Guiyang Hou, Wenqi Zhang, Wenqiao Zhang, Kaitao Song, Weiming Lu, Yueting Zhuang
研究方向: 图形用户界面(GUI)自动化与视觉语言模型(VLM)结合
FOCUS是一个结合快速预测与深入分析的GUI定位模型，旨在提高GUI自动化系统的性能，使其能够更准确地根据自然语言指令定位和解释界面元素。
作者: Zexu Huang, Min Xu, Stuart Perry
研究方向: 三维重建与渲染
本文研究了如何通过改进三维高斯分裂技术（3DGS）来提高三维重建和渲染的质量。主要目标是减少计算冗余，提高细节捕捉能力，并支持从低分辨率输入生成高分辨率输出。
作者: Yanbiao Ma, Wei Dai, Wenke Huang, Jiayi Chen
研究方向: 联邦学习与数据异构性
本文针对联邦学习中数据异构性问题，提出了基于几何知识引导的局部全局分布对齐方法，旨在解决局部和全局分布之间的显著不一致性，从而提高模型在异构数据上的性能。
作者: Yunfan Jiang, Ruohan Zhang, Josiah Wong, Chen Wang, Yanjie Ze, Hang Yin, Cem Gokmen, Shuran Song, Jiajun Wu, Li Fei-Fei
研究方向: 人机交互，机器人学，机器学习
该论文提出了一种名为BEHAVIOR ROBOT SUITE (BRS)的框架，旨在通过结合硬件和软件创新，实现机器人对日常家庭任务的全身操作。BRS通过JoyLo和Whole-Body VisuoMotor Attention (WB-VIMA)算法，实现了机器人对家庭环境的导航、对象的抓取和放置，以及复杂任务的完成。
作者: Yihao Liu, Yu-Chun Ku, Jiaming Zhang, Hao Ding, Peter Kazanzides, Mehran Armand
研究方向: 机器人学习，特别是手术机器人学习
dARt Vinci是一个用于手术机器人学习的可扩展数据收集平台，通过使用增强现实（AR）手部追踪和高保真物理引擎来捕捉基础手术任务中的微妙动作。该系统消除了对物理机器人设置的需求，并提供了时间、空间和硬件资源方面的灵活性，从而使得专业模拟成为可行的替代方案。
作者: Justin Chih-Yao Chen, Sukwon Yun, Elias Stengel-Eskin, Tianlong Chen, Mohit Bansal
研究方向: 自然语言处理、机器学习、多智能体系统
该论文提出了一种名为SYMBOLIC-MOE的混合专家模型框架，旨在通过自适应地选择和混合预训练的语言模型（LLM）来提高复杂推理任务的性能。该框架使用技能基的专家选择策略，并引入了批量推理机制，以提高效率和可扩展性。
作者: Yuxuan Bian, Zhaoyang Zhang, Xuan Ju, Mingdeng Cao, Liangbin Xie, Ying Shan, Qiang Xu
研究方向: 计算机视觉，视频处理，人工智能生成内容
VideoPainter是一种高效的、基于扩散变换器的视频修复和编辑框架，旨在解决现有方法在处理任意长度视频修复和编辑时的挑战，如背景与前景的平衡、对象身份的保持以及视频质量。
作者: Mark YU, Wenbo Hu, Jinbo Xing, Ying Shan
研究方向: 计算机视觉，视频生成，三维重建
该研究提出了一种名为TrajectoryCrafter的新方法，用于对单目视频中的摄像机轨迹进行重定向。通过将确定性的视图变换与随机的内容生成分离，该方法实现了对用户指定摄像机轨迹的精确控制。它使用了一种新型的双流条件视频扩散模型，该模型同时整合点云渲染和源视频作为条件，以确保精确的视图变换和连贯的4D内容生成。
作者: Ali Samimi Fard, Mohammadreza Mashhadigholamali, Samaneh Zolfaghari, Hajar Abedi, Mainak Chakraborty, Luigi Borzì, Masoud Daneshtalab, George Shaker
研究方向: 人机交互，智能家居，医疗健康
本研究提出了一种基于频率调制连续波雷达（FMCW）的人体活动识别框架，利用60 GHz雷达和多维特征图。该框架通过将多维特征图（范围-多普勒、范围-方位和范围-仰角）作为数据向量直接输入到机器学习和深度学习模型中，保留了数据的时空结构。研究通过一个包含七个活动类别的数据集进行验证，并使用两种不同的验证方法。
作者: Dan Hendrycks, Eric Schmidt, Alexandr Wang
研究方向: 人工智能与国家安全
本文探讨了人工智能（AI）对国家安全的影响，提出了应对AI带来的风险和挑战的策略。文章分析了AI在军事、经济和恐怖主义方面的潜在威胁，并提出了预防措施，包括建立相互确保AI故障（MAIM）的威慑机制、限制AI的非扩散以及提高国家的竞争力。