Coding Agents with an Obstacle-Aware Harness for Safe Robot Manipulation
面向安全机器人操作、具有障碍物感知约束框架的编码智能体
机构 * USC（南加州大学） ； UCF（中佛罗里达大学） ； UCSB（加州大学圣塔芭芭拉分校）
AI总结 本研究提出SafeHarness，通过障碍物感知的路径规划与接触执行框架，使编码智能体在机器人操作中优先考虑安全约束，显著提升任务成功率与碰撞避免率。
Embedding Models Measure in Peculiar Ways
嵌入模型以奇特的方式度量
机构 * University of Zurich（苏黎世大学）
AI总结 本文研究嵌入模型对物理测量的表示，发现其仅弱建模且受字符串相似性影响，重校准无法改善对齐。
Can 4D Foundation Models Remember?
4D基础模型能记住吗？
机构 * Cornell University（康奈尔大学）
AI总结 针对4D基础模型视觉记忆能力不足的问题，提出PersistBench基准，利用360°视频作为真实标注，从物体恒存性、运动连续性和外观保持性三方面评估，揭示当前模型仅能维持短期一致性，为未来发展提供指导。
Comments Project Page: https://guangzhaohe.com/persistbench
SplashSplat: Reconstructing Splashing Liquids from Real-World Multi-View Videos
SplashSplat：从真实世界多视角视频重建飞溅液体
机构 * Google（谷歌） ； ETH（苏黎世联邦理工学院） ； Microsoft（微软） ； EPFL（洛桑联邦理工学院）
AI总结 针对真实世界飞溅液体重建，提出SplashSplat方法，利用掩码融合SDF、水平集输运和拉格朗日载体解码高斯，在20个真实场景基准上超越现有方法，且支持时间插值与风格迁移。
Comments 18 pages (11 main + 7 supplementary), 14 figures, 12 tables. Project page: https://niko-creater.github.io/splashsplat-web/
FAMOS: Feed-Forward 3D Articulation Modeling from Sparse Observations
FAMOS：从稀疏观测进行前馈三维关节建模
机构 * Stanford University（斯坦福大学） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 提出FAMOS前馈模型，从稀疏点云联合推理可动部件分割与关节参数，通过多状态关节Transformer和观测关节跨度目标聚合多视图线索，在多个数据集上超越基线。
Comments Project page: https://kevinqu7.github.io/famos
Unifying Models of Intergroup Hostility in Online Discourse
统一在线话语中群体间敌意的模型
机构 * Information Sciences Institute, University of Southern California（南加州大学信息科学研究所） ； University of Maryland（马里兰大学）
AI总结 本研究利用2024年大选期间286万条社交媒体帖子，统一建模六种群体间敌意理论，发现边界建构与威胁建构为核心，机制按规律顺序出现，为计算社会科学提供实证基础。
Comments 16 pages
Score Centering Stabilizes Off-policy Reinforcement Learning
分数中心化稳定离策略强化学习
机构 * Together AI
AI总结 本文针对大型语言模型强化学习中的训练-推理不匹配问题，提出加性分数中心化校正项以消除漂移，稳定训练，并在0.6B至30B参数规模下匹配或超越重要性采样方法。
An Empirical Study of Harness Design for Coding Agents
编码智能体驾驭（Harness）设计的实证研究
机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； Emory University（埃默里大学） ； UNC Charlotte（北卡罗来纳大学夏洛特分校） ； Zoom Video Communications（Zoom视频通信公司）
AI总结 本研究通过轻量级编码驾驭系统，在四个模型和两个基准上实证分析了规划、动作空间与上下文管理三个组件的影响，发现上下文管理在预算紧张时防溢出最有效，规划随模型增强转为降本，动作空间影响成本与粒度，为驾驭设计提供模块化框架。
Comments 43 pages
PosteriorBench: From Point Estimates to Posterior Matching in Evaluating Generative Inverse Solvers
PosteriorBench：从点估计到后验匹配的生成式逆求解器评估
机构 * California Institute of Technology（加州理工学院） ； National Taiwan University（台湾大学） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） ； Stanford University（斯坦福大学） ； EarthFlow AI, Inc.（EarthFlow AI公司） ； Imperial College London（伦敦帝国理工学院）
AI总结 针对生成式逆求解器仅评估单点重建的不足，提出PosteriorBench基准，通过高保真参考后验与五指标套件评估分布精度，揭示现有求解器的分布匹配差距。
Comments 32 pages, 10 figures, 21 tables; the code is available at https://github.com/neuraloperator/PosteriorBench
StageGuard: Learning Stage Transitions for Long-Horizon Robot Tasks via Agentic Distillation
StageGuard：通过智能体蒸馏学习长时程机器人任务的阶段转换
机构 * University of British Columbia（不列颠哥伦比亚大学） ； University of Toronto（多伦多大学） ； Labs（2012实验室） ； McGill University（麦吉尔大学）
AI总结 针对长时程机器人任务中阶段转换决策困难的问题，提出StageGuard框架，通过智能体蒸馏将教师模型推理转化为轻量级学生VLM的自我解释，实现高效准确的阶段转换预测，并在基准和真实机器人上验证了显著改进。
Comments 8 pages, 2 figures
RetireOPD: Self-Retiring On-Policy Distillation for Agentic Reinforcement Learning
RetireOPD：面向智能体强化学习的自退役在策略蒸馏
机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团）
AI总结 RetireOPD通过自适应退役机制，在智能体强化学习中利用技能条件化教师进行在策略蒸馏，显著提升ALFWorld和WebShop任务性能。
Harm Laundering in GPT Models: Evidence That Gender Discrimination Is Transformed Rather Than Reduced Across Safety-Trained Generations
GPT 模型中的危害洗白：证据表明性别歧视在安全训练代际间被转化而非减少
机构 * Durham University（杜伦大学）
AI总结 本研究揭示 GPT 系列模型安全训练中，显性性别歧视被转化为隐性表征危害而非消除，提出“危害洗白”概念及三标准检测协议，证明毒性分数下降不足以代表危害减少。
Comments Accepted at EMNLP 26 Main Conference
GeoAAC: Geometry-Based Adaptive Action Chunking from Denoising Trajectories in VLA Policies
GeoAAC：基于几何的自适应动作分块，从VLA策略中的去噪轨迹出发
机构 * Tongji University（同济大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 针对VLA策略中固定动作视界无法适应任务阶段变化的问题，提出基于Flow Matching去噪轨迹几何的自适应动作分块方法GeoAAC，无需额外训练即可调整视界，在仿真和真实任务中显著提升成功率。
Comments 9 pages, 6 figures. Submitted to the IEEE International Conference on Robotics and Automation (ICRA) 2027
Calibrated RF-Fingerprinting Under Interference With Heterogeneous Transmission Protocols
异构传输协议干扰下的校准射频指纹识别
机构 * Prairie View A&M University, Texas A&M University System（普雷里维尤农工大学，德克萨斯农工大学系统）
AI总结 针对射频指纹识别在共信道干扰下的多标签分类问题，提出采用一维CNN并校准置信阈值以保证假阴性上界，在POWDER 5G真实数据上验证，准确率73%-97%，对分布外干扰鲁棒。
Agile-WAM: An Agile Tactile World Action Model for Contact-Rich Robot Control
Agile-WAM：用于接触丰富机器人控制的敏捷触觉世界动作模型
机构 * University of California, Davis（加州大学戴维斯分校） ； Analog Devices（亚德诺半导体）
AI总结 本文提出Agile-WAM，一种敏捷触觉世界动作模型，通过多视界多模态预测联合生成动作和未来状态，在模拟和真实任务中实现高成功率与低延迟控制。
OPTED: On-Policy Fine-Tuning for End-to-End Driving using a Render-Free Teacher
OPTED: 基于无渲染教师策略的端到端驾驶在线微调
机构 * KE:SAI ； ETH Zürich（苏黎世联邦理工学院） ； NVIDIA Research（英伟达研究院） ； Stanford University（斯坦福大学） ； ELLIS Institute Tübingen（ELLIS图宾根研究所）
AI总结 OPTED提出一种无渲染教师策略的在线微调方法，通过特权教师提供监督，在仿真中高效提升端到端驾驶性能，显著减少交互次数。
Comments 9 pages, 5 figures
RAFT: A Stateful Retrieval-Augmented Framework for Troubleshooting Agents
RAFT：面向故障排查智能体的有状态检索增强框架
机构 * Microsoft（微软）
AI总结 针对现有RAG系统忽略故障排查案例多阶段、有状态特性的问题，提出有状态检索增强框架RAFT，在条目级检索并返回锚定轨迹，经合成与真实数据评估，显著优于基线。
Comments Accepted to the EMNLP 2026 Industry Track
dQwen3.5: Hybrid-Attention Diffusion Language Models
dQwen3.5: 混合注意力扩散语言模型
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文通过适配Qwen3.5混合架构（0.8B至9B）构建dQwen3.5扩散语言模型，发现混合骨干网络训练效率更高（节省约一半token），且解码性能与全注意力模型相当。
MILER: Semantic Mid-Level Representation for Sim-to-Real Reinforcement Learning in Unstructured Autonomous Driving
MILER：非结构化自动驾驶中用于仿真到现实强化学习的语义中层表示
机构 * University of the Bundeswehr Munich（慕尼黑联邦国防军大学）
AI总结 MILER通过语义中层表示模拟器和轨迹对齐策略，实现非结构化自动驾驶中感知与控制的零样本仿真到现实迁移，并在真实测试中验证了有效性。
Comments Evaluation video: https://www.youtube.com/watch?v=IZli3Z87URI
Video DeltaNet: A Video-Native Hybrid Attention for Livestream Video Generation
Video DeltaNet：用于直播视频生成的视频原生混合注意力
机构 * Impossible, Inc.（Impossible 公司）
AI总结 本文提出Video DeltaNet，一种结合局部Softmax注意力与双向线性记忆的视频原生混合注意力机制，用于直播视频生成，在保持高质量的同时显著加速扩散模型去噪过程。
Comments 20 pages, 10 figures
On-Demand Attention: Language Models Know When to Recall
按需注意力：语言模型知道何时召回
机构 * Southern University of Science and Technology（南方科技大学） ； Peking University（北京大学） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出按需注意力（ODA），利用轻量级召回头预测全局注意力的益处，选择性调用全局注意力，在保持性能的同时减少全局读取，实现长上下文推理加速。
Comments 28 pages, 5 figures
Q&A on Any Spreadsheet Requires Interpreting Its Grid Structure
任意电子表格问答需要解读其网格结构
机构 * Systems Research Institute, Polish Academy of Sciences（波兰科学院系统研究所）
AI总结 本文提出基于单元格角色标注的电子表格分块框架，提升RAG可解释性，并指出需通过降维技术将二维表格展平为一维文本以突破瓶颈。
Underwater Visual Target Tracking with Target-Specific Depth Estimation and Adaptive Model-Fusion Predictive Control
水下视觉目标跟踪：目标特定深度估计与自适应模型融合预测控制
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Toronto（多伦多大学） ； University of Calgary（卡尔加里大学）
AI总结 本文提出一种基于立体视觉伺服的水下目标跟踪框架，通过目标特定深度提取与卡尔曼滤波实现稳定感知，并采用自适应模型融合预测控制实现实时平移控制，仿真和实验验证其性能优于现有方法。
Comments 9 pages,8 figures
Deep Noir: Autonomous Steering Discovery via Architectural Chronometry in Transformer Models
Deep Noir：通过Transformer模型中的架构计时学实现自主转向发现
机构 * Naval Surface Warfare Center Panama City Division（海军水面作战中心巴拿马城分部）
AI总结 Deep Noir通过Logit Lens收敛和因果头级归因自主发现最优转向参数，在多个规模和任务上显著提升性能，并揭示转向带来的提示注入攻击风险。
Don't Mask the Environment: Observation Supervision Changes How Agents Explore Under RL
不要遮蔽环境：观察监督如何改变智能体在强化学习下的探索
机构 * University of Maryland（马里兰大学） ； AWS AI Labs（亚马逊云科技人工智能实验室）
AI总结 针对标准SFT仅监督动作而忽略观察的问题，提出ActObs联合监督观察令牌，在不增加开销下提升GRPO后的探索与pass@k，并保留策略初始化。
Comments 29 pages, 9 figures, 11 tables
MoWAM: Explicit Future Motion Prediction for Efficient World Action Models
MoWAM：面向高效世界动作模型的显式未来运动预测
机构 * Fudan University（复旦大学） ； Singapore Management University（新加坡管理大学） ； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身智能研究院）
AI总结 MoWAM用显式未来运动预测替代未来视频生成，通过混合Transformer联合预测运动与动作，实现高效推理时扩展，在LIBERO及真实任务中提升分布外鲁棒性和成功率。
HOPHY: A Hierarchical Hypergraph Representation for Off-Road Path and Mission Planning
HOPHY：用于越野路径与任务规划的层次超图表示
机构 * University at Buffalo（布法罗大学）
AI总结 HOPHY提出一种层次超图地形表示，实现高效越野路径与任务规划，在公里级地图上达到100%规划成功率且代价偏差极小，计算量较像素A*降低79倍。
Comments Under Submission for IEEE Journal
Custom PX4 firmware for autonomous hybrid aerial-marine missions
用于自主空中-海上混合任务的定制PX4固件
机构 * PRISMA Lab, Department of Electrical Engineering and Information Technology, University of Naples Federico II（那不勒斯费德里科二世大学）
AI总结 本文提出PX4固件扩展，集成手动与自主海上导航模式，支持混合空中-海上任务统一规划，仿真验证了稳定水面导航。
Comments Accepted to I-RIM 3D 2026 and it will be published in SPAR series
Towards Scaling Marine Perception with Synthetic Data
迈向基于合成数据的海洋感知扩展
机构 * University of Michigan（密歇根大学）
AI总结 本文扩展OceanSim模拟器，提出合成数据生成流水线，用于训练水下感知模型，并在真实海胆检测任务上验证其有效性，探讨了模拟到真实泛化的关键因素。
Comments Accepted at OCEANS 2026 Monterrey
Epidemiological Causal Graph Identification: Challenges, Identifiability and Algorithms
流行病学因果图识别：挑战、可识别性与算法
机构 * University of Southern California（南加州大学） ； University of California, Davis（加利福尼亚大学戴维斯分校）
AI总结 本文针对混合数据类型（有序与指数族）的因果图识别问题，证明了边方向的可识别性，并提出了基于评分搜索和DAGMA优化的算法，实验验证了其有效性。
Comments 5 pages, 2 figures, accepted at the 60th Asilomar Conference on Signals, Systems, and Computers 2026
