多模态大模型

Clustered Randomized Smoothing for Stochastic Prediction Functions

面向随机预测函数的聚类随机平滑方法

Eduardo Figueiredo, Frederik Mathiesen, Julian Schumann, Jens Kober, Arkady Zgonnikov, Luca Laurenti

机构 * Delft University of Technology（代尔夫特理工大学） ； University of Stuttgart（斯图加特大学） ； AI4I 纠错

专题命中 多模态评测 ：multi-modal(abstract)

AI总结 本文针对随机多模态回归中随机平滑的模式崩溃问题，提出聚类α-平滑框架，在两个基准实验中较现有方法显著降低了Wasserstein距离与碰撞率。

Synchronized AMG and EMG Dataset of Lower-limb Muscle Activities in Everyday Training

日常训练中下肢肌肉活动的同步AMG与EMG数据集

Dongxu Tang, Shih Ying-Lei, Zhuoyi Ren, Jianting Liao, Yitian Shao

专题命中 多模态评测 ：multimodal(abstract)

AI总结 该研究构建了健康成人下肢活动的同步AMG与EMG多模态数据集，通过基准测试评估其用于关节角估计的性能，为下肢肌肉协调相关研究提供了可重复的资源。

Deciding When to Switch: E-Processes for Adaptive Minimax Training for Generative Adversarial Nets

切换时机的判定：生成对抗网络自适应极小极大训练的E-过程

Hyunjoo Kim, Sicheng Wu, Agastya Venkatraman, Guang Lin, Sehwan Kim

专题命中 多模态评测 ：multimodal(abstract)

AI总结 本研究将GAN训练的切换时机判定转化为序列假设检验问题，提出基于E-过程的自适应训练流程，在多模态合成分布与图像数据集上表现优于或匹配最优固定比例基线。

XGait: A Multi-Modality Wireless Sensing Dataset for Indoor Human Tracking and Identification

XGait：用于室内人体跟踪与识别的多模态无线传感数据集

Wei Xu, Zhu Wang, Yifan Guo, Changlong Cheng, Yin Zhang, Zhihui Ren, Bin Guo, Zhiwen yu

专题命中 多模态评测 ：cross-modal(abstract)

AI总结 针对现有无线传感数据集模态与轨迹局限，本文提出XGait多模态数据集，采用Wi-Fi与声学同步采集，构建统一多普勒频谱图表示，验证了两种传感模态的互补优势，为相关研究提供支撑。

Spinal-Multiple-Myeloma-SEG: A Dual-Energy CT Dataset Extended with Trabecular Bone Segmentation of Lumbar Vertebrae

Spinal-Multiple-Myeloma-SEG：扩展了腰椎骨小梁分割的双能CT数据集

Michal Nohel, Vlastimil Valek, Katerina Krejci, Roman Jakubicek, Marek Dostal, Jiri Chmelik

专题命中 多模态评测 ：multimodal(abstract)

AI总结 该研究扩展了Spinal-Multiple-Myeloma-SEG双能CT数据集，添加腰椎骨小梁分割掩码，支持多发性骨髓瘤相关的骨分析与深度学习任务，已通过TCIA和Zenodo公开。

Comments 8 pages, 2 figures

Learning Panorama-Aware VLA for Mobile Manipulation with Whole-Body Teleoperation

面向全身遥操作移动操作的全景感知VLA学习

Donglin Yang, Haoran Chen, Xingyu Chen, Lixing Liu, Manyi Li, Changhe Tu, Ke Xu, Xiaojian Ma, Si Liu

机构 * Beihang University（北京航空航天大学） ； Shandong University（山东大学） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Delta Intelligence（delta智能公司） 纠错

专题命中 多模态评测 ：multimodal(abstract)

AI总结 针对移动操作VLA策略的局部视野与全身演示数据收集难题，开发全身遥操作系统与PanoVLA全景感知VLA策略，基于5.5小时多模态数据集，在四项真实任务中平均阶段完成率91.3%、端到端成功率73.4%，性能优于局部视角基线。

Comments 8 pages, 4 figures

Diagnosing High-Performance BFT Consensus via Mixture Modeling of Block Time Distributions

通过区块时间分布的混合建模诊断高性能拜占庭容错共识

Hongru He, Akihiro Fujihara

专题命中 多模态评测 ：multimodal(abstract)

AI总结 本文提出基于HotStuff的高性能BFT共识区块时间混合建模诊断方法，应用于Hyperliquid与Aptos主网，揭示二者部署异质性差异，为BFT共识分析提供实用诊断工具。

Comments 9 pages, 4 figures, published as a full paper at 2026 IEEE International Conference on Blockchain and Cryptocurrency (ICBC)

Read, Critique, or Sketch? Investigating Alternative Visualization Literacy Assessment Modalities

阅读、批判还是绘图？探究替代的可视化素养评估模态

Zach Cutler, Lily W. Ge, Matthew Kay, Lane Harrison, Andrew McNutt, Alexander Lex

专题命中 多模态评测 ：multimodal(abstract)

AI总结 该研究开发了两种基于网络的可视化素养质性评估，与CALVI、Mini-VLAT对比后发现，其能捕捉独特技能且更好区分有经验个体，可作为现有评估的补充。

What Is Missing in Surgical Risk Stratification and Outcome Prediction: A Scoping Review of End-to-End Machine Learning Approaches

手术风险分层与结局预测中缺失的内容：端到端机器学习方法的范围综述

Yizhi Dong, Yuhe Ke, Hairil Rizal Abdullah, Yucheng Xing, Kevan Kai Bing Teo, Ling Huang, Mengling Feng

专题命中 多模态评测 ：multimodal(abstract)

AI总结 本范围综述回顾190项研究，分析手术风险分层与结局预测的ML流程，发现数据、方法、评估等方面存在差距，为开发更严谨的围手术期ML工具提供参考。

Comments This work has been submitted to the IEEE JBHI for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

Foundation-Model Earth Representations Enable Regional-Scale Forest Aboveground Biomass Monitoring Across the Northeastern United States

基于基础模型的地球表征实现美国东北部区域尺度森林地上生物量监测

Shashika Lamahewage, Chandi Witharana

专题命中 多模态评测 ：multimodal(abstract)

AI总结 该研究利用AlphaEarth基础模型生成的Google卫星嵌入，结合LiDAR数据与森林清查数据构建模型，实现美国东北部区域森林地上生物量的高精度监测，为规模化碳评估提供了新途径。

HiEviDR-Bench: A Benchmark for Hierarchical Evidence Aggregation in Deep Research

HiEviDR-Bench：深度研究中分层证据聚合的基准测试

Yubo Sun, Chunyi Peng, Yukun Yan, Zhenghao Liu, Sen Mei, Bangrui Xu, Xuanhe Zhou, Chi Chen, Maosong Sun

专题命中 多模态评测 ：multimodal(abstract)

AI总结 针对深度研究中证据聚合评估不足问题，HiEviDR-Bench构建基准测试，涵盖多领域多模态设置，用证据图表示实例，开发评估框架及机制。含2000个问题，实验显示多模型虽报告质量好，但在引用准确性等方面欠佳，瓶颈在证据识别和中间主张构建。

Comments Code and data are available at https://ai9stars.github.io/HiEviDR-Bench.github.io

FloAff-Kitchen: Bridging Navigation and Manipulation via Canonical and Progressive Floor Affordance Learning

FloAff-Kitchen：通过规范和渐进式地面可供性学习连接导航与操作

Ping Zhong, Manling Teng, Tao Wu, Bolei Chen, Jiazhi Xia, Jianxin Wang

专题命中 多模态评测 ：multimodal(abstract)

AI总结 研究针对移动操作中FloAff预测难题，提出含规范表示学习和渐进式可供性先验学习的统一框架，引入CFAR和PFAL，建立FloAff-Kitchen基准，实验证明该方法优于基线，验证了组件贡献。

The Clinical Trial Pipeline Reveals the Next Wave of Artificial Intelligence in Healthcare: A Multidimensional Analysis of 8,532 Registered Studies

临床试验管道揭示医疗保健领域人工智能的下一波浪潮：对8532项注册研究的多维分析

Lior Rokach

专题命中 多模态评测 ：multimodal(abstract)

AI总结 该研究通过对8532项注册研究多维分析，揭示医学人工智能临床试验格局。用关键词搜索和分类器识别试验，从多维度分类，发现虽从回顾转向前瞻，但在规模、专业覆盖等方面有差距，未来进展取决于弥合这些差距。

An AI-Driven Virtual Patient for Breaking Bad News: An Expert Formative Study on Facial Expression Intensity

用于传达坏消息的人工智能驱动虚拟患者：面部表情强度的专家形成性研究

Steffen Hauck, Theresa Schell, Sophie Jörg, Jens Grubert

专题命中 多模态评测 ：multi-modal(abstract)

AI总结 研究探讨大语言模型驱动的虚拟患者情感表达设计难题，提出结合大语言模型对话与实时面部动画的框架，通过对七位医学专家评估，发现专家通过多渠道评估情感真实感，为未来医学培训模拟器提出需同步多模态管道的路线图。

Air Quality Arena: A Large-Scale Multi-Region Ground Monitoring Dataset and Benchmark for Air Quality Forecasting with Time-Series Foundation Models

空气质量竞技场：一个大规模多区域地面监测数据集以及基于时间序列基础模型的空气质量预测基准

Rishi Bharadwaj, Manik Gupta, Pandarasamy Arjunan

专题命中 多模态评测 ：cross-modal(abstract)

AI总结 研究针对现有空气质量预测基准不足，提出空气质量竞技场（AQA），它是含多国多污染物的数据集及基准。通过在11个模型和基线测试，表明时间序列基础模型是有效零样本预测器，表现最佳的模型采用跨模态架构，AQA已公开发布。

Comments 20 pages

A2RL V\textsubscript{max}: The A2RL autonomous racing dataset for long-range, high-speed perception and multi-vehicle interaction

A2RL V下标max：用于远程、高速感知和多车辆交互的A2RL自动驾驶数据集

Marvin Klemp, Dominic Ebner, Cornelius Schröder, Davide Malvezzi, László Turányi, Riccardo Donati, Ilia Schminik, Xia Ning, Yanxin Zhou, Matthew Flagg, Christoph Stiller, Markus Lienkamp, Marko Bertogna, Gergely Bári, Andreas Birk, Ren Jin, Chen Lv, Johannes Betz

机构 * Institute of Measurement and Control Systems, Karlsruhe Institute of Technology（测量与控制系统研究所，卡尔斯鲁厄理工学院） ； Institute of Automotive Technology, Technical University of Munich（汽车技术研究所，慕尼黑工业大学） ； Professorship of Autonomous Vehicle Systems, Technical University of Munich（自动驾驶车辆系统教授职位，慕尼黑工业大学） ； University of Modena and Reggio Emilia（摩德纳大学和雷焦艾米利亚大学） ； Humda Lab, Széchenyi István University（胡姆达实验室，塞切尼·伊什特万大学） ； Politecnico di Milano（米兰理工大学） ； Constructor University（康斯坦丁大学） ； Beijing Institute of Technology（北京理工大学） ； Nanyang Technological University（南洋理工大学） ； Code 19 Racing（代码19赛车） ； Munich Institute of Robotics and Machine Intelligence (MIRMI), Technical University of Munich（慕尼黑机器人与机器智能研究所（MIRMI），慕尼黑工业大学） 纠错

专题命中 多模态评测 ：multimodal(abstract)

AI总结 介绍A2RL V下标max开源数据集，专为高速自动驾驶和多车辆交互感知任务设计，含多样场景数据及专业标注激光雷达点云，以开发者友好格式提供，还对相关检测和跟踪方法做了实现与评估。

Comments 8 pages

Automated Outlier-Robust Bayesian Profile Fitting for Magnetically Confined Plasmas with Modified Tanh Profiles and Good-and-Bad Gaussian Mixture Likelihoods

用于具有修正双曲正切分布和优劣高斯混合似然的磁约束等离子体的自动离群值稳健贝叶斯分布拟合

Jaewook Kim, Jekil Lee, Laurent Jung, Sang-hee Hahn, Sehyun Kwak

专题命中 多模态评测 ：multimodal(abstract)

AI总结 针对磁约束等离子体自动动力学分布拟合问题，提出基于修正双曲正切分布和优劣高斯混合似然的离群值稳健贝叶斯方法，解决相关障碍，经KSTAR实验验证，为大规模动力学分布生成提供基础。

Comments 16 pages, 8 figures; submitted to Nuclear Fusion

Interaction Density as a Behavioural Signature of Exhibit Type: A Minimal-Log Study from a Two-Venue Science Experience Centre

交互密度作为展品类型的行为特征：来自双场馆科学体验中心的最小日志研究

R A Udaya Rakshith, Inavamsi Enaganti, Umang J Gala

专题命中 多模态评测 ：multimodal(abstract)

AI总结 研究如何从触摸式展品默认记录的少量字段获取参观者与展品互动信息，通过分析得出交互密度这一行为特征区分游戏和测验，发现其能预测展品类型，但数据有复杂性，还表明最小化交互日志可支持行为研究。

Comments 7 pages, 4 figures. Raw session-level dataset (CSV) included as an ancillary file

A Bayesian framework for the uncanny valley in humanoid robot design

类人机器人设计中恐怖谷效应的贝叶斯框架

Shimon Honda, Rin Shibano, Hideyoshi Yanagisawa

机构 * The University of Tokyo（东京大学） 纠错

专题命中 多模态评测 ：cross-modal(abstract)

AI总结 研究类人机器人设计中恐怖谷效应，提出分层贝叶斯生成模型，将相关准则转化为数学变量，通过模拟和实验验证，该模型能将经验启发式方法转变为计算基础，用于评估和优化机器人外观与行为。

Computing critical velocities in waveguides via multiparameter eigenvalue problems

通过多参数特征值问题计算波导中的临界速度

Hauke Gravenkamp, Xiang Liu

专题命中 多模态评测 ：multimodal(abstract)

AI总结 研究波导动力学等场景中临界速度的计算方法，从多项式参数依赖特征值问题出发，结合等相速和群速条件得到奇异多项式多参数特征值问题，用既定算法求解，能同时计算所有临界点，经基准问题验证性能良好。

Effects of Robotic Touch on Older Users During Walking Guidance by a Humanoid Robot

类人机器人步行引导过程中机器人触摸对老年用户的影响

Leonie Leven, Marko Ackermann, Christian Werner, Melina Schmetterer, Theresa Buchner, Monika Eckstein, Katja Mombaur

专题命中 多模态评测 ：multimodal(abstract)

AI总结 研究老年人在机器人步行引导中对不同触摸模式的感知与响应，通过多模态评估方法，发现交互时压力略升但总体接受，较大交互力条件下距离更小，为机器人步行引导辅助设计提供见解，表明老年人更喜欢轻柔稳定触摸。

Scalable and Trustworthy Earth Observation Foundation Models

可扩展且可信的地球观测基础模型

Syed Usama Imtiaz, Mitra Nasr Azadani, Nasrin Alamdari

机构 * Department of Civil and Environmental Engineering, Florida State University（土木与环境工程系，佛罗里达州立大学） 纠错

专题命中 多模态评测 ：multimodal(abstract)

AI总结 研究地球观测基础模型，指出其因数据特性需特定领域适配。回顾相关设计原则，综合模型格局等内容，纳入基准证据说明评估问题，通过案例展示实践原则，提出应从多方面评估下一代遥感基础模型。

Comments (Preprint, in review) Elsevier Book Chapter: Next-Generation Remote Sensing Methods

Enhancing Photometric Redshift Estimation for LSST with a Hybrid LSTM-Mixture Density Network

用混合长短期记忆网络-混合密度网络增强大型综合巡天望远镜的测光红移估计

Zhijian Luo, Yangyang Li, Xinyu Luo, Hubing Xiao, Wei Fang, Shaohua Zhang, Chenggang Shu

专题命中 多模态评测 ：multimodal(abstract)

AI总结 研究针对大型综合巡天望远镜测光红移估计问题，提出LSTM-MDNz架构，结合长短期记忆网络与混合密度网络，在HSC数据集上评估性能，相比贝叶斯神经网络基线，提高点估计精度，降低异常值率，实现良好概率校准并能构建高纯度目录。

Gradient-free Riemannian Langevin Sampler

无梯度黎曼朗之万采样器

Ricardo Baptista, Olivier Zahm

机构 * University of Toronto（多伦多大学） ； UGA, Inria, CNRS, Grenoble INP*, LJK（格勒诺布尔大学、法国国家信息与自动化研究所、法国国家科学研究中心、格勒诺布尔国立综合理工学院、数值模拟与知识工程实验室） 纠错

专题命中 多模态评测 ：multimodal(abstract)

AI总结 研究多模态概率分布采样问题，提出无梯度黎曼朗之万采样器（GRiLS），通过引入黎曼度量改善探索，无需目标密度梯度评估，适用于复杂目标，用相互作用粒子系综估计均值和协方差，实证显示其混合效果优于现有方法。

NEMESIS: NEtlist-Driven Modeling and Equation Synthesis with Inversion-Aware SPICE Anchoring

NEMESIS：基于网表驱动的建模与方程合成，结合反演感知SPICE锚定

Subhadip Ghosh, Ramesh Harjani, Sachin S. Sapatnekar

专题命中 多模态评测 ：multimodal(abstract)

AI总结 研究基于大语言模型提出NEMESIS框架用于OTA设计，平衡分析模型与SPICE评估。通过识别电路原语生成性能方程，经修复循环优化。在65nm工艺下对五种OTA拓扑验证，方程误差小且评估速度大幅提升。

Comments Accepted for publication at the IEEE International Conference on LLM-Aided Design, 2026, to be held: Time: July 30-31, 2026 Location: Stanford University, Stanford, CA

Can LLMs Really Recover Microservice Failures? A Recovery-Aware Evaluation of Diagnosis-to-Action Reasoning

大语言模型真的能恢复微服务故障吗？对诊断到行动推理的恢复感知评估

Jiaxing Qi, Zhongzhi Luan, Hongyu Zhang, Shaohan Huang, Carol Fung, Yongxin Tong, Hailong Yang, Depei Qian

专题命中 多模态评测 ：multi-modal(abstract)

AI总结 研究大语言模型在云原生微服务系统中恢复故障的能力，提出R2Act框架，定义相关内容并实例化为基准数据集，评估多种方法，发现恢复失败多因难以将诊断证据转化为有效恢复行动。

Stable Global Weighting of Flow Mixtures using Simplex Exponential Moving Average

使用单纯形指数移动平均对流混合进行稳定全局加权

Benjamin Wiriyapong, Oktay Karakus, Can Eyupoglu, Kirill Sidorov

机构 * School of Computer Science and Informatics, Cardiff University（卡迪夫大学计算机科学与信息学学院） ； Department of Computer Engineering, Turkish Air Force Academy, National Defence University（土耳其空军学院计算机工程系，国家防卫大学） 纠错

专题命中 多模态评测 ：multimodal(abstract)

AI总结 研究归一化流在不同后验几何中泛化问题，提出AMF-VI-sEMA两阶段框架，基于单纯形指数移动平均更新实现稳定全局加权，能自适应分配容量，避免组件崩溃，实验效果优于之前方法。

Kernel Density Estimation by Spectral Decomposition: Data-Driven Tapering and Superposition

谱分解的核密度估计：数据驱动的锥化和叠加

Mitchell A. Thornton

专题命中 多模态评测 ：multimodal(abstract)

AI总结 提出在特征函数域进行带宽选择和密度估计，通过自动选择器、自适应Wiener估计器和叠加高斯混合的方法，在多种密度上优于固定带宽，并在大样本下取得领先。

Comments v1: 23 pp., 22 figs; v2: corrected ISJ/Botev baseline (library implementation found to undersmooth ~2.6x; all ISJ results regenerated), added classical attributions

MERLIN-SUITE: Probabilistic modular GRN inference from multi-omics data integrating regulatory priors and transcription factor activity

MERLIN-SUITE: 整合调控先验和转录因子活性的多组学数据概率模块化基因调控网络推断

Suvojit Hazra, Marina Kotvanova, Kirstan Gimse, Sushmita Roy

专题命中 多模态评测 ：multi-modal(abstract)

AI总结 提出MERLIN-SUITE框架，通过整合外部调控先验和潜在转录因子活性估计，实现从多组学数据中稳健推断基因调控网络，并在单细胞重编程数据中验证。

Comments 27 pages, 7 figures, This book chapter is scheduled to appear in the lab protocol series Methods in Molecular Biology

scMTNI: Leveraging cellular trajectory and context to infer dynamic GRNs from single-cell multi-omics data

scMTNI：利用细胞轨迹和上下文从单细胞多组学数据推断动态基因调控网络

Suvojit Hazra, Chandrani Kumari, Sushmita Roy

专题命中 多模态评测 ：multi-modal(abstract)

AI总结 提出scMTNI多任务学习框架，整合单细胞多组学数据推断细胞类型特异性GRN及其动态变化，应用于细胞重编程数据识别关键调控因子。

Comments 24 pages, 5 figures, This book chapter is scheduled to appear in the lab protocol series Methods in Molecular Biology