Carnegie Mellon University（卡内基梅隆大学）

Developing and evaluating a chatbot to support maternal health care

开发和评估一个支持产科保健的聊天机器人

Smriti Jha, Vidhi Jain, Jianyu Xu, Grace Liu, Sowmya Ramesh, Jitender Nagpal, Gretchen Chapman, Benjamin Bellows, Siddhartha Goyal, Aarti Singh, Bryan Wilder

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Population Council Institute（人口理事会研究所） ； Sitaram Bhartia Institute of Science and Research（西塔拉姆·巴提亚科学与研究研究所） ； Nivi, Inc.（Nivi公司） 纠错

AI总结 本文开发了一个印度产科保健聊天机器人，结合分阶段分诊、混合检索和证据引导生成，通过多方法评估验证了多语言噪声环境下医疗助手的可靠性。

Comments 17 pages; submitted to IJCAI 2026 AI and Social Good Track

Mending the Holes: Mitigating Reward Hacking in Reinforcement Learning for Multilingual Translation

修补漏洞：在多语言翻译中缓解奖励黑客

Yifeng Liu, Siqi Ouyang, Yatish Hosmane Revanasiddappa, Lei Li

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出WALAR方法，通过单语文本提升低资源语言翻译能力，同时保持高资源语言性能。通过词对齐和语言对齐技术缓解现有质量评估模型的漏洞，实验显示在Flores-101数据集上优于LLaMAX。

Comments Our code is available at https://github.com/LeiLiLab/WALAR

FraudFox: Adaptable Fraud Detection in the Real World

FraudFox: 实际世界中可适应的欺诈检测

Matthew Butler, Yi Fan, Christos Faloutsos

机构 * Amazon.com, Inc.（亚马逊公司） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 FraudFox通过动态重要权重的扩展卡尔曼滤波器解决资源受限环境下的对抗攻击问题，提出最优决策面和帕累托最优集以应对欺诈行为变化，已应用于亚马逊生产环境。

Journal ref In: Wang, G., Ciptadi, A., Ahmadzadeh, A. (eds) Deployable Machine Learning for Security Defense. MLHat 2020

MindfulAgents: Personalizing Mindfulness Meditation via an Expert-Aligned Multi-Agent System

MindfulAgents: 通过专家对齐的多智能体系统实现正念冥想的个性化

Mengyuan Millie Wu, Zhihan Jiang, Yuang Fan, Richard Feng, Sahiti Dharmavaram, Mathew Polowitz, Shawn Fallon, Bashima Islam, Lizbeth Benson, Irene Tung, David Creswell, Xuhai Xu

机构 * Columbia University（哥伦比亚大学） ； St. Margaret’s Episcopal School（圣玛格丽特教区学校） ； Carnegie Mellon University（卡内基梅隆大学） ； Worcester Polytechnic Institute（沃斯特理工学院） ； Institute for Social Research, University of Michigan（密歇根大学社会研究所） ； California State University Dominguez Hills（加州大学 Dominguez Hills 分校） 纠错

AI总结 本文提出MindfulAgents系统，利用大语言模型生成个性化正念冥想指导脚本，提升用户参与度和自我意识，减少压力，并通过实验验证其在长期冥想实践中的有效性。

Comments Accepted by CHI 2026; Zhihan Jiang and Yuang Fan contributed equally as second authors

RECAP: Reproducing Copyrighted Data from LLMs Training with an Agentic Pipeline

RECAP：通过代理流水线从LLM训练中重现受版权保护的数据

André V. Duarte, Xuying li, Bin Zeng, Arlindo L. Oliveira, Lei Li, Zhuo Li

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Instituto Superior Técnico/INESC-ID（里斯本技术大学/INESC-ID） ； Hydrox AI 纠错

AI总结 RECAP通过代理流水线从LLM输出中提取和验证记忆的训练数据，利用反馈循环和对抗模块提升版权文本提取效果，实验显示其在ROUGE-L评分上显著提升。

coDrawAgents: A Multi-Agent Dialogue Framework for Compositional Image Generation

coDrawAgents：一种用于组合图像生成的多智能体对话框架

Chunhan Li, Qifeng Wu, Jia-Hui Pan, Ka-Hei Hui, Jingyu Hu, Yuming Jiang, Bin Sheng, Xihui Liu, Wenjuan Gong, Zhengzhe Liu

机构 * Lingnan University（岭南大学） ； CMU（卡内基梅隆大学） ； CUHK（香港中文大学） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； SJTU（上海交通大学） ； HKU（香港大学） ； China University of Petroleum（中国石油大学） 纠错

AI总结 coDrawAgents通过四类智能体协作提升复杂场景中多对象生成的准确性与属性保持，实验表明其在文本-图像对齐、空间准确性和属性绑定方面表现更优。

Comments Accepted to CVPR 2026 Findings

Autonomous Integration and Improvement of Robotic Assembly using Skill Graph Representations

基于技能图表示的机器人装配自主集成与改进

Peiqi Yu, Philip Huang, Chaitanya Chawla, Guanya Shi, Jiaoyang Li, Changliu Liu

机构 * Department of Electrical and Computer Engineering, Carnegie Mellon University（卡内基梅隆大学电气与计算机工程系） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

AI总结 本文提出基于技能图表示的机器人装配系统自主集成与持续改进框架，通过语义级规划与执行接口实现系统配置、执行、评估与学习的统一，提升装配系统的适应性与可重用性。

Self-Supervised Speech Models Encode Phonetic Context via Position-dependent Orthogonal Subspaces

自监督语音模型通过位置依赖的正交子空间编码音素上下文

Kwanghee Choi, Eunjung Yeo, Cheol Jun Cho, David R. Mortensen, David Harwath

机构 * UT Austin（德克萨斯大学奥斯汀分校） ； UC Berkeley（加州大学伯克利分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文研究自监督语音模型如何在单帧层面编码音素及其上下文，提出通过位置依赖的正交子空间实现音素信息的组合编码，揭示了上下文依赖表示的结构特性。

Comments Submitted to Interspeech 2026

Feynman: Knowledge-Infused Diagramming Agent for Scalable Visual Designs

Feynman: 一种融合知识的图表生成代理，用于可扩展的视觉设计

Zixin Wen, Yifu Cai, Kyle Lee, Sam Estep, Josh Sunshine, Aarti Singh, Yuejie Chi, Wode Ni

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出Feynman代理，通过知识组件枚举和代码规划生成高质量图表-描述对，构建了可扩展的图表生成流水线，并创建了视觉语言基准Diagramma。

Comments A previous version was submitted to ICLR 2025

Which Data Matter? Embedding-Based Data Selection for Speech Recognition

哪些数据更重要？基于嵌入的数据选择用于语音识别

Zakaria Aldeneh, Skyler Seto, Maureen de Seyssel, Jie Chi, Zijin Gu, Takuya Higuchi, Jee-weon Jung, Shinji Watanabe, David Grangier, Barry-John Theobald, Tatiana Likhomanenko

机构 * Apple（苹果公司） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文研究了针对特定领域语音识别的嵌入式数据选择策略，通过选择相关子集提升目标领域性能，实验表明精选5%数据可使WER减少36.8%。