Carnegie Mellon University（卡内基梅隆大学）

Temporal Narrative Monitoring in Dynamic Information Environments

动态信息环境中的时间叙事监控

David Farr, Stephen Prochaska, Jack Moody, Lynnette Hui Xian Ng, Iain Cruickshank, Kate Starbird, Jevin West

机构 * School of Information Science（信息科学学院） ； University of Washington（华盛顿大学） ； Whiting School of Engineering（工程学院） ； Johns Hopkins University（约翰霍普金斯大学） ； School of Computer Science（计算机科学学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Human Centered Design Engineering（以人为核心的设计工程） 纠错

AI总结 本文提出了一种系统框架，用于建模动态信息环境中随时间演变的语义结构，通过整合语义嵌入、密度聚类和滚动时间链接，实现对危机事件中叙事的持续适应性表示。

OnlineHMR: Video-based Online World-Grounded Human Mesh Recovery

OnlineHMR：基于视频的在线世界坐标人体网格恢复

Yiwen Zhao, Ce Zheng, Yufu Wang, Hsueh-Han Daniel Yang, Liting Wen, Laszlo A. Jeni

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出OnlineHMR，一种在线处理框架，通过因果键值缓存和滑动窗口学习策略实现在线世界坐标人体网格恢复，适用于AR/VR等交互场景。

Comments Accepted by CVPR 2026

OmniVLN: Omnidirectional 3D Perception and Token-Efficient LLM Reasoning for Visual-Language Navigation across Air and Ground Platforms

OmniVLN：面向空和地面平台的全方位3D感知与高效token LLM推理的视觉语言导航

Zhongyuang Liu, Min He, Shaonan Yu, Xinhang Xu, Muqing Cao, Jianping Li, Jianfei Yang, Lihua Xie

机构 * CertaintyX ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

AI总结 OmniVLN结合全方位3D感知与高效token分层推理，提升空和地面机器人在复杂环境中的视觉语言导航能力，提升空间指认准确率并减少token消耗。

MetaClaw: Just Talk -- An Agent That Meta-Learns and Evolves in the Wild

MetaClaw：只需交谈--一个在野中元学习和进化的智能体

Peng Xia, Jianwen Chen, Xinyu Yang, Haoqin Tu, Jiaqi Liu, Kaiwen Xiong, Siwei Han, Shi Qiu, Haonian Ji, Yuyin Zhou, Zeyu Zheng, Cihang Xie, Huaxiu Yao

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

AI总结 MetaClaw通过元学习框架实现持续进化，结合技能驱动快速适应与机会性策略优化，提升任务准确性与鲁棒性。

ReviewScore: Misinformed Peer Review Detection with Large Language Models

ReviewScore：利用大语言模型进行误信同行评审检测

Hyun Ryu, Doohyuk Jang, Hyemin S. Lee, Joonhyun Jeong, Gyeongman Kim, Donghyeon Cho, Gyouk Chu, Minyeong Hwang, Hyeongwon Jang, Changhun Kim, Haechan Kim, Jina Kim, Joowon Kim, Yoonjeon Kim, Kwanhyung Lee, Chanjae Park, Heecheol Yun, Gregor Betz, Eunho Yang

机构 * KAIST（韩国科学技术院） ； Carnegie Mellon University（卡内基梅隆大学） ； MIT（麻省理工学院） ； KRAFTON（KRAFTON公司） ； AITRICS（AITRICS研究院） ； KIT（卡尔斯鲁厄理工学院） 纠错

AI总结 本文提出ReviewScore方法，通过检测同行评审中的错误前提和可回答问题来识别低质量评审。利用大语言模型评估评审点的误信程度，实验显示模型在评估一致性上表现中等，但仍有改进空间。

Oracular Programming: A Modular Foundation for Building LLM-Enabled Software

或acular编程：构建LLM赋能软件的模块化基础

Jonathan Laurent, André Platzer

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

AI总结 或acular编程通过将传统显式计算与归纳预言相结合，提供模块化构建可靠软件的框架，解决LLM在精确控制和模块化合同组成方面的不足。