Carnegie Mellon University（卡内基梅隆大学）

Promoting Critical Thinking With Domain-Specific Generative AI Provocations

用领域特定的生成式AI挑衅促进批判性思维

Thomas Şerban von Davier, Hao-Ping Lee, Jodi Forlizzi, Sauvik Das

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

AI总结 本文通过两个生成式AI工具的案例，探讨领域特定的AI挑衅如何通过产生摩擦和用户互动促进批判性思维，强调需超越静态挑衅向适应用户需求的设计转型。

Comments 6 pages, 2 figures, 1 table, CHI2026 Workshop on Tools for Thought, 2026 CHI Conference on Human Factors in Computing Systems CHI26

HiFiGaze: Improving Eye Tracking Accuracy Using Screen Content Knowledge

HiFiGaze：利用屏幕内容知识提升眼动追踪精度

Taejun Kim, Vimal Mollyn, Riku Arakawa, Chris Harrison

机构 * Human-Computer Interaction Institute（人机交互研究所） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出一种新的高精度眼动追踪方法，通过利用设备屏幕内容信息实现鲁棒的反射分割，从而提升追踪精度，实验表明其比基线模型减少约8%的平均追踪误差。

Comments ACM CHI 2026

Electromagnetic Inverse Scattering from a Single Transmitter

单发射机的电磁反散射

Yizhe Cheng, Chunxun Tian, Haoru Wang, Wentao Zhu, Xiaoxuan Ma, Yizhou Wang

机构 * Center on Frontiers of Computing Studies, School of Computer Science, Peking University（前沿计算研究中心，计算机科学学院，北京大学） ； Institute of Digital Twin, Eastern Institute of Technology, Ningbo（数字孪生研究所，东部技术研究所，宁波） ； Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学） 纠错

AI总结 本文提出了一种端到端的数据驱动框架，用于从单发射机测量数据中预测散射体的相对介电常数，提升了稀疏发射条件下的反散射精度和鲁棒性。

Accelerating Diffusion Decoders via Multi-Scale Sampling and One-Step Distillation

通过多尺度采样和一步蒸馏加速扩散解码器

Chuhan Wang, Hao Chen

机构 * University of California San Diego（加州大学圣地亚哥分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出多尺度采样和一步蒸馏方法，显著降低扩散解码器的解码时间，同时保持高质量图像重建，为高效图像分词提供新路径。

In-the-Wild Camouflage Attack on Vehicle Detectors through Controllable Image Editing

真实场景中通过可控图像编辑实施车辆检测器的伪装攻击

Xiao Fang, Yiming Gong, Stanislav Panev, Celso de Melo, Shuowen Hu, Shayok Chakraborty, Fernando De la Torre

机构 * Carnegie Mellon University（卡内基梅隆大学） ； DEVCOM Army Research Laboratory（陆军研究实验室） ； Florida State University（佛罗里达州立大学） 纠错

AI总结 本文提出了一种将车辆伪装攻击视为条件图像编辑问题的新框架，通过图像级和场景级生成策略提升攻击效果，实验表明其在COCO和LINZ数据集上显著降低检测器性能，同时保持车辆结构和提升人类感知的隐蔽性。

Comments 45 pages, 35 figures

SOFTMAP: Sim2Real Soft Robot Forward Modeling via Topological Mesh Alignment and Physics Prior

SOFTMAP：通过拓扑网格对齐和物理先验实现的仿真到现实软机器人前向建模

Ziyong Ma, Uksang Yoo, Jonathan Francis, Weiming Zhi, Jeffrey Ichnowski, Jean Oh

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Bosch Center for Artificial Intelligence（博世人工智能中心） ； School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； Australian Centre for Robotics, The University of Sydney（悉尼大学机器人研究中心） ； College of Connected Computing, Vanderbilt University（范德比尔特大学连接计算学院） 纠错

AI总结 本文提出SOFTMAP框架，结合拓扑对齐、轻量前向模型、残差修正网络和线性校准层，实现软手指 manipulator 的高精度 3D 前向建模与控制，取得毫米级轨迹跟踪和任务成功率提升。

RobotArena $\infty$: Scalable Robot Benchmarking via Real-to-Sim Translation

RobotArena ∞：通过现实到模拟的翻译实现可扩展的机器人评估

Yash Jangir, Yidi Zhang, Pang-Chi Lo, Kashu Yamazaki, Chenyu Zhang, Kuan-Hsun Tu, Tsung-Wei Ke, Lei Ke, Yonatan Bisk, Katerina Fragkiadaki

机构 * Carnegie Mellon University（卡内基梅隆大学） ； National Taiwan University（国立台湾大学） 纠错

AI总结 本文提出RobotArena Infinity框架，通过模拟环境与在线人类反馈，解决机器人政策评估中的劳动密集型、安全性差等问题，实现可扩展的视觉-语言-动作评估。

Comments Website: https://robotarenainf.github.io

Prompt-based Adaptation in Large-scale Vision Models: A Survey

基于提示的大规模视觉模型适应：综述

Xi Xiao, Yunbei Zhang, Lin Zhao, Yiyang Liu, Xiaoying Liao, Zheda Mai, Xingjian Li, Xiao Wang, Hao Xu, Jihun Hamm, Xue Lin, Min Xu, Qifan Wang, Tianyang Wang, Cheng Han

机构 * University of Alabama at Birmingham, USA（美国阿拉巴马大学伯明翰分校） ； Tulane University, USA（美国路易斯安那大学） ； Northeastern University, USA（美国东北大学） ； University of Missouri-Kansas City, USA（美国密苏里大学堪萨斯城分校） ； Johns Hopkins University, USA（约翰霍普金斯大学） ； Ohio State University, USA（俄亥俄州立大学） ； Carnegie Mellon University, USA（卡内基梅隆大学） ； Oak Ridge National Laboratory, USA（橡树岭国家实验室） ； Harvard University, USA（哈佛大学） ； Mohamed bin Zayed University of Artificial Intelligence, UAE（阿联酋Mohamed bin Zayed人工智能大学） ； Meta AI, USA（Meta AI） 纠错

AI总结 本文综述了基于提示的视觉模型适应方法，探讨了VP和VPT的核心机制及在不同领域的应用，揭示了其在测试时适应和可信AI中的作用，并总结了当前基准和未来研究方向。

Comments Accepted by TMLR 2026