CADSmith: Multi-Agent CAD Generation with Programmatic Geometric Validation
CADSmith: 基于程序化几何验证的多智能体CAD生成
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 CADSmith通过多智能体管道生成CadQuery代码，并通过双重嵌套修正循环进行迭代优化，结合精确测量和视觉评估提升CAD生成质量。
Comments 8 pages, 6 figures
高校专区
Carnegie Mellon University（卡内基梅隆大学）
When Identities Collapse: A Stress-Test Benchmark for Multi-Subject Personalization
当身份崩溃时：多主体个性化的一个压力测试基准
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Southern California（南加州大学） ； DeerLab LLC（DeerLab有限责任公司） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出一个压力测试基准，揭示多主体生成模型在复杂场景下的身份崩溃问题，并引入新的评估指标SCR，强调未来生成架构需显式物理解耦。
Comments 10 pages, 7 figures, accepted by CVPR 2026 Workshop P13N
SWE Context Bench: A Benchmark for Context Learning in Coding
SWE Context Bench: 一个用于编码上下文学习的基准测试
机构 * Independent Researcher（独立研究员） ； University of Oxford（牛津大学） ； University of Edinburgh（爱丁堡大学） ； Technical University of Munich（慕尼黑工业大学） ； MemoraX AI ； National University of Singapore（新加坡国立大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出SWE-ContextBench基准，用于评估编程代理的上下文重用能力，通过1100个基础任务和376个相关任务，从GitHub问题和拉取请求中挖掘真实依赖关系，评估预测准确度、时间效率和成本效率。
Selection, Reflection and Self-Refinement: Revisit Reasoning Tasks via a Causal Lens
选择、反思与自我完善：通过因果视角重新审视推理任务
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Stanford University（斯坦福大学）
AI总结 本文从因果视角重新审视推理任务，将其视为选择机制，通过引入潜变量反馈提升对潜在依赖关系的学习，显著提升了Sudoku和Maze任务的推理准确率。
BEVMAPMATCH: Multimodal BEV Neural Map Matching for Robust Re-Localization of Autonomous Vehicles
BEVMapMatch：多模态鸟瞰神经地图匹配用于自动驾驶车辆的鲁棒重定位
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出BEVMapMatch框架，利用多模态传感器融合生成鸟瞰图分割，通过交叉注意力机制检索地图片段，实现无需GNSS的鲁棒重定位，实验表明其在GNSS受限环境下的召回率显著提升。
Comments 8 pages, 5 figures
GUIDE: A Benchmark for Understanding and Assisting Users in Open-Ended GUI Tasks
GUIDE：一个用于理解和协助用户进行开放性GUI任务的基准测试
机构 * KAIST（韩国科学技术院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Oxford（牛津大学） ； Konkuk University（建国大学） ； Google Inc.（谷歌公司） ； SkillBench
AI总结 GUIDE基准测试旨在评估AI模型在开放性GUI任务中感知用户行为、推断意图和提供帮助的能力，通过120名新手用户的10种软件屏幕记录，发现模型在行为状态和帮助预测上准确率仅为44.6%和55.0%，但提供用户上下文可提升帮助预测性能达50.2个百分点。
Comments Accepted at CVPR 2026
ReCUBE: Evaluating Repository-Level Context Utilization in Code Generation
ReCUBE：评估代码生成中仓库级上下文利用
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Emory University（埃默里大学）
AI总结 ReCUBE基准测试评估LLM在代码生成中利用仓库级上下文的有效性，通过重建掩码文件并使用依赖关系和文档作为上下文，发现即使先进模型在完整上下文设置下也仅达到37.57%的通过率，而引入Caller-Centric Exploration工具包可显著提升性能。
Comments Under Review
Ground Reaction Inertial Poser: Physics-based Human Motion Capture from Sparse IMUs and Insole Pressure Sensors
地面反作用惯性模拟器：基于稀疏IMU和足底压力传感器的物理基础人体动作捕捉
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Keio University（庆应义塾大学） ； Keio AI Research Center（庆应义塾大学人工智能研究中心）
AI总结 GRIP利用四个可穿戴设备重建物理合理的人体动作，结合IMU信号和足压数据捕捉身体动态与地面交互，通过数字孪生合成人形在物理模拟器中重建真实动作，实验显示其在多个数据集上优于传统IMU和IMU-压力融合方法。
Altruistic Ride Sharing: A Framework for Fair and Sustainable Urban Mobility via Peer-to-Peer Incentives
利他性拼车：通过点对点激励实现公平可持续的城市交通框架
机构 * Dept. of CSIS and APPCAIR, BITS Pilani K K Birla Goa Campus（BITS Pilani K K Birla Goa校区计算机科学与信息系统系及应用人工智能中心） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院）
AI总结 本文提出利他性拼车框架，通过去中心化的点对点激励机制，减少交通拥堵和碳排放，提高车辆利用率。
DesignWeaver: Dimensional Scaffolding for Text-to-Image Product Design
DesignWeaver：基于维度的文本到图像产品设计 scaffolding
机构 * UC San Diego（加州大学圣迭戈分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Tableau Research
AI总结 DesignWeaver 通过从生成图像中提取关键产品设计维度，帮助新手生成更专业的提示，从而提升产品设计的多样性和创新性。
Comments 26 pages, 22 figures, CHI 2025
