高校专区
分步信用分配用于流匹配模型中的GRPO
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Adobe Research（Adobe研究院）
AI总结 本文提出分步流GRPO，通过分步奖励改进提升样本效率和收敛速度，引入DDIM启发的SDE提升奖励质量。
Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026 Project page: https://stepwiseflowgrpo.com
ViPRA：用于机器人动作的视频预测
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Skild AI ； University of California, Irvine（加州大学尔湾分校）
AI总结 ViPRA通过预训练和微调框架，从无标注视频中学习连续机器人控制，利用视频语言模型预测视觉观察和运动中心潜在动作，支持跨机器人形态的泛化和高频率连续控制。
Comments In ICLR 2026. Website: https://vipra-project.github.io
CoT2-Meta：预算化的元认知控制用于测试时推理
机构 * Nanyang Technological University（南洋理工大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Zhejiang University（浙江大学） ； Sun Yat-Sen University（中山大学） ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； City University of Hong Kong (Dongguan)（香港城市大学（东莞）） ； Zhejiang Lab（之江实验室）
AI总结 CoT2-Meta通过元认知控制优化测试时推理，提升多个基准测试的性能，包括MATH、GSM8K等，相比基线方法有显著提升。
无需控制：为自主助行机器人定义隐式交互范式
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Imperial College London（伦敦帝国理工学院）
AI总结 本文探讨隐式控制范式，通过两个设计案例展示如何通过自然行为线索调整机器人行为，减少用户感知负荷并保持控制感，提出隐式交互设计指南。
Comments 8 pages, 2 figures
超越答案：解码LLM作为科学推理者的行为
机构 * University of Washington（华盛顿大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文通过定制遗传Pareto算法优化提示，研究提示对科学推理行为的影响，揭示模型特定的局部逻辑，并探讨其可迁移性和脆弱性。
Comments Accepted at the Post-AGI Science and Society Workshop at ICLR 2026
理解大型语言模型生成反馈的教师修订
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Federal Technological University of Paraná – UTFPR（巴拉那联邦理工大学） ； Instituto Federal Goiano – IF Goiano（戈亚斯联邦学院） ； Federal Rural University of Pernambuco – UFRPE（伯南布哥联邦农村大学）
AI总结 研究探讨教师如何修订AI生成的反馈，发现80%的反馈未修改，编辑反馈通常更长且被缩短，机器学习模型能预测修订决策，修订常简化反馈内容，使其更简洁纠正性。
Comments Accepted as full paper to the 27th International Conference on Artificial Intelligence in Education (AIED 2026)
$ϕ$-DPO：面向大多模态模型持续学习的公平性直接偏好优化方法
机构 * CVIU Lab, University of Arkansas（阿肯色大学 CVIU 实验室） ； Dep. of Geosciences, University of Arkansas（阿肯色大学地球科学系） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出$ϕ$-DPO框架，通过直接偏好优化缓解持续学习中的灾难性遗忘问题，并解决数据不平衡导致的公平性问题，实验表明其在多个基准上表现优异。
Comments Accepted to CVPR'26
UniGame: 将统一多模态模型转变为自身对手
机构 * William & Mary（威廉与玛丽学院） ； Independent（独立研究者） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 UniGame通过自对抗框架提升多模态模型的一致性与鲁棒性，显著增强理解、生成和对抗鲁棒性。
Comments Accepted to CVPR 2026
统一球面前端：从任何相机学习旋转等变的球面图像表示
机构 * Carnegie Mellon University, Robotics Institute（卡内基梅隆大学机器人研究所）
AI总结 本文提出USF框架，通过射线方向对应将任意相机图像映射到单位球面，实现旋转等变的球面卷积，提升宽视场图像处理性能。
Comments Accepted to CVPR 2026. Camera-ready version. Added computation benchmark
SceneAdapt: 人类运动扩散的场景感知适应
机构 * Yonsei University（延世大学） ； Carnegie Mellon University（卡内基梅隆大学） ； UC Merced（加州大学默塞德分校） ； Google DeepMind（谷歌DeepMind） ； Seoul National University（首尔国立大学）
AI总结 本文提出SceneAdapt框架，通过运动插值和场景感知插值生成语义丰富的场景感知人类运动，无需大规模配对文本-场景-运动数据。
Comments 15 pages
双频热成像：在近环境条件下分离时间变化的反射和发射
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出双频热成像方法，通过光谱和时间线索分离近环境条件下物体和背景的温度，解决热成像中反射和发射信号分离难题。
Comments CVPR 2026. Project Page: https://dual-band-thermal.github.io/
Unichain 和 非周期性是平均奖励疲软带机问题渐进最优性的充分条件
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 本文提出了一种新政策，通过逐步将更多臂推向最优分布，证明在Unichain和非周期性假设下，该政策具有O(1/√N)的渐进最优性。
Comments 68 pages, 17 figures
TerraSkipper: 一种用于多地形跳跃和爬行的厘米级机器人
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Edulis Therapeutics
AI总结 受泥蛙启发，设计了一种厘米级多地形跳跃和爬行机器人，通过侧鳍和旋转弹簧尾实现多种地形移动，实验表明跳跃在黏性及颗粒介质中速度更优。
Comments 8 pages, 9 figures, Accepted - IEEE International Conference on Robotics & Automation (ICRA), Vienna, Austria, 2026
LVRPO：基于GRPO的语言-视觉对齐用于多模态理解和生成
机构 * Department of Machine Learning, CMU, USA（卡内基梅隆大学机器学习系，美国） ； Department of Machine Learning, MBZUAI, UAE（穆罕默德·本·扎耶德人工智能大学机器学习系，阿联酋） ； Department of Artificial Intelligence, Hanyang University ERICA, South Korea（汉阳大学ERICA校区人工智能系，韩国）
AI总结 本文提出LVRPO框架，通过GRPO显式对齐语言和视觉表示，提升多模态理解和生成性能，无需辅助编码器或人工目标。
Budget-Xfer: 为非洲语言的跨语言迁移进行预算约束的源语言选择
机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲校区） ； North-West University（西北大学）
AI总结 本文提出Budget-Xfer框架，通过预算约束资源分配问题优化多源跨语言迁移，验证多源迁移在命名实体识别和情感分析中的优越性，揭示嵌入相似性在不同任务中的表现差异。
Comments 5 pages, 5 tables. Submitted to SIGIR 2026 Short Paper track
TokenDial: 通过时空token偏移实现文本到视频的连续属性控制
机构 * Adobe Research（Adobe研究院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 TokenDial通过在中间时空视觉patch-token空间中添加偏移实现文本到视频生成模型的连续属性控制，通过调整偏移量实现外观和运动动态的可预测编辑，优于现有基线。
Comments Project page: https://tokendial.github.io/
对齐的打砖块：微调激活大型语言模型对版权书籍的原文回忆
机构 * Stony Brook University（石溪大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Columbia Law School（哥伦比亚法学院）
AI总结 研究显示微调可绕过安全对齐策略，使GPT-4o等模型能回忆85-90%的版权书籍，揭示模型权重存储版权作品的漏洞。
Comments Preprint Under Review
CausalEvolve：迈向开放性发现的因果草稿
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学） ； TMLR Group, Hong Kong Baptist University（香港浸会大学TMLR实验室） ； SAIC Centre, The University of Sydney（悉尼大学SAIC中心）
AI总结 CausalEvolve通过因果草稿机制提升进化效率，在四个开放性科学任务中发现更优解，解决传统进化代理在指导和知识利用上的不足。
Comments Preprint of ongoing work; Yongqiang and Chenxi contributed equally;
ExtremControl：低延迟的人形机器人远程操控与直接末端控制
机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； Carnegie Mellon University（卡内基梅隆大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室）
AI总结 本文提出ExtremControl框架，通过直接操作SE(3)姿态、Cartesian空间映射和速度前馈控制，实现低延迟的人形机器人远程操控，实验表明其在模拟和现实环境中均优于传统方法。
Comments Project website: https://extremcontrol.github.io/
语调会改变答案吗？评估提示礼貌性对现代LLMs的影响：GPT、Gemini和LLaMA
机构 * Northwestern University（西北大学） ； Duke University（杜克大学） ； Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学）
AI总结 本文通过MMMLU基准测试，评估了不同语调提示对GPT、Gemini和LLaMA模型在STEM和人文领域任务中的准确性影响，发现礼貌性提示在部分人文任务中显著提升性能，但整体上现代LLMs对语调变化具有鲁棒性。
E-RayZer：基于空间视觉预训练的自监督3D重建
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Adobe Research（Adobe研究院） ； Harvard University（哈佛大学）
AI总结 本文提出E-RayZer，一种通过未标注图像直接学习几何基础表示的自监督3D视觉模型，通过显式几何实现3D重建，优于现有方法。
Comments CVPR 2026 Camera-ready. Project website: https://qitaozhao.github.io/E-RayZer
面向鲁棒文本到视频生成的潜变量视频扩散模型腐蚀感知训练
机构 * William & Mary（威廉与玛丽学院） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学）
AI总结 本文提出CAT-LVDM框架，通过结构化噪声注入提升视频扩散模型的鲁棒性，实验显示其在多个数据集上优于传统方法，且能扩展至自回归生成和多模态视频理解模型。
Comments ICLR 2026 ReALM-GEN
学习能效空气-地面作动器用于阶梯地形上的混合机器人
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出一种能量感知强化学习框架，通过协调螺旋桨、轮子和倾斜伺服器实现高效混合作动，降低能耗并提升地形适应性。
分布式梯度聚类：收敛性及初始化的影响
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Indian Institute of Technology Kharagpur（印度理工学院克勒格布尔分校） ； Faculty of Technical Sciences, University of Novi Sad（诺维萨德大学技术科学学院） ； Faculty of Sciences, University of Novi Sad（诺维萨德大学理学院）
AI总结 研究了中心初始化对分布式梯度聚类算法性能的影响，提出改进的分布式中心初始化方案，提升算法鲁棒性与性能。
Comments 9 pages, 3 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈