Carnegie Mellon University（卡内基梅隆大学）

Tracking Equivalent Mechanistic Interpretations Across Neural Networks

在神经网络中跨机制解释的等价性追踪

Alan Sun, Mariya Toneva

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） 纠错

AI总结 本文提出通过机制等价性确定不同模型是否共享共同解释，发展算法并分析Transformer模型，为MI评估和自动解释发现提供基础。

Comments 32 pages, 5 figures, ICLR 2026

Physiological and Semantic Patterns in Medical Teams Using an Intelligent Tutoring System

医疗团队中的生理与语义模式：基于智能教学系统

Xiaoshan Huang, Conrad Borchers, Jiayi Zhang, Susanne P. Lajoie

机构 * McGill University（麦吉尔大学） ； 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 研究通过智能教学系统分析医疗团队在诊断虚拟患者时的生理和对话动态，发现语义变化与生理同步峰值相关，且高生理同步伴随低语义相似性，揭示了团队协作中的关键时刻。

Comments Accepted as short paper to the 27th International Conference on Artificial Intelligence in Education (AIED 2026)

Audio Language Model for Deepfake Detection Grounded in Acoustic Chain-of-Thought

基于声学推理的深度伪造检测音频语言模型

Runkun Chen, Yixiong Fang, Pengyu Chang, Yuante Li, Massa Baali, Bhiksha Raj

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

AI总结 本文提出CoLMbo-DF，通过整合深度伪造检测与显式的声学推理，利用结构化文本表示提升检测准确性，实验表明其在解释性深度伪造语音检测中取得显著进展。

A dependently-typed calculus of event telicity and culminativity

一种具有依赖类型的事件终态与终极性的演算

Pavel Kovalev, Carlo Angiuli

机构 * Department of Mathematical Sciences, Carnegie Mellon University（卡内基梅隆大学数学科学系） ； Department of Computer Science, Indiana University（印第安纳大学计算机科学系） 纠错

AI总结 本文提出一种具有依赖类型的跨语言框架，用于分析事件的终态与终极性，结合实例展示如何用该框架建模英语句子。框架分为名词域和动词域，分别处理名词短语的界限性及其与子类型、限定量词和形容词修饰的关系，以及定义依赖事件演算，区分终态事件和终极事件，并考虑副词修饰。

Comments 54 pages, to appear in Mathematical Structures in Computer Science, Agda formalization available at https://doi.org/10.5281/zenodo.15602617

Journal ref Math. Struct. Comp. Sci. 36 (2026) e9

Evaluating a Data-Driven Redesign Process for Intelligent Tutoring Systems

评估面向智能教学系统的数据驱动重设计过程

Qianru Lyu, Conrad Borchers, Meng Xia, Karen Xiao, Paulo F. Carvalho, Kenneth R. Koedinger, Vincent Aleven

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Texas A&M University（德克萨斯农工大学） ； Wellesley College（韦尔斯利学院） 纠错

AI总结 本研究测试了数据驱动重设计方法在非预期改进的中学数学教学单元中的有效性，发现重设计系统在任务时间、技能练习和知识掌握方面表现更优。

Comments Accepted as short paper to the 27th International Conference on Artificial Intelligence in Education (AIED 2026)

World2Rules: A Neuro-Symbolic Framework for Learning World-Governing Safety Rules for Aviation

World2Rules: 一种用于航空领域学习世界治理安全规则的神经符号框架

Haichuan Wang, Jay Patrikar, Sebastian Scherer

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

AI总结 World2Rules通过结合神经网络和符号方法，从航空多模态数据中学习安全规则，提升规则的准确性和可解释性，实验显示其在F1得分上优于纯神经和单步神经符号基线。

Comments 19 pages, 6 figures

RAD-LAD: Rule and Language Grounded Autonomous Driving in Real-Time

基于规则和语言的实时自动驾驶：RAD-LAD

Anurag Ghosh, Srinivasa Narasimhan, Manmohan Chandraker, Francesco Pittaluga

机构 * Carnegie Mellon University（卡内基梅隆大学） ； NEC Labs America（NEC美国实验室） ； UC San Diego（加州大学圣迭戈分校） 纠错

AI总结 本文提出RAD-LAD，结合规则和语言的实时自动驾驶系统，通过中断架构实现高效路径规划与文本推理，提升自动驾驶性能与可解释性。

Stronger Normalization-Free Transformers

更强的无归一化变换器

Mingzhi Chen, Taiming Lu, Jiachen Zhu, Mingjie Sun, Zhuang Liu

机构 * Princeton University（普林斯顿大学） ； New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文提出Derf函数，通过大规模搜索找到更有效的归一化替代方案，其在视觉识别、语音表示和DNA序列建模中均优于LayerNorm、RMSNorm和DyT。

Comments Published in CVPR 2026

VT-Intrinsic: Physics-Based Decomposition of Reflectance and Shading using a Single Visible-Thermal Image Pair

VT-Intrinsic: 基于物理的单可见-热图像对的反光与阴影分解

Zeqing Yuan, Mani Ramanagopal, Aswin C. Sankaranarayanan, Srinivasa G. Narasimhan

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

AI总结 本文提出一种基于物理的单可见-热图像对的反光与阴影分解方法，通过利用热成像仪检测吸收的热量来关联可见和热图像的强度顺序，实现反光和阴影的自监督恢复。

Comments Accepted by CVPR 2026. Project webpage: https://vt-intrinsic.github.io/