Adapting Text LLMs to Speech via Multimodal Depth Up-Scaling
通过多模态深度扩展适应文本LLM到语音
机构 * Tohoku University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出多模态深度扩展方法，通过在冻结的文本LLM中插入新层并仅训练这些层来适应语音数据，实验表明其在ASR性能上接近全微调，且文本能力退化更少。
高校专区
Carnegie Mellon University（卡内基梅隆大学）
EditCtrl: Disentangled Local and Global Control for Real-Time Generative Video Editing
EditCtrl: 解耦的局部和全局控制用于实时生成视频编辑
机构 * Meta Reality Labs（Meta现实实验室） ； Carnegie Mellon University（卡内基梅隆大学） ； Meta AI
AI总结 本文提出EditCtrl，通过局部和全局控制模块实现高效视频修复，提升编辑质量和计算效率，支持多区域编辑和内容传播。
Comments Project page: https://yehonathanlitman.github.io/edit_ctrl
Benchmarking Educational LLMs with Analytics: A Case Study on Gender Bias in Feedback
用分析方法评估教育LLM：关于反馈中性别偏见的案例研究
机构 * University College London, UCL Knowledge Lab（伦敦大学学院，UCL知识实验室） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文通过600篇真实学生作文，利用嵌入式基准框架检测LLM在形成性反馈中的偏见，发现隐性性别提示比显性提示更易引发语义偏移，揭示了LLM在反馈中持续存在的性别偏见。
Comments 21 pages, 7 figures
From Domain Understanding to Design Readiness: a playbook for GenAI-supported learning in Software Engineering
从领域理解到设计准备：一种支持生成式AI学习的软件工程教学指南
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文探讨了利用生成式AI辅助学习在软件工程领域理解与建模方法中的应用，通过实验发现AI tutor在准确性与相关性方面表现优异，但支持性不足，提出17项教学实践以优化AI辅助学习效果。
Generalizable Dense Reward for Long-Horizon Robotic Tasks
可泛化的密集奖励用于长周期机器人任务
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon Robotics（亚马逊机器人） ； UT Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出VLLR框架，结合外部奖励和内部奖励提升长周期机器人任务性能，通过任务分解和自信心引导实现无需人工奖励工程的高效训练。
Comments Project page: https://silongyong.github.io/vllr_project_page/
Chat-Based Support Alone May Not Be Enough: Comparing Conversational and Embedded LLM Feedback for Mathematical Proof Learning
基于对话的支持可能并不足够：比较对话式和嵌入式LLM反馈在数学证明学习中的比较
机构 * Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学）
AI总结 研究评估了GPTutor系统对大学离散数学课程的影响，发现对话式反馈单独使用可能无法有效提升考试成绩，而嵌入式反馈与学习表现相关性较低。
Comments 9 pages, 4 figures. Accepted at AIED 2026. Camera-ready version with updated references
