Prism: Symbolic Superoptimization of Tensor Programs
Prism: 张量程序的符号超优化
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） ； Weizmann Institute of Science（魏茨曼科学研究院）
AI总结 Prism通过符号化层级表示实现张量程序的符号超优化，结合符号推理与自动调优，提升效率并减少优化时间。
高校专区
Carnegie Mellon University（卡内基梅隆大学）
AdaSplash-2: Faster Differentiable Sparse Attention
AdaSplash-2: 更快的可微稀疏注意力
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Language Technology Lab, University of Amsterdam（阿姆斯特丹大学语言技术实验室） ； University of Edinburgh（爱丁堡大学）
AI总结 本文提出AdaSplash-2，通过新颖的直方图初始化方法减少计算τ的迭代次数，提升稀疏注意力效率，适用于中高块稀疏性场景，提升训练速度和下游任务性能。
CoGrid & the Multi-User Gymnasium: A Framework for Multi-Agent Experimentation
CoGrid 与多用户Gymnasium：多智能体实验的框架
机构 * Department of Social and Decision Sciences（社会与决策科学系） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文介绍CoGrid和多用户Gymnasium两个工具，用于多智能体实验，支持人机协作研究社会决策与认知问题，提供开源工具和案例研究。
Comments 36 pages, 11 figures
Beyond Augmentation: Cross-Modal Transformer Fusion with Bi-directional Attention for Low-Data Aneurysm Screening
超越增强：基于双向注意力的跨模态Transformer融合用于低数据动脉瘤筛查
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Artificial Intelligence in Medicine (AIM) Program（医学人工智能（AIM）项目） ； Mass General Brigham（马萨诸塞总医院） ； Harvard Medical School（哈佛医学院） ； Department of Radiation Oncology（放射肿瘤科） ； Dana-Farber Cancer Institute（达纳-法伯癌症研究所） ； Brigham and Women’s Hospital（布里洛妇产科医院）
AI总结 本文提出CMTF-Net，通过跨模态目标融合框架实现解剖结构化的动脉瘤筛查，采用14个血管区域独立监督，提升低数据场景下的检测精度与可解释性。
Comments We had major improvements in this second draft. Please refer to this version only
Constrained Decoding for Safe Robot Navigation Foundation Models
安全机器人导航基础模型的约束解码
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Toyota InfoTech Labs（丰田信息科技实验室）
AI总结 本文提出SafeDec框架，通过约束解码确保机器人导航基础模型满足信号时间逻辑规范，提升安全性和行动生成能力。
Asking What Matters: Reward-Driven Clarification for Software Engineering Tasks
询问何为关键：面向软件工程任务的奖励驱动澄清
机构 * Language Technologies Institute, Carnegie Mellon University, Pittsburgh, USA（语言技术研究所，卡内基梅隆大学，匹兹堡，美国）
AI总结 本文研究软件工程任务中有效澄清问题的方法，通过量化影响任务成功的信息类型和用户能提供的信息，提出基于Shapley属性和分布比较的多阶段强化学习奖励机制，训练出CLARITI模块，在未明确问题上表现优于GPT-5，生成更少问题。
Comments 28 pages, 6 figures
Evaluation of Agents under Simulated AI Marketplace Dynamics
对模拟AI市场动态下代理的评估
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 本文提出Marketplace Evaluation框架，通过模拟市场动态评估信息访问系统，补充传统准确度指标，探讨市场留存和份额等指标。
Comments SIGIR 2026
Emergent Neural Automaton Policies: Learning Symbolic Structure from Visuomotor Trajectories
涌现神经自动机策略：从视觉运动轨迹中学习符号结构
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 本文提出ENAP框架，通过从视觉运动轨迹中自适应推断Mealy状态机，结合行为克隆学习连续控制，实现高效且可解释的机器人策略。
MedVerse: Efficient and Reliable Medical Reasoning via DAG-Structured Parallel Execution
MedVerse: 通过DAG结构并行执行实现高效可靠的医学推理
机构 * UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 MedVerse通过将医学推理转化为可并行的有向无环图过程，提升复杂医疗问题的效率和可靠性，实验表明其在通用大语言模型上提升了8.9%的性能，同时减少推理延迟并提高生成吞吐量。
Social Story Frames: Contextual Reasoning about Narrative Intent and Reception
社交故事框架：关于叙事意图和接受的上下文推理
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of Michigan-Flint（密歇根大学弗林特分校） ； University of Connecticut（康涅狄格大学） ； McGill University（麦吉尔大学）
AI总结 本文提出SocialStoryFrames框架，通过对话上下文和叙事理论等理论，构建了读者反应的正式化模型，用于分析社交媒体中的叙事意图和接受情况。
Comments ACL 2026 (Main)
