高校专区
记忆诅咒：扩展回忆如何在LLM代理中侵蚀合作意图
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Foundations of Cooperative AI Lab (FOCAL)（合作人工智能基础实验室） ； University of Michigan（密歇根大学） ； Harvard University（哈佛大学）
AI总结 研究发现扩展回忆会系统性地削弱多代理社会困境中的合作意图，通过三种分析揭示记忆内容对合作的影响，证明记忆是影响多代理行为的主动因素。
迈向公平的AI评估：从现实使用案例到评估场景
机构 * National Institute of Standards and Technollogy（国家标准与技术研究院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出一种可重复的流程，通过结构化AI使用案例工作表将高层使用案例转化为详细场景，结合LLM提示和人工审查，生成107个场景，确保评估场景的现实性和人类需求。
Comments 23 pages, 3 figures
AI驱动分配的局限：在aleatoric不确定性下的最优筛查
机构 * University of Amsterdam（阿姆斯特丹大学） ； CMU（卡内基梅隆大学）
AI总结 本文研究在aleatoric不确定性下，如何将筛查与算法性分配最优结合，通过两阶段分配框架，展示最优策略在算法分配边缘筛查单位，并直接针对高风险单位，同时分析筛查与算法性分配的互补与替代关系。
BrickCraft: 基于情境手动指导的长视界互锁积木组装技能组合
机构 * Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 BrickCraft通过情境手册将高层装配计划与物理执行连接，利用相对公式分解复杂任务为可重用的原始技能，实现长视界互锁积木组装。
MiniAppBench：评估从文本到交互式HTML响应的转变
机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Carnegie Mellon University, Pittsburgh, PA, USA（卡内基梅隆大学）
AI总结 本文提出MiniAppBench，首个评估原理驱动交互应用生成能力的基准，通过10M+生成数据提炼500个任务，结合MiniAppEval框架评估意图、静态和动态维度，揭示LLM在生成高质量交互应用上的不足。
稀疏注意力作为紧凑核回归
机构 * Instituto Superior Técnico & Instituto de Telecomunicações, Universidade de Lisboa, Portugal（里斯本大学理工学院及电信研究所，葡萄牙） ； Champalimaud Research, Lisbon, Portugal（Champalimaud研究，葡萄牙里斯本） ； TransPerfect, Lisbon, Portugal（TransPerfect，葡萄牙里斯本） ； Carnegie Mellon University, Pittsburgh, USA（卡内基梅隆大学，美国匹兹堡）
AI总结 本文通过核理论将稀疏注意力与紧凑核回归联系起来，揭示了ReLU和sparsemax注意力与Epanechnikov核回归的关系，并展示了核方法在注意力设计中的应用。
Comments 16 pages, 5 figures
基于锥约束的模型预测控制与代码生成：适用于微控制器的Conic-TinyMPC
机构 * School of Engineering and Applied Science, Columbia University（哥伦比亚大学工程与应用科学学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Barnard College, Columbia University and Dartmouth College（哥伦比亚大学巴纳德学院和达特茅斯学院）
AI总结 本文提出一种适用于微控制器的模型预测控制方法，通过支持二次锥约束和自动生成C++代码，显著提升了嵌入式系统的求解速度和问题规模。
Comments Accepted to ICRA 2026. 4 Figures. 2 Tables. First three authors contributed equally
网络化系统近最优分布式线性二次调节器
机构 * Mathematics and Computer Science Division, Argonne National Laboratory（阿贡国家实验室数学与计算机科学部） ； California Institute of Technology（加州理工学院） ； Department of Electrical and Computer Engineering, Carnegie Mellon University（卡内基梅隆大学电气与计算机工程系） ； Department of Statistics, University of Chicago（芝加哥大学统计系）
AI总结 本文研究了在线性二次控制设置中，去中心化程度与控制器性能之间的权衡。通过分析图上相互关联的智能体系统及一种称为κ-分布式控制的控制器，展示了在温和假设下，κ-分布式控制与集中最优控制的性能差异随κ指数级减小，表明适度去中心化可实现近最优性能。
Journal ref SIAM Journal on Control and Optimization, 2023
智能体能否定价反应？评估大语言模型在化学成本推理上的能力
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Notre Dame（Notre Dame 大学） ； University of North Carolina, Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Pittsburgh（匹兹堡大学）
AI总结 本文提出ChemCost基准，评估大语言模型在化学成本推理任务中的能力，发现工具访问并非解决问题的充分条件，且在噪声环境下表现下降。
Comments 9 pages, 5 figures
认知代理编译用于显式问题求解器建模
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出Cognitive Agent Compilation框架，利用强教师LLM将问题解决知识编译为显式目标代理，旨在提高教育场景中问题解决的可检查性和可编辑性。
Comments Accepted to AIED 2026 Blue Sky
共识的成本：恶意认知从众与自适应门控在分布式多智能体搜索中的问题
机构 * Information School, University of Washington（华盛顿大学信息学院） ； Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学系） ； Human Centered Design Engineering, University of Washington（华盛顿大学人本设计工程系）
AI总结 研究探讨了在分布式多智能体搜索中，通信频率和内容如何共同影响集体信念状态，提出认知对齐的概念，分析了通信设计对集体推理的影响。
基于Transformer的野生动物物种分类：从每日移动轨迹中推断物种身份
机构 * Department of Electrical \& Computer Engineering Carnegie Mellon University Africa Kigali, Rwanda
AI总结 本文通过训练序列模型对大规模GPS轨迹进行分类，发现Transformer在物种分类中表现优于LSTM、CNN等模型，尤其在数据有限时提升显著，且统一1小时分辨率能提升整体性能。
Comments 8 pages
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