Carnegie Mellon University（卡内基梅隆大学）

Optimal Solutions for the Moving Target Vehicle Routing Problem with Obstacles via Lazy Branch and Price

带障碍物的移动目标车辆路径问题的最优解：懒惰分支定价法

Anoop Bhat, Geordan Gutow, Surya Singh, Zhongqiang Ren, Sivakumar Rathinam, Howie Choset

机构 * Robotics Institute at Carnegie Mellon University（卡内基梅隆大学机器人学院） ； Mechanical and Aerospace Engineering at Michigan Technological University（密歇根理工大学机械与航空航天工程系） ； Robotics and AI Institute（机器人与人工智能研究所） ； UM-SJTU Joint Institute and Department of Automation at Shanghai Jiao Tong University（上海交通大学与美国密歇根大学联合研究所及自动化系） ； Department of Mechanical Engineering and Department of Computer Science and Engineering at Texas A&M University（德克萨斯农工大学机械工程系和计算机科学与工程系） 纠错

AI总结 针对带障碍物的移动目标车辆路径问题（MT-VRP-O），提出懒惰分支定价法（Lazy BPRC），通过松弛连续性约束的延迟成本计算和凸集图搜索，实现最优解并显著加速。

Are Targeted Data Poisoning Attacks as Effective as We Think?

定向数据投毒攻击是否如我们想象中那么有效？

William Xu, Chenyu Zhang, Yihan Wang, Matthew Y. R. Yang, Zuoqiu Liu, Gautam Kamath, Yaoliang Yu, Yiwei Lu

机构 * Waabi AI ； University of Waterloo（滑铁卢大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Google（谷歌） ； Vector Institute（向量研究所） ； University of Ottawa（渥太华大学） 纠错

AI总结 本文通过识别最难和最容易投毒的样本，提出基于清洁模型信息的粗粒度与细粒度评估指标，以揭示定向投毒攻击的真实最坏情况效果，并支持主动防御。

FastKernels: Benchmarking GPU Kernel Generation in Production

FastKernels：生产中GPU内核生成的基准测试

Gabriele Oliaro, Yichao Fu, May Jiang, Owen Lu, Junli Wang, Zhihao Jia, Hao Zhang, Samyam Rajbhandari

机构 * Snowflake AI Research（Snowflake AI研究院） ； CMU（卡内基梅隆大学） ； UCSD（加州大学圣地亚哥分校） ； Independent Researcher（独立研究者） 纠错

AI总结 针对现有基准与生产推理框架脱节的问题，提出FastKernels基准，包含46个代表性架构，覆盖96.2%的HuggingFace Transformers架构，并作为生产级推理框架，评估显示最强代理仅实现0.94倍加速，揭示基准-生产错位是关键瓶颈。

Verified Task-Space Motion Planning Under Joint-Space Constraints

关节空间约束下的验证任务空间运动规划

Hanjiang Hu, Changliu Liu, Yebin Wang

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室） ； MERL 纠错

AI总结 提出一种通过半定规划或二分法计算可验证最大笛卡尔超矩形步长的方法，并将其集成到Bug2规划器中，实现零关节限位违反和100%目标到达率。

Boundary-targeted Membership Inference Attacks on Safety Classifiers

针对安全分类器的边界目标成员推断攻击

Anthony Hughes, Alexander Goldberg, Prince Jha, Adam Perer, Nikolaos Aletras, Niloofar Mireshghallah

机构 * University of Sheffield（谢菲尔德大学） ； Carnegie Mellon University（卡内基梅隆大学） ； MBZUAI 纠错

AI总结 提出一种边界目标选择策略，通过识别低置信度样本来放大成员推断信号，在安全分类器上以5%假阳性率恢复19%的敏感对话，比现有方法高3.5倍。

TwinRouterBench: Fast Static and Live Dynamic Evaluation for Realistic Agentic LLM Routing

TwinRouterBench：面向现实智能体LLM路由的快速静态与实时动态评估

Pei Yang, Wanyi Chen, Tongyun Yang, Pengbin Feng, Jiarong Xing, Wentao Guo, Yuhang Yao, Yuhang Han, Hanchen Li, Xu Wang, Zeyu Wang, Jie Xiao, Anjie Yang, Liang Tian, Lynn Ai, Eric Yang, Tianyu Shi

机构 * Gradient ； Soochow University（苏州大学） ； Independent Researcher（独立研究者） ； University of Southern California（南加州大学） ； Rice University（Rice大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of the Chinese Academy of Sciences（中国科学院大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 提出TwinRouterBench基准，通过静态轨迹级前缀和动态智能体执行两轨，实现无需在线LLM评判的步骤级路由评估。

Online monotone density estimation and log-optimal calibration

在线单调密度估计与对数最优校准

Rohan Hore, Ruodu Wang, Aaditya Ramdas

机构 * Department of Statistics and Data Science, Carnegie Mellon University, USA（统计与数据科学系，卡内基梅隆大学，美国） ； Department of Statistics and Actuarial Science, University of Waterloo, Canada（统计与精算科学系，滑铁卢大学，加拿大） 纠错

AI总结 针对在线单调密度估计问题，提出在线Grenander估计器和专家聚合估计器，在随机设定下证明期望累积对数似然差距的$O(n^{1/3})$界，并建立专家聚合估计器相对于离线最优单调估计器的$\sqrt{n\log{n}}$路径后悔界，进而应用于序贯假设检验的对数最优p-to-e校准器构建。

Comments 31 pages, 2 figures

Information Access of the Oppressed: Freirean Design for Emancipatory Information Access

被压迫者的信息获取：解放性信息获取的弗莱雷式设计

Bhaskar Mitra, Nicola Neophytou, Sireesh Gururaja

机构 * Independent Researcher（独立研究者） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 本文借鉴保罗·弗莱雷的解放教育学理论，批判当前信息获取平台中的技术专家-用户二分法，提出弗莱雷式设计以促进社区成员共同构建平台，实现解放性信息获取。

ImProver 2: Iteratively Self-Improving LMs for Neurosymbolic Proof Optimization

ImProver 2：用于神经符号证明优化的迭代自改进语言模型

Riyaz Ahuja, Tate Rowney, Jeremy Avigad, Sean Welleck

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

AI总结 提出ImProver 2框架，结合数据高效的专家迭代流程和神经符号脚手架，在Lean 4中自动优化形式化证明，使7B参数模型在多项指标上超越大规模模型，并证明证明优化是可扩展的可学习任务。

A Survey of Text and Speech Resources for Hausa and Fongbe: Availability, Quality, and Gaps for NLP Development

豪萨语和丰贝语文本与语音资源综述：可用性、质量及NLP发展差距

Mahounan Pericles Adjovi, Victor Olufemi, Roald Eiselen, Prasenjit Mitra

机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校） ； Centre for Text Technology, North-West University（文本技术中心，北开普大学） 纠错

AI总结 本文系统调查了豪萨语和丰贝语的公开文本与语音资源，对比分析其可用性、质量及差距，为低资源语言NLP发展提供建议。

Comments 8 pages, 7 tables; survey paper; to appear in IEEE SDS 2026