高校专区
RoboWits：机器人创造性问题解决中的意外挑战
机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出RoboWits双臂机器人基准，通过多智能体协作的自动化任务生成流水线评估机器人在几何、材料和装配推理中的认知推理、创造性工具使用及鲁棒性，发现预训练VLA在突变任务中表现脆弱。
Comments The first two authors contributed equally
GaussianDream：用于机器人操作的前馈3D高斯世界模型
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学）
AI总结 提出GaussianDream，一种前馈3D高斯世界模型插件，通过可学习查询编码当前帧3D空间结构和短期未来演化，在训练时用静态重建和未来预测头监督，推理时仅保留查询条件化动作生成，在多个机器人操作基准上达到最先进性能。
Comments 19 pages, 9 figures
肌肉协同先验增强预测性肌肉骨骼运动模拟的生物力学保真度
机构 * Department of Mechanical Engineering（机械工程系） ； Carnegie Mellon University（卡内基梅隆大学） ； Department of Physical Education（体育系） ； Seoul National University（首尔国立大学） ； Lampe Joint Department of Biomedical Engineering（生物医学工程联合部门） ； UNC-Chapel Hill and NC State University（北卡罗来纳大学教堂山分校和北卡罗来纳州立大学）
AI总结 提出一种生理学启发的强化学习框架，通过肌肉协同约束控制，在有限实验数据下提高了预测性人体运动模拟的生物力学保真度和泛化能力。
Comments Added a manuscript footnote stating "Project page with supplementary videos: https://ces40320.github.io/WebHomepage__Walk-RL ."
视觉虫洞：异构多智能体系统中的潜在空间通信
机构 * Purdue University（普渡大学） ； Contextual AI（情境人工智能） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出Vision Wormhole框架，通过通用视觉编解码器将推理轨迹映射到共享连续空间，实现异构VLM间的潜在状态传输，无需配对翻译器，降低对齐复杂度并提升效率。
Comments Preprint. Work in progress
超越文本：音频章节划分的新视角
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文通过提出音频专用架构AudioSeg、分析影响性能的因素以及形式化评估协议，系统研究了音频章节划分任务，发现AudioSeg显著优于基于文本的方法，停顿是最有效的声学特征，而多模态大模型在短音频上表现有潜力。
Comments Accepted at ACL 2026 (Main Conference)
当相同系数到达不同位置：跨大型语言模型移植分词器中的非对称可实现性
机构 * Purdue University（普渡大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文发现跨词汇模型组合中分词器移植的几何结构非对称性，并构造了“破坏令牌”以利用该漏洞，通过实验验证其在多个模型对中的存在性及对微调、谱滤波等防御措施的鲁棒性。
卸载分数：通过反事实工作流衡量AI依赖度
机构 * Stanford University（斯坦福大学） ； University of Oxford（牛津大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan（密歇根大学）
AI总结 本文提出卸载分数（offloading score），一种通过构建反事实工作流量化用户向AI工具卸载认知努力比例的依赖度度量，并通过内在验证和用户实验证明其能检测时间压力下的依赖度变化。
Comments Preprint
GrepSeek：训练用于直接语料库交互的搜索代理
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Princeton University（普林斯顿大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出GrepSeek，一种通过两阶段训练（冷启动数据集+GRPO优化）和语义保持的分片并行执行引擎，训练紧凑型搜索代理直接与文本语料库交互（通过shell命令），在开放域问答中取得最优F1和精确匹配。
轻量级互补线索融合用于鲁棒视频人脸伪造检测
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出轻量级融合模块，结合手工特征（小波去噪特征与相位谱或局部二值模式），在极小参数增加下显著提升视频人脸伪造检测的鲁棒性。
Comments 13 pages, 6 figures, 3 tables
链条保持，答案翻转：对抗压力下推理模型中的痕迹-答案分离
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本研究通过2×2潜在-行为框架发现推理模型在持续对抗压力下出现“不忠实屈服”故障模式，即思维链保持正确但答案错误，并验证了推理通道对此的影响。
同一问题，不同来源，不同答案：审计医学多源RAG中的来源依赖性
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出来源依赖性作为NLP评估缺失的维度，通过构建移植患者教育基准TransplantQA、分层检索策略HERO-QA和结构化输出评判器，审计多源RAG系统中同一问题因检索来源不同而给出不同答案的失败模式。
谱引导：灵活高效的扩散模型控制方法
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Institute for Systems and Robotics（系统与机器人研究所）
AI总结 提出谱引导框架，通过条件期望算子的奇异函数学习生成过程的固有几何结构，实现无需重训练或反向传播的稳定高保真控制，在CIFAR-10上条件准确率提升37个百分点且采样加速4倍。
Comments ICML 2026
CausaLab：面向AI科学家的交互式因果发现可扩展环境
机构 * Tsinghua University（清华大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Chicago（芝加哥大学） ； Adobe
AI总结 提出CausaLab环境，通过合成实验室任务评估LLM代理在因果发现中的预测准确性与因果机制恢复能力，发现两者存在显著差距。
PrecisionCUA：代码编辑器中像素级光标定位的迭代视觉细化
机构 * Microsoft（微软公司） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出PrecisionCUA方法，通过迭代视觉反馈细化机制实现代码编辑器中像素级光标定位，显著提升点击精度和任务成功率。
HumorGen: 基于角色蒸馏的大语言模型幽默生成的认知协同
机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校）
AI总结 针对大语言模型标准训练目标与幽默所需意外性之间的矛盾，提出认知协同框架，利用六种认知角色合成多样化喜剧视角数据，微调7B参数学生模型，实验表明认知驱动的数据策展比对齐算法或模型规模更关键。
价格反转现象：当更便宜的推理模型成本更高时
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； CMU（卡内基梅隆大学） ； Microsoft Research（微软研究院）
AI总结 本文首次系统研究推理模型标价与实际成本的偏差，发现32%的模型对比较中存在价格反转现象，并基于Shapley值建立成本归因框架，揭示思考令牌消耗和交互轮次的高度异质性是主要原因。
机器人何时应该思考？基于强化学习的资源感知推理在具身机器人决策中的应用
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Northeastern University（东北大学） ； Harvard University（哈佛大学） ； Cornell University（康奈尔大学） ； MIT（麻省理工学院） ； Fujitsu Research of America（美国富士通研究） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； University of Georgia（佐治亚大学） ； Florida International University（佛罗里达国际大学） ； EmbodyX Inc（EmbodyX公司） ； Cisco Systems（思科系统）
AI总结 提出RARRL框架，通过强化学习学习高层编排策略，使具身代理能自适应决定是否调用LLM推理、选择推理角色及分配计算预算，以平衡推理开销与任务成功率。
BioArc：发现生物学基础模型的最优神经架构
机构 * Department of Computer Science, Virginia Tech, Blacksburg, VA, USA（弗吉尼亚理工学院计算机科学系） ； Department of Electrical and Computer Engineering, Virginia Tech, Blacksburg, VA, USA（弗吉尼亚理工学院电气与计算机工程系） ； Department of Computer Science, Carnegie Mellon University, Pittsburgh, PA, USA（卡内基梅隆大学计算机科学系） ； Department of Biomedical Data Science, Stanford University, Stanford, CA, USA（斯坦福大学生物医学数据科学系）
AI总结 针对现有基础模型架构直接迁移至生物学领域时忽视生物数据独特性质的问题，提出BioArc框架，利用神经架构搜索系统探索架构设计空间，发现高性能架构并提炼设计原则，同时提出架构预测方法以高效预测新任务的最优架构。
Comments Accepted at the 43nd International Conference on Machine Learning (ICML 2026)
歌唱声音转换挑战2025评估结果的深入分析
机构 * Graduate School of Informatics, Nagoya University, Japan（名古屋大学信息学研究科，日本） ； Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）） ； Carnegie Mellon University, USA（卡内基梅隆大学，美国） ； National Institute of Informatics, Japan（日本信息处理学会） ； Information Technology Center, Nagoya University, Japan（名古屋大学信息技术中心，日本）
AI总结 本文对2025年歌唱声音转换挑战赛的评估结果进行了深入分析，通过新数据库、两个任务、开源基线和大规模众包测试，比较了33个系统在歌手身份和歌唱风格转换上的表现，发现顶级系统在身份相似性上接近真实样本，但风格建模（如气息、滑音、颤音）仍具挑战，且现有客观指标无法完全替代主观评分。
Comments Submitted to IEEE TASLP
用可解释的特征归因解释概念漂移
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出SGShift方法，通过将概念漂移建模为特征选择任务，利用广义加性模型、敲除和吸收等统计工具识别导致源域与目标域模型性能差异的稀疏漂移特征。
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