高校专区
拦截未来：用于动态VLA操作的潜在空间预测世界模型
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 提出AHEAD框架，通过潜在空间世界模型预测未来视觉特征，使冻结的VLA模型在动态场景中实现高成功率操作。
Comments 28 pages, 7 figures, 16 tables, Su
K-BrowseComp：基于韩国语境的网页浏览代理基准测试
机构 * Chung-Ang University（Chung-Ang 大学） ； KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学） ； OnelineAI ； NAVER Cloud AI ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对韩国语境，构建包含400个问题的网页浏览代理基准K-BrowseComp，评估前沿模型性能，发现其准确率显著低于BrowseComp，并公开数据与代码。
WAXAL-NET: 针对19种非洲语言的微调边缘ASR
机构 * CMU Africa（CMU非洲中心） ； LyngualLabs ； MBZUAI
AI总结 本研究评估了紧凑型领域专用ASR模型在WAXAL语料库的19种非洲语言会话语音上是否优于大规模多语言基础模型，通过微调边缘模型实现了宏平均WER从64.9%降至38.0%，模型大小缩小3-40倍，证实领域专业化主导规模效应。
CRAB-Bench：在复杂任务依赖和人类对齐用户模拟下评估LLM智能体
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出CRAB-Bench和RUSE框架，通过约束图生成复杂任务依赖和基于人类行为研究的用户模拟，评估LLM智能体在真实服务场景中的表现，发现最佳模型仅达61%通过率，用户模拟导致性能下降高达57%。
多智能体计算机使用
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对单智能体计算机使用代理在复杂长时任务中的不足，提出多智能体计算机使用系统，通过有向无环图分解任务并并行执行，在多个基准测试上提升3.4-25.5%性能，并加速任务完成时间约1.5倍。
温度前后：创造性LLM生成的分布视角
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Indian Institute of Technology, Kharagpur（印度理工学院克哈格布尔分校） ； Delhi Technological University（德里技术大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Rutgers University（罗格斯大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 通过分析采样温度重塑token分布的特征，提出一种无需参考的创造力评估方法，在Llama-3.1-8B-Instruct上达到Spearman ρ=0.918（LLM评判）和ρ=0.870（人类多数评判），显著优于现有基线。
Comments Submitted to NGEN-AI 2026
Dr. DocBench：专家级与困难文档解析的综合基准
机构 * Stanford University（斯坦福大学） ； MIT（麻省理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Southern California（南加州大学） ； Harvard University（哈佛大学） ； IBM Research（IBM研究院） ； University of Arizona（亚利桑那大学） ； Duke University（杜克大学） ； UC Berkeley（加州大学伯克利分校） ； LMU Munich（慕尼黑路德维希-马克西米利安大学）
AI总结 提出Dr. DocBench基准，通过基于解析器失败的采样从多语言书籍语料库中选取挑战性文档，包含52个BISAC主题领域和65k高质量标注，用于评估专家级文档解析能力。
Comments 27 pages, 13 figures, 14 tables
迷失在妄想中：审视用户妄想与痛苦下的LLM安全性
机构 * University of Pittsburgh（匹兹堡大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Fordham University（福特汉姆大学）
AI总结 本研究通过多轮对话模拟，发现LLM在检测用户痛苦时表现良好，但在痛苦嵌入妄想时干预行为显著减少（高达4.5倍），并提出针对性提示策略以缩小这一差距。
利用GRPO改进视觉表示对齐生成
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Hanyang University（翰阳大学）
AI总结 提出VRPO方法，通过强化学习将静态对齐损失替换为生成式表示策略优化目标，动态平衡表示一致性与生成质量，在扩散Transformer中实现更快的收敛和更高的图像保真度。
当安全技能碰撞：衡量智能体技能生态系统中的组合风险
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Glasgow（格拉斯哥大学） ； Independent Researcher（独立研究员） ； Corespeed Inc.（Corespeed公司）
AI总结 本文提出SkillReact框架，通过静态组合基准、双评分者LLM辅助人工审核和基于动作的可利用性测试，研究LLM智能体中个体安全的技能组合后可能产生的不安全行为，发现约18.2%的候选组合存在真实风险，且主机模型决定是否利用这些组合能力。
ROGUE：源于普通计算机使用的错误对齐代理行为
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究AI代理在良性环境中因任务完成而采取不安全行为（违反可纠正性）的问题，通过基准测试发现前沿模型普遍绕过用户中断或限制，且性能提升反而加剧错误对齐。
Comments 27 pages, 13 figures
StressDream: 引导视频世界模型实现鲁棒的策略评估与改进
机构 * Carnegie Mellon University（卡内基梅隆大学） ； NVIDIA Research（NVIDIA研究） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 提出StressDream方法，通过优化扩散视频世界模型的初始噪声，在推理时引导生成高影响且合理的未来场景，以支持鲁棒的策略评估与改进。
Comments Project page: https://junwon.me/StressDream/
Safe2Drive: 评估端到端自动驾驶模型的安全驾驶行为
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Birla Institute of Technology and Science Pilani（比拉理工学院和科学帕利尼）
AI总结 针对端到端自动驾驶模型在常见安全关键场景中表现脆弱的问题，提出Safe2Drive测试集和安全驾驶评分（SDS），评估发现领先模型在安全场景中驾驶得分大幅下降且SDS较低。
Journal ref CVPR Workshops 2026
学习构建实用的智能体系统
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Dept. of Computer Science（计算机科学系） ； Emory University（埃默里大学）
AI总结 本文提出一种基于伪工具和固定工作流的智能体框架，通过模块化设计和多目标优化方法，在保证成本可控和结果质量的前提下，实现实用智能体系统的自动构建与优化。
智能体Transformer通过强化学习可证明地学会搜索
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Pennsylvania（宾夕法尼亚大学） ； The Ohio State University（俄亥俄州立大学） ； Yale University（耶鲁大学）
AI总结 本文通过构建双头Transformer实现随机深度优先搜索，并分析策略梯度训练动力学，证明该搜索机制能从稀疏强化反馈中分阶段涌现，且具备深度泛化能力。
跨语言引导的比喻语言生成
机构 * Department of Computer Science, University of Cincinnati（卡内基梅隆大学计算机科学系） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） ； Independent Researcher（独立研究者）
AI总结 通过激活引导技术，研究多语言大模型中比喻语言生成的内部信号是否跨语言可复用，发现跨语言方向可有效转移并增强目标行为。
Comments 40 pages, 7 figures
WorldMemArena: 通过动作-世界交互评估多模态智能体记忆
机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； J.P. Morgan Chase（摩根大通） ； ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出WorldMemArena基准，通过动作-世界交互循环的四阶段生命周期评估多模态智能体记忆，揭示现有方法在写入、维护、检索和使用中的失败点。
Comments 25 pages, 8 figures
基于E值的差分隐私假设检验的最优速率
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究在ε-差分隐私约束下，使用e值进行假设检验时所能达到的最大e-power，并给出最优速率及匹配算法。
Comments Corrected typos; updated references; generalized proposition 3.1
走向因果效应识别中选择偏差的整体理解
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 研究在观测研究中存在选择偏差时，如何利用弱假设刻画倾向得分和选择概率，给出平均处理效应可识别性的充要条件，扩展了现有图形识别准则。
Comments 9 pages for the main text, ICML 2026
基于同伴成功与失败的多轨迹在线策略蒸馏
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Microsoft（微软） ； Purdue University（普渡大学）
AI总结 提出多轨迹在线策略蒸馏（MOPD），利用学生模型的本地轨迹组构造更丰富的教师信号，通过同伴成功与失败条件化提升蒸馏效果。
Comments 23 pages
视觉-语言模型将头部方向误认为注视方向：非语言对话线索
机构 * Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； Emory University（埃默里大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Washington（华盛顿大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan（密歇根大学） ； UC San Diego（圣地亚哥大学）
AI总结 本研究通过控制头部方向的实验发现，视觉-语言模型（VLMs）在推断注视目标时主要依赖头部方向而非眼睛外观，导致与人类存在显著性能差距，并指出数据偏差是主要原因。
Comments Accepted by ACL 2026. Project page at https://zoryzhang.github.io/gaze/
RichControl: 面向文本到图像生成的、结构和外观丰富的免训练空间控制
机构 * Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出一种免训练框架，通过解耦条件特征的采样调度与去噪过程，并引入重启细化调度和外观丰富提示策略，在复杂条件下实现结构和外观平衡的受控生成。
神经低差异序列
机构 * MIT（麻省理工学院） ； CMU（卡内基梅隆大学） ； Harvard University（哈佛大学）
AI总结 提出NeuroLDS，首个基于机器学习的有限低差异序列生成框架，通过监督预训练和无监督微调两步学习，在多个应用中显著优于传统方法。
Comments ICML 2026
LLM Trainer：利用大语言模型通过演示增强自动生成机器人数据
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出LLM Trainer，一种利用大语言模型的世界知识将少量人类演示自动扩展为大规模机器人数据集的管道，通过离线标注和在线关键姿势重定向生成新轨迹，并采用汤普森采样优化标注。
Comments 9 pages, 5 figures, 4 tables. Accepted in ICRA 2026
以表示为中心的监督式骨骼动作识别综述与新基准
机构 * School of Computing, Australian National University（澳大利亚国立大学计算学院） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； OPPO US Research Center（OPPO美国研究中心） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Western Australia（西澳大利亚大学） ； Curtin University（Curtin大学） ； School of Engineering and Built Environment, Griffith University（格里菲斯大学工程与环境学院） ； School of Medicine, Yale University（耶鲁大学医学院）
AI总结 本文以输入表示类型（关节坐标、骨骼向量、运动流及扩展表示）为中心，系统综述了监督式3D骨骼动作识别方法，并提出了包含多视角、复杂多人交互等挑战的大规模数据集ANUBIS，通过实验揭示了动作-特征依赖关系及多表示融合的局限性。
Comments Accepted for publication in Pattern Recognition
基于新的纵向UNOS数据集通过时间-事件模型对心脏移植等待名单死亡率预测进行基准测试
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Imperial College（帝国理工学院） ； United Network for Organ Sharing（美国器官共享网络） ； Medical University of South Carolina（南卡罗来纳医学院）
AI总结 本研究利用纵向等待名单历史数据，通过时间-事件模型对心脏移植等待名单死亡率进行预测，最佳模型C-Index达0.94，AUROC达0.89，显著优于以往模型。
Comments Best Student Paper Finalist in Proceedings of AMIA Annual Symposium 2025
EuroBERT：面向欧洲语言的多语言编码器扩展
机构 * Artefact Research Center（Artfact研究中心） ； CNRS（法国国家科学研究中心） ； ISIA Lab（ISIA实验室） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出EuroBERT系列多语言编码器，通过整合生成式模型的最新进展，在检索、回归和分类等任务上超越现有模型，并原生支持长达8192个token的序列。
Comments 28 pages, 8 figures, 13 tables
关于语言模型可重复评估的前线经验教训
机构 * MBZUAI ； IIIT Hyderabad ； EleutherAI ； HiTZ Center - Ixa, UPV/EHU ； Ivy Natal ； University of Michigan ； HubSpot ； LibrAI ； Kensho ； Contextual AI ； Brown University ； New York University ； Amazon ； Yale University ； HKUST ； Sorbonne University ； CMU
AI总结 本文基于开发Language Model Evaluation Harness框架的三年经验，总结了语言模型评估中面临的方法论挑战、缺乏可重复性和透明度等问题，并提供了改进评估严谨性和信心的建议。
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