Carnegie Mellon University（卡内基梅隆大学）

SpeechEQ: Benchmarking Emotional Intelligence Quotient in Socially Aware Voice Conversational Models

SpeechEQ: 社交感知语音对话模型的情商基准测试

Liang-Yuan Wu, Zih-Ching Chen, Tongshuang Wu, Chao-Han Huck Yang, Hua Shen

机构 * New York University（纽约大学） ； NVIDIA（英伟达） ； Carnegie Mellon University（卡内基梅隆大学） ； NYU Shanghai（上海纽约大学） 纠错

AI总结 提出SpeechEQ框架，基于EQ-i 2.0理论构建2265个对话数据集，通过口语情商(SEQ)评分评估语音语言模型在主动多轮对话中的副语言社交线索推理能力，揭示端到端模型存在模态捷径、安全陷阱和上下文遗忘等瓶颈。

Cage-based Texture Transfer with Geometric Filtering

基于笼形几何滤波的纹理迁移

Rose Mei Zhou, Lynnette Hui Xian Ng, Adrian Xuan Wei Lim, Conor Griffin, Faraz Baghernezhad

机构 * Roblox ； CMU（卡内基梅隆大学） 纠错

AI总结 提出一种基于笼形几何滤波的方法，通过识别非化妆区抑制伪影，实现高效、无需训练的实时纹理迁移，在移动设备上对约4.8k三角网格达到约70ms运行时间。

Comments Accepted to SIGGRAPH 2026

Transferability for General Reasoning: An Automated Curriculum for Multi-Domain RLVR

通用推理的可迁移性：多领域RLVR的自动课程

Yongjin Yang, Jiarui Liu, Yinghui He, Lechen Zhang, Bernhard Schölkopf, Zhijing Jin

机构 * Jinesis Lab, University of Toronto & Vector Institute（Jinesis实验室，多伦多大学与向量研究所） ； Carnegie Mellon University（卡内基梅隆大学） ； Princeton University（普林斯顿大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； ELLIS Institute Tübingen（ELLIS研究所图宾根） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； EuroSafeAI 纠错

AI总结 提出迁移感知课程（TAC），利用优势信号和投影梯度估计跨领域可迁移性，在多领域推理套件上实现最佳平均准确率。

Comments 32 pages, including supplementary material; code available at https://github.com/YangYongJin/transfer-aware-curriculum

Causality-Based Parametric Control Barrier Function for Safe Multi-Vehicle Interaction

基于因果关系的参数化控制屏障函数用于安全多车交互

Yiwei Lyu, Caleb Chang, John M. Dolan

机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

AI总结 针对多车交互中因果推断困难导致保守行为的问题，提出基于因果关系的参数化控制屏障函数，实现自适应安全控制，提升任务效率。

Comments accepted ICRA 2026

AIChilles: Automatically Uncovering Hidden Weaknesses in AI-Evolved Systems

AIChilles：自动发现AI进化系统中的隐藏弱点

Yajie Zhou, Ao Li, Ashwin Silla, Zaoxing Liu, Vyas Sekar

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Boston University（波士顿大学） 纠错

AI总结 提出AIChilles框架，通过结合确定性工作负载参数提取、基于代理的约束推断、差异预言机和代码频率覆盖，自动发现AI进化程序在正确性、运行时、内存使用或输出质量上相对于基线程序的回归问题，在5个系统应用和30个AI进化程序中发现49个隐藏弱点。