APO: Unsupervised Atomic Policy Optimization for 3D Structure Prediction of Atomic Systems
APO：面向原子系统三维结构预测的无监督原子策略优化
机构 * CMU（卡内基梅隆大学） ； NUS（新加坡国立大学）
AI总结 本研究提出无监督原子策略优化框架APO，通过双奖励机制实现原子系统三维结构预测，在晶体与抗体预测中优于全监督基线，提升了匹配率、结构保真度与推理效率。
高校专区
Carnegie Mellon University（卡内基梅隆大学）
SemAnCorr: Semantic Anchored Correspondence for Zero-Shot Manipulation Skill Transfer
SemAnCorr：用于零样本操作技能迁移的语义锚定对应方法
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； College of Connected Computing, Vanderbilt University（范德堡大学互联计算学院） ； College of Engineering, University of California, Berkeley（加州大学伯克利分校工程学院） ； School of Computer Science, The University of Sydney（悉尼大学计算机学院）
AI总结 SemAnCorr是一种无需训练的机器人密集对应框架，通过联合优化建立语义与几何一致的对应关系，在PartNet-Mobility基准上获90.8%语义准确率，可实现可靠的零样本操作技能迁移。
Hidden APIs in Language Models: Discovering Reusable Causal Interfaces from Forked Futures
语言模型中的隐藏API：从分叉未来中发现可复用的因果接口
机构 * Nanyang Technological University（南洋理工大学） ； Southern University of Science and Technology（南方科技大学） ； Tianjin University（天津大学） ； Sun Yat-sen University（中山大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； The Hong Kong Polytechnic University（香港理工大学） ； Shenzhen University（深圳大学） ； Tsinghua University（清华大学） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本研究从分叉未来采样后续操作以比较语言模型隐藏状态，发现共享接口在多模型评估中表现最优，支持测试操作库中存在可复用因果接口。
Context-Informed Ship Trajectory Prediction via Conditional Attention
基于条件注意力的上下文感知船舶轨迹预测
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Advanced Technology Laboratories Lockheed Martin（洛克希德·马丁公司先进技术实验室）
AI总结 该研究提出Conditional Informer架构，通过条件注意力机制编码船舶与环境的物理依赖，结合Modality Masking策略，在AIS与ERA5数据上提升了船舶轨迹预测准确率并降低了传感器故障时的误差。
Comments Accepted for publication at the 2026 29th International Conference on Information Fusion (IEEE FUSION)
