Inducing Task Models from Computer-Use Traces
从计算机使用轨迹中诱导任务模型
机构 * Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 该研究提出TMI方法，可从计算机使用轨迹中分离并发任务并诱导结构化任务模型，在恢复交织任务、重构执行步骤及提升任务准确率上均优于现有基线。
高校专区
Carnegie Mellon University（卡内基梅隆大学）
Explainable Transformer Models for Clinical Prediction Tasks on Structured Electronic Health Records
用于结构化电子健康记录临床预测任务的可解释Transformer模型
机构 * Sanofi（赛诺菲） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究针对结构化EHR预测模型的可解释性缺口，提出BERT-LER模型，在EHRShot等任务中性能优于多数基准模型，归因符合临床风险因素，可推广至多领域。
Comments Accepted at MLHC 2026; to appear in Proceedings of Machine Learning Research (PMLR)
Beyond Multimodal Alignment: Certifying Physical Language through Response Substitution and Ordered Execution
超越多模态对齐：通过响应替换与有序执行验证物理语言
机构 * New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出DBOSC方法，在Cluster Haptic数据集与弹塑性系统中验证了多模态物理表示的可执行含义，明确了执行器、图表等因素对动作组合的影响，区分了多项可测试的操作能力成就。
Hybrid Feedback Sampling for Sample-Efficient Model Predictive Control
用于样本高效模型预测控制的混合反馈采样
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 本文提出混合反馈采样MPC（FS-MPC）算法，平衡局部与全局搜索，解决采样MPC在高维开环不稳定系统中的样本效率与数值不稳定问题，在真实机器人控制任务中表现优于现有方法。
Comments 15 pages, 6 figures
DeltaMomentum: A Key-Value based Anisotropic Momentum Update via Delta Rule
DeltaMomentum：基于键值结构的Delta规则各向异性动量更新
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 DeltaMomentum将方向感知融入动量更新，可作为优化器动量缓冲器的即插即用替代，在预训练中减少AdamW步数，在多模型和数据集上验证了其有效性。
PTXBench: Benchmark and Adapt LLMs for GPU Kernel Optimization with Architecture-specific PTX
PTXBench：用于结合架构特定PTX优化GPU内核的大型语言模型基准测试与适配
机构 * Carnegie Mellon University（卡内基梅隆大学） ； RadixArk ； Stanford University（斯坦福大学）
AI总结 研究提出PTXBench基准测试，评估LLM结合架构特定PTX优化GPU内核的能力，发现现有模型能力不均衡，经微调Qwen3.6-27B可改善部分任务但泛化仍不均，该基准为相关研究提供可审计测试平台。
MulTTiPop: A Multitrack Transcription Dataset for Pop Music
MulTTiPop：一个用于流行音乐的多轨转录数据集
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 介绍用于评估自动音乐转录模型的MulTTiPop数据集，通过对Lakh MIDI和TheoryTab数据集歌曲片段基于元数据匹配等方式收集，评估模型发现有改进空间，最佳模型起始F1得分为38%。
Comments 8 pages, 4 figures. Associated web preview available at this https URL (https://gclef-cmu.org/multtipop)
SoftVTBench: A Safety-Aware Visuo-Tactile Benchmark for Physically Constrained Robotic Manipulation of Deformable Objects (Early Version)
SoftVTBench：用于物理约束下可变形物体机器人操作的安全感知视觉触觉基准测试
机构 * Tuojing Intelligence（拓景智能） ； Tsinghua University（清华大学） ； King’s College London（伦敦国王学院） ； Southeast University（东南大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Manchester（曼彻斯特大学） ； Simple AI（简单人工智能公司） ； Imperial College London（伦敦帝国学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Zhejiang University（浙江大学） ； Beihang University（北京航空航天大学） ； The University of Hong Kong（香港大学）
AI总结 研究物理约束下可变形物体操作，提出SoftVTBench基准测试，通过有限元模拟可变形物体，定义任务套件，分别报告目标成功和安全成功，实现基线并实验，表明仅成功评估高估策略性能，触觉传感可提升安全性。
Comments Early version of SoftVTBench, Accepted by ECCVW
UrbanVGGT: Scalable Sidewalk Width Estimation from Street View Images
UrbanVGGT：从街景图像中可扩展的人行道宽度估计
机构 * Heinz College of Information Systems and Public Policy（信息系统与公共政策学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Institute of Remote Sensing and Geographical Information System（遥感与地理信息系统研究所）
AI总结 本文提出UrbanVGGT方法，通过单张街景图像估算人行道宽度，结合语义分割、3D重建、地面平面拟合等技术，在华盛顿特区基准测试中达到0.252米的均方误差，展示了其在大规模城市中的可行性。
