高校专区
跨尺度预训练：增强低分辨率卫星图像的自监督学习以用于语义分割
机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校）
AI总结 本文提出跨尺度预训练方法，利用高分辨率数据提升低分辨率图像的表示学习和分割性能，通过设计空间亲和组件改进自监督学习框架。
WebGym: 通过现实任务扩大视觉网络代理的训练环境
机构 * Microsoft（微软） ； UIUC（伊利诺伊大学香槟分校） ； CMU（卡内基梅隆大学）
AI总结 WebGym通过大规模现实任务和异步轨迹采样系统提升视觉网络代理训练效果，使基座模型在分布外测试集上的成功率显著提升。
Comments Completed acknowledgements
从折叠到功能：基于仿真的折纸机制设计
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 本文提出一种基于仿真的折纸机制设计框架，利用MuJoCo的可变形体能力，通过直观的图形用户界面实现折纸结构的仿真与优化，验证了其在折纸弹射装置中的应用效果。
Comments IEEE RoboSoft 2026 (8 Pages, 9 Figures)
在有侧信息的Stackelberg博弈中近最优的探索学习
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Bocconi University（博科尼大学） ； Politecnico di Milano（米兰理工学院） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文研究了在有侧信息的Stackelberg博弈中在线学习问题，提出算法在Bandit反馈下达到O(T^{1/2})的 regret，优于之前的O(T^{2/3})。方法通过将问题转化为效用空间的线性上下文带宽问题，扩展到未知效用函数和拍卖、贝叶斯说服等场景。
Comments Accepted to ICLR 2026
在多臂老虎机中权衡奖励与误差
机构 * Inria SequeL ； CMU EnLearn
AI总结 研究多臂老虎机中准确识别臂均值与累积奖励之间的权衡，提出具有后悔保证的算法，通过实验验证上下界。
Comments Published at AISTATS 2017 (20th International Conference on Artificial Intelligence and Statistics)
ARFBench: 用于软件事件响应的时间序列问题回答能力基准测试
机构 * Machine Learning Department, Carnegie Mellon University（卡内基梅隆大学机器学习系） ； Datadog AI Research（Datadog AI研究） ； Amazon Web Services（亚马逊网络服务）
AI总结 本文提出ARFBench基准测试，评估多模态基础模型对软件事件数据中时间序列异常的理解能力，发现前沿VLM表现优异，提出混合模型并建立模型-专家 oracle，达到超人类水平。
Comments Updated author affiliation
图像质量评估的算法凝视：LAION-Aesthetics预测器的审计与踪迹民族志
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文研究了广泛用于训练视觉生成图像模型的LAION-Aesthetics预测器，揭示其在筛选图像数据时对女性描述的偏向性，以及其对西方艺术史中帝国和男性凝视的强化，呼吁转向更多元的审美评估。
Comments To Appear at FAccT 2026
基于得分的贪心搜索在部分观测线性因果模型结构识别中的应用
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（莫卧儿 bin Zayed 人工智能大学）
AI总结 本文提出了一种基于得分的贪心搜索方法，用于识别包含潜在变量的线性因果模型结构，通过全局一致性保证结构可识别性，并在合成和真实数据上验证了方法的有效性。
用于视觉生成的表示弗雷歇损失
机构 * USC（美国南加州大学） ； CMU（卡内基梅隆大学） ； CUHK（香港中文大学） ； OpenAI
AI总结 本文提出FD-loss，通过分离FD估计的种群规模与梯度计算的批次规模，发现基于表示空间的FD优化能提升视觉质量，且多步生成器可转为强单步生成器，同时揭示FID可能误判视觉质量。
Comments Code and checkpoints are available at https://github.com/Jiawei-Yang/FD-loss
PhyCo：学习可控制的物理先验以生成运动
机构 * Carnegie Mellon University（卡内基梅隆大学） ； NEC Labs America（NEC美国实验室） ； UC San Diego（圣地亚哥大学）
AI总结 PhyCo通过整合物理可控的生成模型，实现了在视频生成中物理一致性和可控性的提升，无需模拟器或几何重建。
Comments CVPR 2026. Project Page: https://phyco-video.github.io/
我说的话：用于指令跟随的语音提示数据集
机构 * Karlsruhe Institute of Technology, Germany（卡尔斯鲁厄理工学院，德国） ； Fondazione Bruno Kessler, Italy（布鲁诺·凯瑟尔基金会，意大利） ； ACC Cyfronet AGH, Poland（AGH计算机科学与技术学院，波兰） ； AGH University of Krakow, Poland（克拉科夫AGH大学，波兰） ； Carnegie Mellon University, U.S.（卡内基梅隆大学，美国）
AI总结 本文提出DOWIS数据集，用于评估语音指令下的SLLM性能，发现文本提示在低资源和跨语言任务中表现更优，但语音输出任务中语音提示能缩小差距。
Omni-Attribute: 用于视觉概念个性化的第一款开放词汇属性编码器
机构 * Snap Inc. ； UC Merced（加州大学默塞德分校） ； CMU（卡内基梅隆大学）
AI总结 本文提出Omni-Attribute，通过联合设计数据与模型，学习高保真属性特定表示，解决现有方法中属性混杂的问题，提升开放词汇属性检索与生成性能。
Comments CVPR 2026. Project page: https://snap-research.github.io/omni-attribute
表基础模型能否指导机器人策略学习中的探索？
机构 * Department of Mechanical Engineering, Carnegie Mellon University（卡内基梅隆大学机械工程系） ； Inria, Département d’informatique de l’ENS, CNRS, PSL Research University（法国国家科学研究中心（CNRS）、巴黎综合理工学院（ENS）和PSL研究大学的Inria）
AI总结 本文提出TFM-S3方法，通过结合局部和全局搜索提升机器人策略学习的全局探索效率，实验显示其在连续控制基准上加速收敛并提升性能。
Comments 8 pages, 6 figures
基于全局采样的轨迹优化用于接触密集操作的KernelSOS方法
机构 * Department of Mechanical Engineering, Carnegie Mellon University（卡内基梅隆大学机械工程系） ； Inria, Département d’informatique de l’ENS, CNRS, PSL Research University（法国国家科学研究中心（CNRS）、巴黎高等师范学院（ENS）和PSL研究大学的Inria）
AI总结 本文提出Global-MPPI框架，结合全局探索与局部优化，解决接触密集操作中的高维、长时域问题，实验显示其收敛更快且成本更低。
Comments 8 pages, 5 figures
无用却安全？在多轮对话中通过用户意图澄清基准测试恢复效用
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Allen Institute for AI（人工智能联盟研究所） ； University of Washington（华盛顿大学）
AI总结 本文提出CarryOnBench，首个交互式基准测试，评估LLM在多轮对话中是否能修正用户意图并恢复效用，同时保持安全。通过398个看似有害但实际无害的查询，生成5970次对话，评估14个模型的意图对齐效用和安全性能，发现模型在意图澄清后恢复效用存在不同失败模式。
具备主动感知的机器人规划与情境处理
机构 * SUNY Binghamton（纽约州立大学布法罗分校） ； CMU（卡内基梅隆大学） ； Ford Research（福特研究） ； Agility Robotics（敏捷机器人）
AI总结 本文提出VAP-TAMP框架，通过主动感知和情境评估提升机器人在动态环境中执行任务的能力，结合场景图进行任务与运动规划，通过仿真和移动机械臂平台验证有效性。
DDO-RM：奖励学习后基于分布的策略改进
机构 * Department of Computer Science（计算机科学系） ； Columbia University（哥伦比亚大学） ； Department of Management Science and Engineering（管理科学与工程系） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 DDO-RM通过将奖励评分转化为显式目标分布，改进策略在分布层面的性能，实验显示其在准确性与边际均值上优于DPO。
Comments 8 pages, 4 figures
一种多模态深度感知方法用于具身参照理解
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； KIT Campus Transfer GmbH (KCT)（KIT校园转移有限公司） ； Istanbul Technical University（伊斯坦布尔技术大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出一种多模态深度感知方法，结合语言模型数据增强、深度图模态和深度感知决策模块，提升复杂环境中的参照物识别准确性。
Comments Accepted by ICASSP 2026
增量强连通分量与预测
机构 * Williams College（威廉姆斯学院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出利用预测设计增量强连通分量数据结构，通过预计算部分解提升插入效率，理论分析表明预测准确性高时性能接近最优，实验验证了理论在实际运行时的改进效果。
野外代理搜索：从1400万次真实搜索请求中获取意图和轨迹动态
机构 * Carnegie Mellon University Pittsburgh PA US ； INESC-ID, Carnegie Mellon University Pittsburgh PA US ； INESC-ID, Instituto Superior T\'ecnico, University of Lisbon Lisbon Portugal ； NOVA LINCS\ University Lisbon Caparica Portugal ； Carnegie Mellon University ； INESC-ID, Carnegie Mellon University ； INESC-ID, Instituto Superior T\'ecnico, University of Lisbon ； NOVA LINCS\ University Lisbon
AI总结 本文分析了1400万次真实搜索请求，揭示了代理搜索会话中的行为模式，包括步骤数、时间间隔及查询重构的可追溯性，为重复敏感停止和意图适应检索预算提供信号。
Comments Accepted at SIGIR 2026. DOI: 10.1145/3805712.3809627
对过程奖励模型的调查：从结果信号到大语言模型的过程监督
机构 * Shanghai Jiao Tong University（上海交通大学） ； University College London（伦敦大学学院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Bristol（布里斯托大学）
AI总结 本文综述了过程奖励模型，探讨了如何生成过程数据、构建PRMs及在测试时扩展和强化学习中的应用，涵盖数学、代码、文本、多模态推理、机器人和智能体等领域。
向扩散模型的冗余减少迈进：为高效视频超分辨率而优化
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Shanghai Jiao Tong University（上海交通大学） ； Sun Yat-sen University（中山大学） ； Snap Inc.（Snap公司） ； South China University of Technology（华南理工大学）
AI总结 本文提出OASIS，一种针对真实世界视频超分辨率的高效单步扩散模型，通过注意力专业化路由减少冗余，提升性能与推理速度。
GoViG：通过多模态推理实现目标条件视觉导航指令生成
机构 * University of Washington（华盛顿大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Microsoft Research（微软研究院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出GoViG任务，通过多模态推理生成基于初始和目标状态的视觉导航指令，采用自回归多模态大语言模型提升空间准确性和语言清晰度，提出两种多模态推理策略并构建R2R-Goal数据集验证方法有效性。
Comments Accepted to ACL 2026 Findings. 22 pages, 12 figures, Code: https://github.com/F1y1113/GoViG
对计算机使用代理的安全性和安全威胁的综述：贾维斯或乌tron？
机构 * Carnegie Mellon University（卡内基梅隆大学） ； The Chinese University of Hong Kong（香港中文大学） ； KAUST（卡塔尔科技大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Nanyang Technological University（南洋理工大学） ； Renmin University of China（中国人民大学） ； The Hong Kong University of Science and Technology（香港科学大学）
AI总结 本文综述了计算机使用代理的安全威胁，定义了安全分析适用的代理类型，分类了当前的安全威胁，提出了防御策略的分类，并总结了评估代理安全性和性能的基准、数据集和评估指标。
Comments Accepted by ACL 2026
多智能体安全中的开放挑战：迈向交互式AI智能体的安全系统
机构 * Oxford Witt Lab, University of Oxford（牛津Witt实验室，牛津大学） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Association for Computing Machinery (ACM)（计算机协会（ACM）） ； Independent（独立） ； MATS Research（MATS研究） ； CyLab Security & Privacy Institute, Carnegie Mellon University（CyLab安全与隐私研究所，卡内基梅隆大学） ； Qualcomm Inc.（高通公司） ； Oxford Martin AI Governance Initiative（牛津马丁人工智能治理倡议） ； Carnegie Mellon University（卡内基梅隆大学） ； MIT Media Lab（麻省理工媒体实验室） ； SAP SE（SAP德国分公司） ； OWASP GenAI Security Project - Agentic Security Initiative（OWASP生成式AI安全项目-代理安全倡议） ； Contramont Research（Contramont研究） ； The Alan Turing Institute（艾伦·图灵研究所） ； Department of Economics, New York University（纽约大学经济系） ； Zenity（Zenity公司） ； King’s College London（伦敦国王学院） ； Arizona State University（亚利桑那州立大学） ； Torr Vision Group, University of Oxford（托尔视觉组，牛津大学） ； Deep Cyber Ltd（Deep Cyber有限公司）
AI总结 本文探讨多智能体交互带来的安全挑战，提出多智能体安全新领域，旨在解决智能体间及与人类、机构的交互中出现的安全问题，分析安全与效用、安全与安全之间的权衡。
KinDER：机器人学习与规划的运动学与动力学推理基准
机构 * Princeton University（普林斯顿大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Tech（佐治亚理工学院） ； University of Cambridge（剑桥大学） ； NVIDIA（英伟达） ； MIT（麻省理工学院）
AI总结 KinDER基准针对机器人学习与规划中的物理推理挑战，包含25个生成环境、Python库和评估套件，旨在通过系统比较不同方法提升机器人物理推理能力。
Comments Project website: https://prpl-group.com/kinder-site/. 21 pages, 8 figures. Accepted to Robotics Science and Systems (RSS), 2026
少用大模型，多用文档：寻找改进RAG的方法
机构 * School of Computer Science, Carnegie Mellon University（计算机科学系，卡内基梅隆大学）
AI总结 本文研究了扩大检索器文档库对RAG性能的影响，发现增大文档库可提升性能，甚至在某些情况下优于使用更大模型，但存在边际效益递减的问题。
Comments Proceeding Version of ECIR 2026. In: Campos, R., et al. Advances in Information Retrieval. ECIR 2026
基于混合专家表示的联合学习用于语音增强和鲁棒情绪识别
机构 * Department of Electrical Engineering, National Tsing Hua University（国立交通大学电子工程系） ； Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所）
AI总结 本文提出Sparse MERIT框架，通过帧级专家路由和任务特定门控网络，提升语音增强与情绪识别的鲁棒性与性能，实验显示在噪声条件下表现更优。
Comments Accepted by IEEE Transactions on Audio, Speech and Language Processing (TASLP)
妄想的动力学：人类-聊天机器人对话中双向虚假信念放大建模
机构 * Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 研究通过分析聊天记录数据，发现人类与聊天机器人之间存在双向影响，人类短期影响聊天机器人，而聊天机器人长期影响人类，并自我强化妄想，为AI安全提供新见解。
代理架构：一种用于建筑设计探索和优化的代理AI框架
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出Agentic Architect框架，结合LLM驱动的代码进化与精确模拟，实现计算机架构设计的探索与优化，展示了在缓存替换、数据预取和分支预测等领域的性能提升。
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