高校专区
从推理到像素：统一多模态模型中对齐差距的基准测试
机构 * University of California San Diego（加利福尼亚大学圣迭戈分校） ； University of Southern California（南加利福尼亚大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文通过UReason基准测试，探讨统一多模态模型中模态对齐问题，发现去上下文生成在图像生成任务中表现更优，揭示了文本推理与生成图像之间存在对齐差距。
Comments Project page: https://ureason.github.io
参考框架：解决情境对话中共同地面表示的挑战
机构 * Inria（法国国家信息与自动化研究所） ； Nantes Université（南特大学） ； University of Trento（特伦托大学） ； VJTI Mumbai（孟买维杰扬特理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文研究情境对话中共同地面表示的挑战，通过动态共享环境中的关系参考建立共同地面，并提出基于强化学习改进表示方法的策略。
Comments Work accepted at ACL 2026 Findings
ProMQA-Assembly：多模态装配任务问答数据集
机构 * Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） ； National Institute of Advanced Industrial Science and Technology (AIST)（国立研究开发法人产业技术综合研究所（AIST））
AI总结 本文提出ProMQA-Assembly数据集，包含646个多模态问答对，用于评估装配任务中的人机交互系统，通过半自动化标注方法生成问题并结合细粒度动作标签提升多样性，验证了推理模型在复杂多模态任务中的表现。
Comments LREC 2026. Code and data: https://github.com/kimihiroh/promqa-assembly
统一的跨模态评分图像、符号音乐和表演音频翻译
机构 * Department of Artificial Intelligence, Sogang University（西江大学人工智能系） ； Sogang Future Lab, Sogang University（西江大学未来实验室） ； Department of Physics Education, Seoul National University（首尔大学物理教育系） ； Computer Science Department, Carnegie Mellon University（卡内基梅隆大学计算机科学系） ； Department of Art & Technology, Sogang University（西江大学艺术与技术系）
AI总结 本文提出统一模型，通过大规模数据集和模态分词实现多模态翻译，提升光学音乐识别的符号错误率至13.67%并实现评分图像条件音频生成。
Comments Submitted to IEEE Transactions on Audio, Speech and Language Processing (TASLPRO)
Journal ref IEEE Transactions on Audio, Speech and Language Processing, vol. 34, pp. 1876-1891, 2026
关于语音语言模型的景观：全面综述
机构 * Carnegie Mellon University（卡内基梅隆大学） ； National Taiwan University（国立台湾大学） ； Toyota Technological Institute at Chicago（丰田芝加哥技术研究所） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； ENS - PSL, EHESS, CNRS（巴黎高等师范学院 - 巴黎文理研究大学、社会科学高等研究院、法国国家科学研究中心）
AI总结 本文综述了语音语言模型的发展，分析了其架构、训练和评估方法，探讨了关键挑战与未来方向。
Comments Published in Transactions on Machine Learning Research
QED-Nano：用小型模型证明难题定理
机构 * CMU（卡内基梅隆大学） ； Hugging Face ； ETH Zurich（苏黎世联邦理工学院） ； Project Numina
AI总结 本文提出QED-Nano模型，通过三个阶段训练在数学竞赛证明任务中超越大模型，以较低成本实现高性能证明生成。
强化学习中决策相关概念的选择
机构 * Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学）
AI总结 本文提出决策相关选择算法，通过状态抽象视角自动选择决策相关的概念，提升强化学习策略的可解释性和性能。
Comments 16 pages, 13 figures
IDIOLEX：统一且连续的语用与风格变异表示
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Notre Dame（圣母大学） ； George Mason University（乔治梅森大学） ； University of Washington（华盛顿大学） ； Archimedes Research Unit（阿基米德研究单元）
AI总结 本文提出IDIOLEX框架，通过结合句子来源信息与语言特征，学习连续的风格和方言表示，用于分析和分类，并用于对齐语言模型的风格。
从好奇心到谨慎：通过悲观主义缓解最佳-N中的奖励黑客
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Columbia University（哥伦比亚大学）
AI总结 本文提出一种基于悲观主义的缓解方法，通过降低不典型响应的奖励估计来避免奖励黑客，证明其在最佳-N采样中有效。
Comments 29 pages, 8 figures
AgentSocialBench: 评估人类中心代理社交网络中的隐私风险
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究探讨了人类中心代理社交网络中的隐私挑战，提出AgentSocialBench基准，揭示代理协作中隐私保护的复杂性及现有LLM在隐私保护上的不足。
Comments 43 pages, 9 figures
双足机器人的等比定律
机构 * Department of Mechanical Engineering, Carnegie Mellon University（卡内基梅隆大学机械工程系） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 本文研究双足机器人腿部长度与质量、速度等参数的等比关系，发现机器人质量与腿部长度平方成正比，与生物等比定律不同。
Sandpiper：大规模教育对话中的协同AI标注
机构 * National Tutoring Observatory（国家辅导观察站） ； FreshCognate ； Cornell University（康奈尔大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 Sandpiper通过结合交互式研究仪表板与大语言模型，实现高体积对话数据与人类定性专家的协同分析，提升研究效率和可靠性。
IV共科学家：多智能体LLM框架用于因果工具变量发现
机构 * CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Jinesis AI Lab（Jinesis AI实验室） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； EuroSafeAI ； Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊）
AI总结 本文探讨LLM在发现因果工具变量中的作用，提出IV共科学家多智能体系统，通过测试和评估LLM恢复已知工具及避免无效工具的能力，展示LLM在大规模观测数据中发现有效工具的潜力。
Comments Paper accepted at CleaR 2026
通过交错多模态推理的视觉-反图形代理
机构 * University of California, Berkeley（加州大学伯克利分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Impossible, Inc.（Impossible公司）
AI总结 本文提出VIGA框架，通过符号逻辑与视觉感知的交叉验证，解决视觉语言模型在单次设置中重建图像的挑战，支持2D文档生成、3D重建等任务。
Comments Project page: https://fugtemypt123.github.io/VIGA-website/
PIMMUR 原则：确保 LLM 社会集体行为的有效性
机构 * Chinese University of Hong Kong（香港中文大学） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Fudan University（复旦大学） ； Stanford University（斯坦福大学） ； Renmin University of China（中国人民大学）
AI总结 本文通过审计39项研究，识别出六个普遍缺陷，指出89.7%的研究违反至少一个原则，导致模拟有效性受损。通过复现实验发现，当遵循PIMMUR原则时，报告的集体现象往往消失或反转，表明许多'涌现'行为可能是方法学伪影而非真实社会动态。
Comments 13 pages, 9 figures, 3 tables; add more papers in our systematic audit (39 in total)
ZINA：多模态细粒度幻觉检测与编辑
机构 * Keio AI Research Center（庆应义塾大学人工智能研究中心） ； Keio University（庆应义塾大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出ZINA方法，用于多模态大语言模型的细粒度幻觉检测与编辑，通过构建VisionHall数据集验证了其在检测和编辑任务中的优越性。
Comments CVPR 2026 Main Conference
因果k均值聚类
机构 * Department of Statistics, Korea University（高丽大学统计系） ； Department of Statistics, Seoul National University（首尔大学统计系） ； Department of Statistics and Data Science, Carnegie Mellon University（卡内基梅隆大学统计与数据科学系）
AI总结 本文提出因果k均值聚类方法，用于识别未知的子群体结构，通过非参数效率理论和双机器学习开发偏倚校正估计器，实现快速根n收敛和渐近正态性，适用于多治疗水平的现代结果研究。
Journal ref J. R. Stat. Soc. Ser. B, 2026
MisEdu-RAG：一种面向初学者数学教师的误解意识双超图RAG
机构 * The University of Hong Kong（香港大学） ； Xi'an Jiaotong University（西安交通大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Monash University（莫纳什大学）
AI总结 针对初学者数学教师难以诊断和纠正学生错误的问题，提出基于双超图的RAG框架，通过组织教学知识和学生错误案例，提升响应质量。
SKILLFOUNDRY：从异构科学资源构建自演化智能体技能库
机构 * Ray and Stephanie Lane Computational Biology Department, School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院Ray and Stephanie Lane计算生物学系） ； Machine Learning Department, School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院机器学习系）
AI总结 SKILLFOUNDRY通过自演化框架将异构资源转化为验证过的智能体技能包，提升科学代理在基准和领域任务中的性能，扩展覆盖范围，为更强大的科学代理提供基础。
CGHair: 基于卡聚类的紧凑高斯发丝重建
机构 * Carnegie Mellon University（卡内基梅隆大学） ； ShanghaiTech University（上海科技大学）
AI总结 本文提出一种紧凑的高保真发丝重建方法，通过卡聚类减少存储和渲染成本，同时保持视觉质量。
Comments Accepted to CVPR 2026. This arXiv version is not the final published version
缓解结构过拟合：一种分布感知的缺失特征填补框架
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Shanghai University of Finance and Economics（上海财经大学）
AI总结 本文提出DART框架，通过全局结构增强和语义校正机制，解决图学习中缺失特征填补的结构过拟合问题，并在六个公开数据集和Sailing数据集上验证了其有效性。
Comments Accepted by SIGIR2026
WhisperRT -- 将Whisper转化为因果流式模型
机构 * Andrew and Erna Viterbi Faculty of Electrical and Computer Engineering, Technion–Israel Institute of Technology（以色列理工学院安德鲁与厄娜·维特比电气与计算机工程学院） ； Language Technologies Institute, School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院语言技术研究所）
AI总结 本文提出将Whisper模型转化为低延迟流式模型的方法，通过使编码器因果化并生成与可用时间上下文对齐的token，实现更高效的流式语音识别。
Comments 14 pages, 7 Figures, This work has been submitted to the IEEE for possible publication
局部强化学习与基于动作的均方Q函数
机构 * Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学）
AI总结 本文提出基于动作的均方Q函数，通过时间差分学习实现局部强化学习，优于现有无反向传播方法，在MinAtar和DeepMind控制套件中表现优异。
Comments 18 pages, 11 figures
SmartCLIP: 基于识别保证的模块化视觉-语言对齐
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； The University of Sydney（悉尼大学）
AI总结 本文提出SmartCLIP，通过理论条件实现文本与视觉表征的灵活对齐，确保语义信息完整保留并解耦视觉表征，提升多任务性能。
Comments CVPR2025
ELEPHANT：测量和理解LLMs中的社交阿谀
机构 * Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Oxford（牛津大学）
AI总结 研究通过ELEPHANT基准测量LLMs中的社交阿谀行为，发现模型在保持用户形象方面比人类更极端，且在道德冲突中倾向于支持用户立场。
超越黑箱：通过因果最小性在生成模型中实现可识别的解释与控制
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 本文通过因果最小性原则，在生成模型中建立可解释性基础，提出层级选择模型框架，实现对生成模型的可控性与解释性提升。
神经微分代数方程的联合训练方法
机构 * Carnegie Mellon University（卡内基梅隆大学） ； RWTH Aachen University（亚琛工业大学）
AI总结 本文提出一种联合训练方法用于神经微分代数方程，通过离散化非线性优化问题同时求解神经网络参数和DAE解，考虑混合模型并改进求解器性能，实现高精度、泛化性和计算效率。
变分不等式在 Minty 条件下的多项式时间算法
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Strategy Robot, Inc.（Strategy Robot公司） ； Strategic Machine, Inc.（Strategic Machine公司） ； Optimized Markets, Inc.（Optimized Markets公司）
AI总结 本文提出在 Minty 条件下求解 ε-变分不等式的新算法，具有多项式时间复杂度，解决了传统方法中依赖于 1/ε 的指数问题，并展示了其在博弈论中的应用。
Comments V3 polishes the writing and makes a correction to Theorem 5.2
IA-TIGRIS: 一种用于在线信息路径规划的增量和自适应采样规划器
机构 * Robotics Institute, School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院机器人研究所） ； Department of Mechanical Engineering, Brigham Young University（杨百翰大学机械工程系）
AI总结 本文提出IA-TIGRIS，一种用于实时任务的增量和自适应采样路径规划方法，通过增量优化和动态更新信念地图，提升信息获取效率，实验证明其在无人机应用中信息增益提升达38%。
Comments Published in IEEE Transactions on Robotics, 19 pages, 19 figures
通过多模态深度扩展适应文本LLM到语音
机构 * Tohoku University（东北大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出多模态深度扩展方法，通过在冻结的文本LLM中插入新层并仅训练这些层来适应语音数据，实验表明其在ASR性能上接近全微调，且文本能力退化更少。
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