高校专区
揭秘视频推理
机构 * SenseTime Research（商汤科技研究院） ； Nanyang Technological University（南洋理工大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文通过实验揭示视频扩散模型中的推理主要发生在去噪步骤中，提出链式步骤（CoS）机制，并发现工作记忆、自我修正和感知先行等涌现行为，最后提出一种无需训练的集成策略来提升推理能力。
Comments Homepage: https://www.wruisi.com/demystifying_video_reasoning
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。
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。
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。
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)
HumorRank: 基于锦标赛的大语言模型幽默生成评估排行榜
机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校）
AI总结 提出HumorRank，一种基于锦标赛的框架，通过理论指导的成对偏好判断对文本幽默生成进行排名，并利用Bradley-Terry估计生成全局排行榜。
Comments Leaderboard: https://humorrank-leaderboard.pages.dev/
语言多样性：评估非洲语言在数字空间中的使用情况和人工智能性能
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Africa Kigali Rwanda（非洲基加利卢旺达） ； Bahir Dar Institute of Technology（巴希尔达尔技术学院） ； Federal University Otuoke Bayelsa Nigeria（贝莱萨州联邦大学）
AI总结 本研究发现本地新闻数据比对话平台数据更有效用于训练非洲语言的AI模型，强调了处理干净和语言切换文本的重要性。
AfriEconQA：基于世界银行报告的非洲经济分析基准数据集
机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校）
AI总结 AfriEconQA是一个基于世界银行报告的非洲经济分析基准数据集，旨在测试信息检索和RAG系统在处理复杂经济查询时的性能。
Comments Dataset Explorer: https://afrieconqa.pages.dev/
Hearsay：无需图像的视觉-语言医学诊断
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon Web Services AI Native（亚马逊网络服务AI原生部门）
AI总结 该研究发现前沿视觉-语言模型在无图像时会基于人口统计学特征编造医学诊断，存在不同失败模式，提出需直接审计其结构化输出通道并将探针词敏感性作为核心评估维度。
Comments Peer-reviewed and presented at the 1st Workshop on Toward Trustworthy Vision-Language Models in the Wild (TrustVLM), co-located with ACM ICMR 2026, Amsterdam. Non-archival workshop. Reviews public on OpenReview. 5 pages, 2 figures
基于神经音频编解码器令牌剖析自监督语音学习对训练语言的敏感性
机构 * National Institute of Advanced Industrial Science and Technology (AIST)（日本国立先进工业科学技术研究所） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 该研究通过控制变量分析发现，基于神经音频编解码器的自监督语音模型的下游性能依赖SSL预训练语言，不依赖编解码器训练语言，据此提出单个编解码器可跨语言复用，需对齐预训练语言与目标语言。
Comments Accepted to Interspeech2026
收线：通过线操作实现自主缝合的柔性缝针拾取
机构 * University of California San Diego（加利福尼亚大学圣迭戈分校） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学） ； UC San Diego Health（加州大学圣迭戈分校健康中心）
AI总结 本研究提出一种基于缝合线辅助的自主缝针拾取框架，通过线操作实现间接拾取，可应对缝针被遮挡或不可接近等场景，提升了自主缝合的鲁棒性。
Comments Accepted to IROS 2026
材料的自动研究：具有留出转移的可审计人工智能科学家工作流程
机构 * School of Computer Science, Carnegie Mellon University（计算机科学系，卡内基梅隆大学） ； DP Technology（DP科技）
AI总结 研究材料预测中人工智能代理的工作流程，通过多方面搜索产生评估更改，经留出数据测试，发现不同建模机制下的有效变化，证明闭环代理决策及代码可复用组合，还提供了评估设计。
视觉标记修剪能否提高校准？关于多模态大语言模型中置信度的实证研究
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文研究视觉标记修剪对模型校准的影响，通过POPE和ScienceQA-IMG数据集评估不同修剪策略下的ECE、Brier分数和AURC，发现修剪能提升校准而非仅牺牲效率，且基于显著性的修剪方法效果较差。
穿越绘画：来自互联网先验的自我中心世界模型
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Toyota Research Institute（丰田研究机构）
AI总结 EgoWM通过利用互联网先验和轻量级条件层，将预训练视频扩散模型转换为自我中心世界模型，实现可控的未来预测，提升结构一致性评分并降低推理延迟。
结合部分姿态测量的不变扩展卡尔曼滤波：理论推导及在自主水面船舶中的应用
机构 * Brigham Young University ； Carnegie Mellon University
AI总结 本文提出融合部分姿态测量的InEKF框架，结合地平线横滚俯仰与双天线GPS航向测量，经对比实验验证其在开阔海域自主水面船舶状态估计中有效且鲁棒。
Comments Originally presented at the 2025 IEEE ICRA Workshop on Field Robotics, extended to cover real world experiments. 13 pages, 8 figures, 3 tables
AI LEGO：在早期设计阶段为工业负责任的AI实践搭建跨职能协作框架
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Northwestern University（西北大学）
AI总结 针对工业跨职能团队早期设计阶段负责任AI实践的协作难题，开发基于边界对象理论的AI LEGO原型，可提升跨角色危害识别的数量与概率，优化协作效果。
$π\mathbf{R}^2$：反应式实时流策略
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究通用操作策略反应性和实时性问题，提出$\pi\mathbf{R}^2$方法，将条件分快速和慢速通道，采用延迟自适应流调度，能在保留大型主干等的同时，让策略实时反应并提高成功率。
Comments Preprint(20 pages). Under Review
评估具有挑战性的真实世界临床病例中的多轮多模态诊断推理
机构 * Center for Biomedical Data Science, Duke-NUS Medical School（生物医学数据科学中心，杜克 - 新加坡国立大学医学院） ； Duke-NUS AI + Medical Sciences Initiative, Duke-NUS Medical School（杜克 - 新加坡国立大学人工智能与医学科学计划，杜克 - 新加坡国立大学医学院） ； Department of Population Health Sciences, Weill Cornell Medicine（人口健康科学系，威尔康奈尔医学院） ； System Engineering, College of Engineering, Cornell University（系统工程，康奈尔大学工程学院） ； Graduate School of Frontier Sciences, The University of Tokyo（前沿科学研究生院，东京大学） ； RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心） ； Department of Biostatistics and Bioinformatics, Duke University（生物统计学与生物信息学系，杜克大学） ； Perelman School of Medicine, University of Pennsylvania（佩雷尔曼医学院，宾夕法尼亚大学） ； School of Clinical Medicine, University of Cambridge（临床医学学院，剑桥大学） ； Hospital of the University of Pennsylvania（宾夕法尼亚大学医院） ； Children’s Hospital of Philadelphia (CHOP)（费城儿童医院） ； Department of Anatomic Pathology and Laboratory Medicine, Hospital of the University of Pennsylvania（解剖病理学与检验医学系，宾夕法尼亚大学医院） ； Department of Pathology and Laboratory Medicine, University of California, San Francisco（病理学与检验医学系，加州大学旧金山分校） ； Language Technologies Institute, Carnegie Mellon University（语言技术研究所，卡内基梅隆大学）
AI总结 研究针对现有多模态大语言模型评估难以捕捉现实临床诊断复杂性的问题，开发ClinMM-Bench基准，用两级框架评估15个模型，发现专有模型诊断准确性最高，但各模型完全正确诊断比例有限，当前模型诊断推理有局限并明确了失败模式。
通过在线学习和迭代定价进行分布式约束优化及其在大规模卫星调度中的应用
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院） ； Strategy Robot, Inc.（战略机器人公司） ； Strategic Machine, Inc.（战略机器公司） ； Optimized Markets, Inc.（优化市场公司）
AI总结 研究分布式约束优化问题，通过结合在线学习方法与迭代定价框架，将其应用于大规模卫星调度，在实际问题实例上取得近最优性能，满足观测请求比例远超最先进基线。
OmniDelta：用于OmniLLMs中令牌压缩的技能驱动预算分配
机构 * Zhejiang University（浙江大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） ； Alibaba（阿里巴巴）
AI总结 研究针对OmniLLMs长音频-视频令牌序列成本高的问题，提出技能驱动的OmniDelta框架，通过构建技能池、结合意图与内容感知分配预算，能与现有策略结合，实验证明其在多个基准上建立新的准确性-效率前沿，减少内存并加速推理。
Comments 24 pages, 8 figures
Raven：通过稀疏内存路由实现高召回率序列建模
机构 * EPFL（洛桑联邦理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Cartesia AI（卡泰西亚人工智能公司）
AI总结 研究针对线性时间序列模型长上下文召回权衡问题，提出Raven模型，通过固定内存插槽和依赖输入的路由，减轻SWA和SSMs的不足，在召回密集基准测试中表现出色，外推时也保持有效。
LENS：用于长视频关键帧采样的自适应时空缩放
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 研究针对长视频理解受限于上下文窗口的问题，提出无需训练的关键帧采样框架LENS，它能基于文本查询动态分配帧预算，在时空缩放间平衡，提升关键帧采样效果，优于现有方法，提高了Video-MME准确率。
Comments Accepted at ECCV 2026. Project page: https://zhangce01.github.io/LENS/
用于结构化超材料统一生成设计的引导拓扑分布
机构 * Imperial College London（伦敦帝国理工学院） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Southwest Jiaotong University（西南交通大学） ； Ningbo University（宁波大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究结构化超材料设计问题，提出GenTO统一框架，通过训练扩散模型并引导拓扑分布，能为异构任务重用拓扑先验，保留结构多样性，获高性能方案，确立拓扑知识为超材料设计统一原则。
理解计算机使用代理的用户体验：构建代理用户体验原型的设计空间与机会
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Apple（苹果公司）
AI总结 研究计算机使用代理的用户体验，开发其设计考量分类法，经需求引出研究确定原型设计所需活动与能力，创建AgentUXlab，通过用户研究得出代理用户体验原型设计工具的见解与启示。
比较RAG和GraphRAG在数学教科书页面级检索问答中的应用
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究在本科数学教科书页面级问答中比较RAG和GraphRAG，用477个问答对数据集在检索准确率和答案质量两指标上对比五个RAG模型、BM25基线及GraphRAG，发现基于嵌入的RAG更优，还通过开源模型复制实验，为AI辅导系统设计提供参考。
Comments 6 pages, 1 figure
UniGen-AR：通过自回归建模统一视觉生成
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳 - 香槟分校） ； Toyota Research Institute（丰田研究院）
AI总结 研究统一视觉生成问题，提出UniGen-AR框架，将通用多模态语言模型与视觉自回归解码器配对，能为多任务生成图像值输出，相比基于扩散的基线，推理延迟低达19倍，确立视觉自回归建模为统一视觉生成的高效主干。
主动检索生成式人工智能何时应进行检索？效用、校准和成本的预算感知评估
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Glasgow（格拉斯哥大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究主动检索生成式人工智能何时检索，通过将其重述为效用估计进行预算感知评估，并分离出相关三个问题，利用多种方法实现，在多数据集和模型中验证，强调评估应报告多方面指标。
Comments Accepted at the ACM SIGKDD KDD 2026 Workshop on Evaluation and Trustworthiness of Agentic AI; 7 pages, 1 figure, and 4 tables
ACM：长期任务的智能体上下文管理
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Meta
AI总结 研究长期智能体任务上下文管理问题，提出ACM框架，受人类记忆启发让智能体自主管理上下文，还开发训练后管道，能提升模型在相关任务上的性能，有效管理上下文可降低压力、实现扩展探索并产生更一致方案。
用于多模态推理的离线-在线课程强化学习
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； BUPT Shenzhen Institute（北京邮电大学深圳研究院） ； Carnegie Mellon University（卡内基梅隆大学） ； Lancaster University（兰卡斯特大学） ； Nanyang Technological University（南洋理工大学） ； China Telecom Corporation Limited Sichuan Branch（中国电信股份有限公司四川分公司） ； Changsha University of Science & Technology（长沙理工大学）
AI总结 研究多模态推理中模型中间步骤有缺陷的问题，提出$O^2$-CritiCuRL框架，通过离线多步展开分析和在线渐进式强化学习策略，区分关键与冗余步骤，提升模型性能及训练和推理效率。
神经形态目标检测：深入研究与未来方向
机构 * Peking University（北京大学） ； Peng Cheng Laboratory（鹏城实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Chinese Academy of Sciences（中国科学院） ； Italian Institute of Technology（意大利理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Pittsburgh（匹兹堡大学） ； Sorbonne Université（索邦大学） ； INSERM（法国国家健康与医学研究院） ； CNRS（法国国家科学研究中心） ； Institut de la Vision（视觉研究所）
AI总结 针对传统相机在特定条件下目标检测的挑战，本文对神经形态目标检测算法进行全面调查和基准测试，从多视角探索现有方法，评估多种模型并分析结果，讨论未解决问题，为该领域研究提供资源与方向。
Comments Accepted by Proceedings of the IEEE
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