高校专区
用于全臂操作的触觉和视觉条件下的以接触为中心的控制
机构 * Cornell University（康奈尔大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Toyota Research Institute（丰田研究机构）
AI总结 研究全臂操作问题，提出TACTIC控制器，它采用以接触为中心的混合预测模型，结合多种传感，通过接触雅可比矩阵耦合动力学与运动学，集成到MPC规划器，在模拟和实际任务中表现出色，优于其他方法。
Comments RSS 2026
FARS：一个大规模部署的全自动研究系统
机构 * Analemma ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； University College Dublin（都柏林大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； ByteDance（字节跳动） ； ShanghaiTech University（上海科技大学） ； University of Warwick（华威大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； East China Normal University（华东师范大学） ； Stanford University（斯坦福大学） ； Tencent（腾讯） ； The University of Hong Kong（香港大学） ； Shanghai Innovation Institute（上海创新研究院） ； Nex-AGI Team（Nex-AGI团队）
AI总结 提出FARS系统，通过分阶段智能体协作自动生成研究项目，在67个AI/ML主题上产出166篇论文，经282份评审验证其可产出有价值成果，同时暴露实验范围窄、方法局限和诚信问题。
MemoBench: 动态变化环境中的世界建模基准测试
机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； Boston University（波士顿大学） ； Google（谷歌） ； JHU（约翰霍普金斯大学） ； CMU（卡内基梅隆大学） ； Kempner Institute（肯普纳研究所）
AI总结 提出MemoBench基准，通过目标消失-重现范式评估视频生成模型在动态环境中的记忆一致性，涵盖合成与真实场景，揭示现有模型的关键挑战。
一种通用电话识别的实证配方
机构 * 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 本文提出PhoneticXEUS模型，通过大规模多语言数据训练，在多语言和口音英语语音任务中取得最佳性能，分析了SSL表示、数据规模和损失目标的影响。
Comments Accepted at Interspeech 2026. Code: https://github.com/changelinglab/PhoneticXeus
PRiSM：语音模型中电话实现的基准测试
机构 * CMU（卡内基梅隆大学） ； Gwangju Institute of Science and Technology（光州科学技术院） ； UT Austin（得克萨斯大学奥斯汀分校） ； LMU Munich（慕尼黑路德维希-马克西米利安大学） ； UC Berkeley（伯克利加州大学） ； NVIDIA（英伟达） ； UBC（不列颠哥伦比亚大学）
AI总结 该研究针对语音模型中电话实现进行基准测试，引入PRiSM开源基准用内在和外在评估揭示语音感知盲点，标准化评估并通过探针评估下游效用，发现训练语言接触对PR性能关键，编码器-CTC模型稳定，专门PR模型优于大型音频语言模型，还发布相关资源推动多语言语音模型发展。
Comments Presented at ACL 2026
OpenBEATs：一个完全开源的通用音频编码器
机构 * Carnegie Mellon University, USA（卡内基梅隆大学，美国） ； National Institute of Advanced Industrial Science and Technology (AIST), Japan（国家工业科学与技术研究院（AIST），日本）
AI总结 研究旨在填补通用音频理解中掩码令牌预测应用空白，提出开源框架OpenBEATs，通过多域音频预训练扩展BEATs。经多任务、多数据集和多音频域全面评估，其在多个数据集上达最优性能，证明方法有效性并开源相关代码等。
Comments Accepted at WASPAA 2025
阈值差分注意力：用于无汇、超稀疏和非分散语言建模
机构 * University of Oxford（牛津大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Snap Inc
AI总结 本文提出阈值差分注意力机制，解决长上下文下的注意力汇问题，实现超稀疏和鲁棒性提升，无需投影方法或标准注意力的噪声积累。
Journal ref ACL 2026
ParamMute：抑制知识关键的前馈神经网络以实现忠实的检索增强生成
机构 * School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Institute for AI, Tsinghua University, China（清华大学人工智能研究院计算机科学与技术系） ； Microsoft Research Asia, Beijing, China（微软亚洲研究院） ； Language Technologies Institute, Carnegie Mellon University, United States（卡内基梅隆大学语言技术研究所）
AI总结 研究RAG中LLMs不忠实生成问题，提出ParamMute框架抑制相关FFNs激活并校准模型，通过CoFaithfulQA基准评估，显著提升忠实性，减少对参数记忆依赖，为提高LLM在RAG中的可信度提供新方向。
Comments 26 pages, 7 figures, 7 tables
LAMP: 杂乱空间中多机器人协作的长时域自适应操作规划
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 提出LAMP框架，结合学习生成的操作模型与两种规划器（LAMPA*和LAMP-Lazy），实现多机器人在密集杂乱环境中的长时域协作操作规划，解决现有方法无法处理的复杂任务。
Comments IROS 2026
异步软件工程代理的有效策略
机构 * Carnegie Mellon University, Language Technologies Institute（卡内基梅隆大学，语言技术研究所）
AI总结 本文提出CAID框架，通过集中任务委派、异步执行和隔离工作区三个核心SWE原语，提升多代理协作效率，在论文复现和Python库开发任务中分别提升26.7%和14.3%的准确性。
建模网络代理中不同的人类交互
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Duke University（杜克大学）
AI总结 本文通过收集400条真实用户网络导航轨迹，识别四种人机交互模式，并训练语言模型预测用户干预时机，将干预预测准确率提升61.4%-63.4%，用户评价的代理有用性提高36.8%。
Comments Preprint
顺序变化检测后的无分布变化点定位
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出了一种无分布框架，在停止顺序变化检测程序后构建变化点的后检测置信集，无需任何分布假设，并保证了有限样本覆盖率和渐近有界期望大小。
PolyJarvis：用于自主聚合物分子动力学模拟的LLM代理
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 PolyJarvis结合大语言模型与RadonPy平台，通过MCP服务器实现从自然语言输入自主执行聚合物分子动力学模拟，预测密度、体积模量和玻璃化温度等性质，验证结果在不同聚合物中表现良好。
IndoorR2X: 基于大语言模型的室内机器人与万物协调
机构 * Fujitsu Research（富士通研究所） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 IndoorR2X通过整合移动机器人和静态物联网设备的观测数据，构建全局语义状态，实现可扩展的场景理解、减少冗余探索并利用大语言模型进行高层协调，提升多机器人系统的效率和可靠性。
多模态分析网络安全危机准备演习：什么预测成功？
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Masaryk University, Faculty of Informatics（马萨里克大学信息学院）
AI总结 研究通过多模态追踪分析网络安全演习中的教学对齐，发现对齐度预测成功，而单纯Bloom分类无效。
Comments Accepted as full paper to the 27th International Conference on Artificial Intelligence in Education (AIED 2026), see https://doi.org/10.1007/978-3-032-29760-0_47
RayRoPE: 多视角注意力的投影位置编码
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Apple（苹果公司）
AI总结 本文提出RayRoPE，一种基于投影坐标的位置编码方法，用于多视角Transformer，实现SE(3)不变的注意力机制，并能适应3D场景几何。
Comments Project page: https://rayrope.github.io/
经验计算：提示与编程
机构 * CMU（卡内基梅隆大学） ； MPI-SP（马克斯·普朗克研究所）
AI总结 探讨经验计算（用提示让大语言模型解决问题而非编程）的挑战与机遇，呼吁软件工程界分析其特性，如正确性、属性及极限等，以将经验计算确立为软件工程领域。
Comments Accepted at ACM/IEEE ASE'26 (New Ideas and Emerging Results; NIER), 5 pages
MLS-Bench：对构建更好AI的AI系统的全面且严格评估
机构 * UC Berkeley（伯克利大学） ； Princeton University（普林斯顿大学） ； Tsinghua University（清华大学） ； University of Washington（华盛顿大学） ； Purdue University（Purdue 大学） ； Harvard University（哈佛大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Shanghai Jiao Tong University（上海交通大学） ； UC San Diego（圣地亚哥大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出MLS-Bench基准，包含12个领域140个任务，评估AI系统能否发明通用且可扩展的机器学习方法，发现当前智能体在方法发明上仍远逊于人类，瓶颈在于科学洞察而非单纯搜索或计算。
领域特定智能体的符号护栏：在不牺牲效用的情况下提供更强的安全性和安全性保证
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文研究了符号护栏在提高AI智能体安全性和安全性方面的有效性，通过系统回顾80个最新基准测试，发现74%的政策要求可通过符号护栏实现，从而在不牺牲效用的情况下提升安全性和安全性。
CoopEval：社会困境中合作维持机制与LLM代理的基准测试
机构 * Carnegie Mellon University ； Foundations of Cooperative AI Lab (FOCAL) ； Jinesis Lab, University of Toronto \& Vector Institute ； ETH Z\" u rich ； Max Planck Institute for Intelligent Systems, T\" u bingen, Germany
AI总结 研究探讨了社会困境中合作维持机制与LLM代理的交互效果，发现重复游戏和声誉系统最有效，但合作效果随对手变化而下降，且在进化压力下更有效。
Comments Published paper at the International Conference on Machine Learning (ICML) 2026. 65 pages, 38 Figures, 8 Tables, 17 Listings
基于Transformer的具有长程交互的网络系统多智能体强化学习
机构 * Department of Electrical and Computer Engineering, Carnegie Mellon University（电气与计算机工程系，卡内基梅隆大学）
AI总结 研究针对现有多智能体强化学习在处理长程交互及网络泛化性上的局限，提出均值场稳定性分析等，贡献了基于Transformer的STACCA框架，提升了在相关网络控制任务中的性能与泛化性。
Comments 12 pages, 9 figures
全景图：快速跟踪最近邻
机构 * Carnegie Mellon University（卡内基梅隆大学） ； IIT Delhi（德里印度理工学院） ； UCPH（乌兹堡大学） ； Indian Institute of Technology Delhi（德里印度理工学院） ； University of Copenhagen（哥本哈根大学）
AI总结 针对高维神经嵌入的近似最近邻搜索，提出PANORAMA技术，利用嵌入固有频谱衰减加速验证，通过PCA压缩信号能量，增量评估候选距离，解决与乘积量化假设冲突问题，在FAISS库中优化，实现加速。
FastCSP：基于原子通用模型的加速分子晶体结构预测
机构 * Fundamental AI Research at Meta（Meta 基础人工智能研究） ； Department of Materials Science and Engineering, Carnegie Mellon University（卡内基梅隆大学材料科学与工程系） ； Department of Chemistry, University of California Riverside（加州大学河滨分校化学系） ； Reality Labs Research at Meta（Meta 现实实验室研究） ； Department of Physics, Carnegie Mellon University（卡内基梅隆大学物理系） ； Department of Chemistry, Carnegie Mellon University（卡内基梅隆大学化学系）
AI总结 研究分子晶体结构预测难题，提出FastCSP工作流程，由预训练通用机器学习原子间势驱动，无需特定系统微调或DFT计算，能可靠恢复已知结构，降低计算成本。
Comments 32 pages, 10 figures, 32 pages supplementary information. Code available at https://github.com/facebookresearch/fairchem/tree/main/src/fairchem/applications/fastcsp
CaP-X: 用于基准测试和改进机器人操作编码智能体的框架
机构 * nvidia ； stanford（斯坦福大学） ； cmu（卡内基梅隆大学）
AI总结 提出CaP-X框架，通过CaP-Gym交互环境和CaP-Bench评估，发现编码智能体依赖人工抽象，但通过扩展测试时计算可提升鲁棒性，并推出无需训练的CaP-Agent0和强化学习CaP-RL。
Phonikud：克服希伯来语文本转语音中的语音欠指定问题
机构 * Independent Researcher（独立研究者） ； Reichman University（雷赫曼大学） ； Tel Aviv University（特拉维夫大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出Phonikud框架，通过开源G2P系统、语料库、基准和评估模型，解决希伯来语TTS中重音等语音特征欠指定问题，实现更准确的音素预测。
Comments Accepted to Interspeech 2026. Project page: https://phonikud.github.io
通过多依赖PIBT规划MAPF智能体依赖关系
机构 * University Of Melbourne（墨尔本大学） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 提出多依赖PIBT（MD-PIBT）框架，通过搜索智能体依赖关系来规划多智能体路径，在拥挤环境中高效处理多达10000个智能体，支持多种运动学约束。
Comments Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026
GameDevBench: 通过游戏开发评估智能体能力
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出GameDevBench基准，包含333个游戏开发任务，评估智能体在多模态软件开发中的能力，发现最佳智能体仅解决53.8%任务，并引入视觉反馈机制提升性能。
FSA：原生稀疏注意力核的一种替代高效实现
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对现有稀疏注意力核在GQA组中查询头数较少时效率低的问题，提出Flash Sparse Attention (FSA)核实现，通过优化循环顺序，在多种流行LLM上实现平均1.6倍核延迟降低和1.09倍端到端训练加速。
TCMA：面向无人机跨模态文本-视频检索的文本条件多粒度对齐
机构 * Carnegie Mellon University（卡内基梅隆大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Wuhan University（武汉大学）
AI总结 针对无人机视频检索中数据集粗粒度、冗余标注问题，构建细粒度多样化标注数据集DVTMD，并提出文本条件多粒度对齐框架TCMA，实现全局-局部多层级对齐，在无人机文本-视频检索任务上达到最优性能。
TacGen: 触觉是物理世界表征的必要维度——通过可扩展的视觉到触觉对齐与生成解决触觉数据稀缺问题
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Alabama（阿拉巴马大学） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 针对触觉数据稀缺问题，提出TacGen方法，通过视觉-触觉对比对齐和潜在空间残差MLP生成器合成触觉潜在表示，在质量、密度、硬度等物理属性预测上显著优于纯视觉模型，并大幅提升触觉操作性能。
Comments 49 pages, 29 figures
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