高校专区
用于越野环境中基于图像的可承受性预测的全局可通行性先验知识提炼
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Field AI（现场人工智能公司）
AI总结 研究非结构化地形长距离自主导航易短视问题，利用卫星图像计算导航路径监督网络，直接从FPV图像提取远距离可通行性感知边界，提升长距离越野导航性能，减少人工干预。
稳定价值冲突解决的几何视角
机构 * 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 研究大语言模型在RLHF训练中应对价值冲突的问题，核心方法是利用思维链推理，通过几何视角分析其作用，创建新的以价值冲突为重点的CoT设计，提升了道德推理性能，为改进模型处理复杂价值冲突请求的性能提供新途径。
Comments Accepted to ICML Workshop on High-Dimensional Learning Dynamics
泛非社会行为识别数据集：野生大猩猩的社会行为识别
机构 * University of Bristol（布里斯托大学） ； Wild Chimpanzee Foundation（野生黑猩猩基金会） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California（加利福尼亚大学） ； Peking University（北京大学） ； Max Planck Institute for Evolutionary Anthropology（马克斯·普朗克进化人类学研究所） ； Senckenberg Museum of Natural History（森肯伯格自然历史博物馆）
AI总结 研究旨在解决野生大猩猩社会行为识别数据不足问题，引入PanAf-SBR数据集，结合AlphaChimp架构建立基准，通过双向迁移学习实验发现跨数据集预训练对特定类别有益，还研究了背景上下文在其中的作用。
点作为环面：用于点云的快速逐点符号距离
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 该研究提出一种计算点云符号距离的方法，通过用环面局部拟合点云，利用预训练网络输出参数，无需全局优化和空间离散化且易并行化，基于新理论统一相关方法，可直接用于点云应用，无需显式重建。
Comments Published in ACM Transactions on Graphics, volume 45 (2026). For associated presentations and code, see https://nzfeng.github.io/research/PointsAsTori
Journal ref ACM Transactions on Graphics, volume 45 (2026), article number 53
SGMCE：厚血涂片疟原虫物种识别的基于片段的形态学概念解释
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Washington（华盛顿大学）
AI总结 研究旨在解决厚血涂片疟原虫物种识别中深度学习缺乏形态学证据的问题，提出SGMCE框架，无需额外训练等，通过提取特征、查询GPT-4o生成自然语言解释，经多指标验证，在多种检测中取得较好结果。
Comments Accepted for publication in the 30th Conference on Medical Image Understanding and Analysis (MIUA 2026), Dublin. To appear in Springer Lecture Notes in Computer Science (LNCS)
急切模式下的捆绑调整
机构 * Spatial AI & Robotics (SAIR) Lab, University at Buffalo（空间人工智能与机器人实验室，布法罗大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Purdue University（普渡大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出了一种与PyTorch无缝集成的高效急切模式捆绑调整库，通过稀疏感知的自动微分设计和GPU加速的稀疏运算，提升了在机器人应用中捆绑调整的运行效率和性能。
Journal ref IEEE Transactions on Robotics (T-RO), 2026
RAG 能知道检索错误吗？知识冲突下的上下文合规性诊断
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 提出上下文驱动分解（CDD）方法，在推理时探测并干预检索增强生成中的上下文与参数知识冲突，揭示上下文合规性模式并提升鲁棒性。
Comments Preprint. 3 figures, 3 tables. Diagnostic study of context compliance in RAG under knowledge conflict; closed-API evaluations (Gemini-2.5-Flash and Claude family)
ClawBench：AI代理能否完成日常在线任务？
机构 * University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所） ； Etude AI ； Carnegie Mellon University（卡内基梅隆大学） ； University of Waterloo（滑铁卢大学） ； Shanghai Jiao Tong University（上海交通大学） ； UniPat AI ； Zhejiang University（浙江大学） ； HKUST（香港科技大学） ； Tsinghua University（清华大学）
AI总结 ClawBench通过153个日常任务测试AI代理能力，涵盖15类144个平台，挑战多步骤流程和复杂操作，揭示现有模型在真实环境中的局限性。
Comments Project page: https://claw-bench.com
代理心理测量：在代理编码基准中的任务级性能预测
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Fulcrum ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出了一种基于任务级性能预测的代理编码基准评估框架，结合IRT理论与任务特征，区分LLM和支架能力，以更准确预测未见基准和组合的性能。
VL-Nav: 一种基于神经符号的方法用于基于推理的视觉语言导航
机构 * Spatial AI & Robotics Lab, University at Buffalo, USA（美国布法罗大学空间人工智能与机器人实验室） ； Robotics Institute, Carnegie Mellon University, USA（卡内基梅隆大学机器人研究所）
AI总结 本文提出VL-Nav，一种结合神经推理与符号引导的视觉语言导航系统，通过任务规划和探索系统提升机器人在复杂环境中的导航能力，实验证明其在室内和室外场景中均取得较高成功率。
Journal ref IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2026
GradAlign: 用于大语言模型强化学习的梯度对齐数据选择
机构 * Institute for Interdisciplinary Information Sciences (IIIS), Tsinghua University（交叉信息学院（IIIS）、清华大学） ； Language Technologies Institute (LTI), Carnegie Mellon University（语言技术研究所（LTI）、卡内基梅隆大学）
AI总结 GradAlign通过梯度对齐数据选择方法提升大语言模型强化学习的训练稳定性与性能。
Comments 20 pages. Accepted by COLM 2026
NEMO: 通过自主编码代理实现执行感知的优化建模
机构 * Language Technologies Institute, School of Computer Science, Carnegie Mellon University, Pittsburgh, PA, USA（语言技术研究所，计算机科学学院，卡内基梅隆大学，匹兹堡，PA，美国）
AI总结 提出NEMO系统，利用自主编码代理将决策问题的自然语言描述转化为可执行的数学优化实现，通过执行感知的架构和协调模式实现最先进的性能。
Comments Accepted at ICML 2026
问两次，看两次：提示回声解决视觉语言模型中的问题优先悖论
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究视觉语言模型中问题优先提示的悖论，发现问题前置虽能引导感知但后续答案生成阶段难关注到问题。提出问题回声方法，即在图像两侧重复问题，解决了悖论，在多基准测试中表现出色且无需训练等。
逻辑、优化与人工智能
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 探讨逻辑与优化结合对基于规则的人工智能的贡献，综述二者合作的多个领域，介绍利用决策图等计算投影、用最优性后分析增强透明度及优化在相关编程中的作用，并指出未来研究方向。
NAMESAKES: 探究文本到图像模型中的身份记忆
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tel Aviv University（特拉维夫大学） ； Cornell University（康奈尔大学）
AI总结 提出一种黑盒行为探针，无需参考照片或训练数据，即可区分文本到图像模型生成的图像是记忆还是虚构，并在NAMESAKES数据集上验证其有效性。
Comments Project page: https://namesakes-web.github.io
具有交互意识的全身控制用于柔顺物体运输
机构 * Department of Electrical Engineering, the University of Texas at Arlington（电气工程系，德克萨斯大学阿灵顿分校） ； Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学）
AI总结 本文提出了一种生物启发式的交互导向全身控制方法，通过分离上身交互执行与下身支撑控制，实现稳定且灵活的柔顺物体运输。
强化学习与模型预测控制在住宅暖通空调中的现场对比部署
机构 * College of Engineering, Carnegie Mellon University, 5000 Forbes Ave, Pittsburgh, PA 15213, USA ； Wilton E. Scott Institute for Energy Innovation, Carnegie Mellon University, 5000 Forbes Ave, Pittsburgh, PA 15213, USA ； Center for High Performance Buildings, Purdue University, 177 S Russell St, West Lafayette, IN 47907, USA ； Trane Technologies, Residential R\&D Group, 6200 Troup Hwy, Tyler, TX 75707, USA ； Bosch Center for Artificial Intelligence
AI总结 研究对比强化学习与模型预测控制应用于住宅暖通空调的情况，通过在寒冷气候住宅中各部署一个月，对比两者节能效果、居住者舒适度及数据需求等，发现RL节能略优、部署工作量少但面临初始化等困难。
Comments 26 pages, 9 figures, 5 tables. Under review for Applied Energy
SI-Agent: 一种用于反馈驱动生成和调优大型语言模型人类可读系统指令的代理框架
机构 * University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； Liverpool John Moores University（利物浦约翰·穆里斯大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 SI-Agent通过反馈驱动的代理框架自动生成和优化人类可读的系统指令，提升大型语言模型的可解释性和性能。
大语言模型能否根据论文构建最大可满足性求解器？CoreForge 经验
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 该研究利用大语言模型从论文构建无权重 MaxSAT 求解器，采用结合论文讨论、代码实现及审核修订的迭代流程，评估特定配置，发现虽未现错误答案，但性能低于手工设计求解器，总结了相关经验教训。
Skeleton：非视觉数据体验的可视化创作
机构 * Carnegie Mellon University（卡内基梅隆大学） ； UC Santa Barbara（加州大学圣巴巴拉分校）
AI总结 研究非视觉数据体验可视化创作问题，提出Skeleton直接操作创作环境，含Inspector、Dimensions API等技术，经对8名从业者实地研究评估，其使导航结构可见，改变从业者可访问设计方式。
Comments 9 pages core, 2 pages acknowledgements + references, 4 pages appendices. Accepted at IEEE VIS 2026, to appear in November 2026
通过自组织神经细胞自动机实现无序超材料的一次性生成设计
机构 * Department of Mechanical Engineering, Carnegie Mellon University（机械工程系，卡内基梅隆大学）
AI总结 研究针对无序超材料设计难题，提出基于神经细胞自动机的生成设计框架，仅需单个训练模板，能生成多样微观结构并适应不同域，通过操纵局部规则实现特定性能控制，在多尺度机械隐身设计中验证了其有效性，为相关领域提供了新方法。
当治疗数据缺失时学习治疗对象
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 研究在治疗数据缺失时的策略学习问题，通过扩展有效估计器到MAR和MCCAR数据下的策略值及CATE估计，经渐近效率分析和实验验证，证明MAR估计器更优，为从业者提供稳健策略学习工具。
将人工智能与动态人机工作流程对齐
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California Irvine（加州大学欧文分校）
AI总结 研究现实世界中人类与人工智能交互的动态本质，主张从静态模拟对齐转向交互式互补对齐，通过对比现有对齐与轨迹级视图形式化差距，借鉴多学科见解指出挑战，最后概述开发与人类交互对齐的人工智能系统的研究议程。
用卷积神经网络实时检测超导量子比特中的电荷跳跃
机构 * Department of Physics, Carnegie Mellon University, Pittsburgh, PA 15213, USA ； Quantum Division, Fermi National Accelerator Laboratory, Batavia, IL 60510, USA ； Department of Physics \& Astronomy, Northwestern University, Evanston, IL 60208, USA ； Fermi National Accelerator Laboratory, Batavia, IL 60510, USA
AI总结 研究超导量子比特中电荷跳跃检测问题，提出基于扩张因果卷积神经网络的在线探测器，经训练和量化后在特定平台达到低延迟，检测效率与离线算法匹配且无需超参数调整，推动电荷跳跃检测用于量子计算误差缓解等。
通过推理模型作为评估器来提升评估时的计算能力
机构 * CMU（卡内基梅隆大学） ； UIUC（伊利诺伊大学） ； KAIST AI（韩国科学技术院人工智能研究所） ； NEC Laboratories Europe（日本 NEC 欧洲实验室） ； Ss.Cyril and Methodius University of Skopje（斯科普里塞尔吉尔和梅蒂乌斯大学）
AI总结 本文探讨了通过增加评估时的计算量来提升语言模型的评估能力，利用推理模型作为评估器，分别评估响应整体和每个步骤，从而提高评估效果。
Comments ACL 2026 Findings
大语言模型能够有效地说服人们相信阴谋论
机构 * Carnegie Mellon University（卡内基梅隆大学） ； York University（约克大学） ； Center for Research and Teaching in Economics（经济研究中心） ； MIT（麻省理工学院） ； Université de Montréal（蒙特利尔大学） ； Mila ； Cornell University（康奈尔大学） ； University of Regina（Regina大学）
AI总结 研究大语言模型能否有效说服人们相信阴谋论，通过四项实验发现其既能增加也能降低阴谋信念，反驳效果更佳，特定提示可降低支持阴谋论有效性，还存在信息分享上的真理不对称，有潜在技术方案减轻风险。
类比深度研究：检索和整合历史类比以进行前瞻性分析
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 该研究提出类比深度研究（ADR）任务及ADR-bench，发现LLM智能体找类比能力差。基于理论分析提出ADR原则，构建因果类比研究者（CANA）框架，提升历史类比生成效果，超越现有智能体，案例研究证实其利用历史类比的有效性。
Comments Ongoing project
VAMP-MR：多机器人手臂的向量加速运动规划与执行
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； University of Michigan（密歇根大学）
AI总结 针对多机器人手臂运动规划这一关键挑战，结合经典规划算法与矢量化碰撞检查技术，引入新运动规划器，基于CPU SIMD指令加速碰撞检查，在运动规划和执行后处理中实现加速，并发布实现降低研发门槛。
Comments 8 pages, 6 figures, 3 tables. To appear in the Proceedings of IROS 2026
EMAGN：基于学习聚类的高效多注意力图网络用于可扩展交通流量预测
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Cornell University（康奈尔大学） ； Technische Universität Dresden（德累斯顿工业大学） ； 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） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 针对交通流量预测中自注意力机制扩展性有限的问题，提出EMAGN，通过学习聚类矩阵将空间注意力机制线性化，降低复杂度，实验表明其在准确性和效率上优于其他模型，扩展了可行模型配置。
LightCrafter：用于可控且一致的重光照的PBR条件视频扩散细化
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Toronto（多伦多大学） ； Bosch Research（博世研究）
AI总结 研究视频重光照问题，提出LightCrafter混合管道，将其重表述为代理视频转换，利用PBR渲染并结合光度先验，在真实世界重光照基准上优于现有技术，还贡献合成基准及相关资源。
Comments Project page: https://www.zixinguo.me/lightcrafter
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