高校专区
迈向演绎推理中的诚实语言模型
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊） ； Emory University（埃默里大学） ； Cornell University（康奈尔大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出ACNCHOR方法，通过注入真实轨迹防止训练崩溃，提升语言模型在演绎推理中的诚实推理能力。
SlotVLA：迈向机器人操作中物体-关系表示的建模
机构 * University of Arkansas（亚拉巴马大学） ； FPT Software AI Center（FPT软件人工智能中心） ； University of Stuttgart（斯图加特大学） ； Aalborg University（奥尔堡大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Liverpool（利物浦大学） ； German Research Center for Artificial Intelligence（德国人工智能研究中心） ； Max Planck Research School for Intelligent Systems（马克斯·普朗克智能系统研究学校）
AI总结 SlotVLA通过引入LIBERO+数据集和基于槽注意力的框架，实现高效且可解释的机器人操作中物体-关系表示建模。
Comments under review
扩散模型测试时间缩放与流映射
机构 * NVIDIA（NVIDIA公司） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； Harvard University（哈佛大学） ； Kempner Institute（凯姆纳研究所） ； IAIFI（IAIFI机构） ； Microsoft Research（微软研究院） ； Carnegie Mellon University（卡内基梅隆大学） ； Courant Institute, New York University（纽约大学应用数学学院） ； ML Lab at Capital Fund Management (CFM)（Capital Fund Management (CFM)机器学习实验室）
AI总结 本文提出通过流映射改进扩散模型测试时间性能，通过流映射与速度场关系构建FMTT算法，实现更优奖励上升并支持复杂图像编辑。
PURE 编码器：残差熵的渐进展开用于语音编码器学习
机构 * CMU（卡内基梅隆大学） ； SJTU（上海交通大学）
AI总结 PURE编码器通过预训练语音增强模型指导多阶段量化，提升低比特率语音编码的训练稳定性与重建质量，尤其在嘈杂环境下表现优异。
Comments Accepted by ASRU2025
RefineBench: 通过检查表评估语言模型的细化能力
机构 * KAIST（韩国科学技术院） ； Carnegie Mellon University（卡内基梅隆大学） ； NVIDIA（英伟达） ； Independent Researcher（独立研究者）
AI总结 RefineBench通过检查表评估语言模型的细化能力，发现指导细化能显著提升响应质量，而自我细化则需进一步突破。
Comments Project website: https://passing2961.github.io/refinebench-page/
自适应参数优化用于鲁棒远程光体积脉搏波形成像
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Toronto（多伦多大学） ； Vellore Institute of Technology（维洛雷理工学院）
AI总结 本文提出PRISM算法，通过自适应参数优化提升远程光体积脉搏波形成像的鲁棒性与性能。
Comments Accepted in Times Series for Health NeurIPs Workshop 2025
对大语言模型中选择偏差进行量化与缓解：一种可转移的LoRA微调和高效的多数投票方法
机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出了一种可转移的LoRA微调和高效多数投票方法，用于量化并缓解大语言模型中的选择偏差问题。
Comments Accepted into IJCNLP-AACL 2026
基于模型的策略适应用于闭环端到端自动驾驶
机构 * CMU（卡内基梅隆大学） ； Stanford（斯坦福大学） ； NVIDIA（英伟达）
AI总结 本文提出基于模型的策略适应框架，通过生成反事实轨迹和训练Q值模型提升自动驾驶在闭环环境中的鲁棒性和安全性。
Comments Published at NeurIPS 2025: https://openreview.net/forum?id=4OLbpaTKJe
学习何时停止：通过强化学习实现自适应潜在推理
机构 * University of Virginia（弗吉尼亚大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出通过强化学习优化潜在推理长度，实现更高效的推理压缩，实验显示推理长度减少52%且准确性无损失。
Comments 13 pages, 6 figures
CartoonSing: 统一人类与非人类声音在歌唱生成中的表现
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Southern California（南加州大学） ； Renmin University of China（中国人民大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 CartoonSing通过统一框架生成非人类声音，解决非人类声音数据稀缺和音色差异问题，拓展了歌唱生成的应用范围。
Directed-Tokens: 一种稳健的多模态对齐方法用于大语言-视觉模型
机构 * CVIU Lab, University of Arkansas, USA（美国亚拉巴马大学CVIU实验室） ； Vietnam National University, Ho Chi Minh City University of Science, Vietnam（越南国家大学胡志明市科技大学） ； Carnegie Mellon University, USA（美国卡内基梅隆大学）
AI总结 本文提出Directed-Tokens方法，通过引入图像和文本顺序重建任务及新的损失函数，提升大语言-视觉模型的鲁棒性和跨模态对齐能力，在多个基准上取得最佳性能。
Comments Accepted to NeurIPS'25
AI中的严谨性：进行严谨的AI工作需要一种更广泛、负责任的AI导向的严谨性观念
机构 * Microsoft Research（微软研究院） ； Cornell Tech（康奈尔科技学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Harvard University（哈佛大学） ； Hugging Face（Hugging Face公司） ； Drexel University（德雷塞尔大学） ； University of Oxford（牛津大学）
AI总结 本文提出AI研究需更广泛的严谨性观念，涵盖方法论、背景知识、规范标准、理论构念、报告方式及推论支持等方面，以提升AI工作的责任性和严谨性。
Comments 21 pages, 1 figure, 1 table, accepted at NeurIPS'25 position papers track
通过表征优化增强训练数据归因
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
AI总结 AirRep通过优化表征提升训练数据归因效率，实现与先进梯度方法相当的性能，且推理效率提高近两数量级。
Comments NeurIPS 2025
Web-Shepherd: 促进强化网络代理的PRMs
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Department of Artificial Intelligence, Yonsei University（延世大学人工智能系） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 Web-Shepherd是首个用于强化网络代理的PRM，通过构建大规模数据集和元评估基准，提升了网络导航任务的准确性和效率。
Comments NeurIPS 2025 Spotlight
利用AI实现高效且可信的HPC软件：挑战与研究方向
机构 * Oak Ridge National Laboratory（奥克荷厄斯国家实验室） ； Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） ； Carnegie Mellon University（卡内基梅隆大学） ； Northeastern University（东北大学） ； University of Maryland（马里兰大学） ； SpiralGen Inc.（SpiralGen公司）
AI总结 本文探讨了利用AI改进HPC软件的挑战与研究方向，提出通过Ellora和Durban项目推动AI在HPC软件发展中的应用。
Comments 12 pages, 1 Figure, Accepted at "The 1st International Workshop on Foundational Large Language Models Advances for HPC" LLM4HPC to be held in conjunction with ISC High Performance 2025
Journal ref In: Neuwirth, S., Paul, A.K., Weinzierl, T., Carson, E.C. (eds) High Performance Computing. ISC High Performance 2025. Lecture Notes in Computer Science, vol 16091. Springer, Cham
Hamba: 基于图引导双扫描Mamba的单视角3D手形重建
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 Hamba通过图引导双扫描Mamba框架，高效学习关节空间关系，实现更准确的3D手形重建。
Comments NeurIPS 2024; Project Website: https://humansensinglab.github.io/Hamba/
Journal ref NeurIPS, Vancouver, Canada, 2024, pp. 2127-2160
释放视觉-语言模型在长尾多标签视觉识别中的潜力
机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Key Laboratory of Computer Network and Information Integration (Southeast University)（计算机网络与信息集成重点实验室） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（Mohamed bin Zayed人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出CAPNET框架，通过显式建模标签相关性，结合图卷积网络和可学习软提示，解决长尾多标签视觉识别中的类别不平衡问题，提升模型性能。
DesignPref: 在视觉设计生成中捕捉个人偏好
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Apple（苹果公司）
AI总结 DesignPref通过引入包含20名专业设计师多级评分的12,000对UI设计比较数据集，研究个性化视觉设计评估，展示个性化模型在预测个体偏好上的优越性。
SLOFetch：面向云微服务的压缩分层指令预取
机构 * University of Michigan（密歇根大学） ； Santa Clara University（圣克拉拉大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 SLOFetch通过压缩分层指令预取技术，优化云微服务的指令预取效率，减少芯片状态并提升网络化服务的性能。
MMPerspective: 多模态大语言模型是否理解视角？一个全面的视角感知、推理和鲁棒性评估基准
机构 * University of Rochester（罗切斯特大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 MMPerspective通过10个任务评估多模态大语言模型在视角感知、推理和鲁棒性方面的能力，揭示其在空间一致性维持和组合推理上的局限性。
Comments Accepted to NeurIPS 2025 DB Track. Rating: 5,5,5,5
生成式AI用于动画：一种调查
机构 * University of Rochester（罗切斯特大学） ； UCSB ； University of Oxford（牛津大学） ； CMU（卡内基梅隆大学） ； Purdue University（普渡大学）
AI总结 本文调查生成式AI如何通过自动化任务革新传统动画流程，降低技术门槛，扩大创作者群体，并促进艺术创新。
Comments Accepted by ICCV 2025 AISTORY Workshop
SG-OIF：一种基于稳定性的在线影响框架，用于可靠视觉数据
机构 * Computational Biology Department, Carnegie Mellon University（卡内基梅隆大学计算生物学系）
AI总结 SG-OIF通过稳定性引导的在线影响框架，实现在视觉数据噪声检测中的高准确率与稳定性。
异步分布式多机器人运动规划在通信不完美的情况下
机构 * Department of Mechanical Engineering（机械工程系） ； Department of Chemical Engineering（化学工程系） ； Daniel Guggenheim School of Aerospace Engineering（丹尼尔·盖根海姆航空航天工程学院） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； LAAS-CNRS（拉夫堡-国家科学研究中心） ； Université de Toulouse（图卢兹大学） ； CNRS（法国国家科学研究中心） ； UPS（普罗旺斯大学）
AI总结 本文提出了一种延迟感知ADMM方法，用于在通信不完美条件下实现多机器人运动规划的鲁棒性和高效性。
Comments 9 pages, 5 figures
FoleyBench：视频到音频模型的基准测试
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Sony AI（索尼人工智能） ； Sony Group Corporation（索尼集团）
AI总结 FoleyBench 是首个针对 Foley 风格视频到音频生成的基准测试，包含5000个三元组，用于评估模型在音频质量、对齐和同步方面的性能。
通过自适应上下文管理实现高效的设备端代理
机构 * Language Technologies Institute, Carnegie Mellon University（语言技术研究所，卡内基梅隆大学） ； Samsung Research America（三星美国研究）
AI总结 本文提出了一种通过自适应上下文管理实现高效设备端代理的框架，通过动态内存系统、极简序列化格式和即时模式传递机制，显著压缩上下文并提升性能。
Comments 27 pages, 5 figures
学习具有感知相关性的时序包络变形
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出了一种基于感知指导的学习方法，用于生成具有时间中间性的音频包络变形，通过人类听觉研究和大规模数据集训练，优于现有方法。
Comments Accepted at WASPAA 2025
Sketch-1-to-3: 一个单轮廓到三维详细面部重建
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Nanyang Technological University（南洋理工大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学）
AI总结 Sketch-1-to-3通过引入GCTD模块和定制损失函数，实现从单个轮廓到高保真三维面部重建的突破性进展。
Comments Accepted by ACM MMAsia 2025
超越画面：预测自聚焦三维视觉跨度
机构 * Seoul National University（首尔国立大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Reality Labs Research at Meta（Meta现实实验室）
AI总结 本文提出EgoSpanLift方法，通过将自聚焦视觉跨度预测从2D转换到3D，实现对三维环境未来视觉聚焦的高效预测，并构建了大规模基准测试集。
Comments NeurIPS 2025 Spotlight
MultiDiffNet: 一种面向通用脑解码的多目标扩散框架
机构 * University of Pittsburgh（匹兹堡大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 MultiDiffNet通过多目标扩散框架实现通用脑电解码，提供统一基准测试和统计报告框架，提升跨受试者泛化能力。
重新定义打字：通过表面肌电信号实现无手输入
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文通过改进的sEMG技术，实现了更高效的无手输入，显著降低了字符错误率，为未来可穿戴设备和虚拟现实提供了新的输入方案。
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