高校专区
估计LLM一致性：用户基准与替代指标
机构 * Carnegie Mellon University（卡内基梅隆大学） ； RSAC Labs（RSAC实验室）
AI总结 本文提出了一种基于logits的集成方法，用于估计LLM一致性，并展示了其在匹配人类评分方面与现有最佳指标相当。
Comments Published as a main conference paper at EMNLP 2025
Incalmo：一种自主的LLM辅助系统用于多主机网络红队测试
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 Incalmo是一种基于LLM的自主红队测试系统，通过高层次任务规划和专用任务代理实现多主机网络攻击，显著提高了红队测试的效率和成功率。
Comments 18 pages, 15 figures
细粒度奖励优化用于机器翻译的误差严重性映射
机构 * Instituto Superior Técnico, Universidade de Lisboa (ELLIS Unit Lisbon)（里斯本大学理工学院（ELLIS单位里斯本）） ； Instituto de Telecomunicações（电信研究所） ； Carnegie Mellon University（卡内基梅隆大学） ； TransPerfect Core contributor（TransPerfect核心贡献者）
AI总结 本文提出利用细粒度词级奖励和误差严重性映射优化，提升机器翻译质量与训练稳定性。
SePer：通过语义困惑度降低的视角衡量检索效用
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 SePer通过语义困惑度降低衡量检索效用，提供更精确的RAG评估方法
Comments ICLR 2025 Spotlight
无监督发现人类活动中的长期时空周期性工作流
机构 * Fujitsu Research of America, USA（美国富士通研究机构） ； Fujitsu Limited, Japan（日本富士通有限公司） ； Carnegie Mellon University, USA（美国卡内基梅隆大学）
AI总结 本文提出首个包含长期周期性工作流的基准，通过轻量级基线实现无监督检测和异常检测，显著优于现有方法并具备实际部署优势。
Comments accepted to WACV 2026
STAMP：带有多头池化的空间-时间适配器
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Pittsburgh School of Medicine（匹兹堡大学医学学院）
AI总结 STAMP通过多头池化机制，利用通用TSFMs生成的单变量嵌入，隐式建模EEG数据的空间-时间特性，实现与现有EEGFMs相当的性能。
Comments Accepted as a Proceedings paper at Machine Learning for Health (ML4H) 2025, invited presentation at the Time Series for Health (TS4H) Workshop, NeurIPS 2025. v2: Updated author affiliation and corrected a duplicated word in the text. No other changes
用于基因组空间重建的距离保持表示
机构 * Heinz College of Information Systems and Public Policy and Machine Learning Department, Carnegie Mellon University（信息系统与公共政策学院及机器学习系，卡内基梅隆大学） ； Musketeers Foundation Institute of Data Science and the Department of Statistics and Actuarial Science, University of Hong Kong（数据科学研究所及统计与精算科学系，香港大学）
AI总结 本文提出dp-VAE框架，通过距离保持正则化器重建基因组空间坐标，提升单细胞数据的空间分析能力。
MAQuA：基于项目反应理论的多维心理健康筛查自适应提问框架
机构 * Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） ； Stony Brook University（石溪大学） ； Aarhus University（奥胡斯大学） ； Department of Psychology, Lund University（吕勒欧大学心理学系） ； College of Connected Computing, Vanderbilt University（范德比尔特大学连接计算学院）
AI总结 MAQuA通过结合IRT和因子分析，实现多维心理健康筛查的自适应提问，有效减少评估问题数量，提升诊断效率和患者体验。
CAIRe：通过检索增强评估进行图像文化归因
机构 * BITS Pilani（比斯·皮兰大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校）
AI总结 CAIRe通过检索增强评估方法，评估图像在不同文化标签下的相关性，有效衡量文化偏见，提升跨文化公平性。
Comments Preprint, under review
LEARNER: 通过对比学习从粗粒度患者间标签中学习细粒度患者进展
机构 * Carnegie Mellon University（卡内基梅隆大学） ； LSUHSC Internal Medicine（LSUHSC内科） ； Cosmetic Surgery Facility LLC（美容外科诊所有限公司）
AI总结 LEARNER通过对比学习利用患者间粗粒度标签，学习细粒度患者内变化，提升个性化医学中的治疗响应预测性能。
Comments Under review at ISBI 2026 conference
机构 * Carnegie Mellon University（卡内基梅隆大学）
Comments 12 pages
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Oxford（牛津大学） ； Snap Inc（Snap公司）
机构 * Seoul National University（首尔国立大学） ； Language Technologies Institute, Carnegie Mellon University（语言技术研究所，卡内基梅隆大学） ； Human-Computer Interaction Institute, Carnegie Mellon University（人机交互研究所，卡内基梅隆大学）
Comments Under review; 16 pages, 15 figures
机构 * AI VIETNAM（AI越南） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； PTIT ； Northwestern University（西北大学）
Comments Acccepted in MICCAI Workshop 2025
机构 * College of Computing and Mathematics, King Fahd University of Petroleum & Minerals（计算机与数学学院，国王法赫德石油与矿物大学） ； School of Electronic Engineering and Computer Science, Queen Mary University of London（电子工程与计算机科学学院，女王玛丽大学） ； Department of Computer Science, Carnegie Mellon University（计算机科学系，卡内基梅隆大学）
Comments 17 pages
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Stanford University（斯坦福大学） ； Carnegie Mellon University（卡内基梅隆大学）
机构 * KTH Royal Institute of Technology（皇家理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
机构 * Maastricht Law and Tech Lab, Faculty of Law, Maastricht University, The Netherlands（马斯特里赫特大学法学院与科技实验室，荷兰） ； Brightlands Institute for Smart Society, Maastricht University, The Netherlands（智慧社会Brightlands研究所，马斯特里赫特大学，荷兰） ； Computer Science Department, Carnegie Mellon University, Pittsburg, USA（计算机科学系，卡内基梅隆大学，美国匹兹堡）
Comments Accepted for publication at JURIX 2025 Torino, Italy. This is the preprint version. Code and data available at: https://github.com/maastrichtlawtech/jurix2025_LLM_video_analysis
机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； Carnegie Mellon University（卡内基梅隆大学）
Comments Accepted at AAAI 2026 Workshop on Creative AI for Live Interactive Performances (CLIP). To be published in Springer CCIS series
机构 * Carnegie Mellon University（卡内基梅隆大学）
机构 * Department of Data Science, University of Southern California（数据科学系，南加州大学） ； 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） ； Department of Computer Science and Engineering, Santa Clara University（计算机科学与工程系，圣克拉拉大学） ； Department of Applied Mathematics, University of Washington（应用数学系，华盛顿大学） ； School of Computer Science, Georgia Institute of Technology（计算机科学学院，佐治亚理工学院）
Comments Under Review
机构 * Harvard（哈佛大学） ； Stanford（斯坦福大学） ； EPFL（苏黎世联邦理工学院） ； CMU（卡内基梅隆大学）
Comments NeurIPS 2025 (Oral)
机构 * National Library of Medicine（国家医学图书馆） ； AWS AI Labs（AWS人工智能实验室） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
机构 * Institute of Science and Technology Austria（奥地利科学技术研究院） ； Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（马尔代夫穆罕默德·本·扎耶德人工智能大学）
Comments Camera-ready version for NeurIPS2025
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Pittsburgh（匹兹堡大学） ； University of Southern California（南加州大学） ； Virginia Tech（弗吉尼亚理工学院）
Comments Accepted to NeurIPS 2025
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Cambridge（剑桥大学） ； Zhejiang University（浙江大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Massachusetts Institute of Technology（麻省理工学院） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室）
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Field AI ； Nissan USA（日产美国）
机构 * Department of Computer Science, The University of Alabama at Birmingham（阿拉巴马大学伯明翰分校计算机科学系） ； Doctoral Training Centre, University of Oxford（牛津大学博士培训中心） ； Department of Biomedical Engineering and Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学生物医学工程系和电气与计算机工程系） ； Computational Biology Department, Carnegie Mellon University（卡内基梅隆大学计算生物学系） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
机构 * Tsinghua University（清华大学） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（Mohamed bin Zayed人工智能大学） ； École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； Carnegie Mellon University（卡内基梅隆大学）
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