高校专区
基于可微搜索的视觉基础模型层特定提示融合发现
机构 * UAB（阿拉巴马大学伯明翰分校） ； CMU（卡内基梅隆大学） ； Tulane（杜兰大学） ； UMKC（密苏里大学堪萨斯分校） ； UGA（佐治亚大学） ； ORNL（橡树岭国家实验室）
AI总结 研究视觉提示微调中提示与图像令牌的融合方案，提出可微架构搜索方法联合优化可学习提示及其融合方式，在34个数据集上取得一致提升。
Comments ECCV 2026
后训练配方，而非模型家族，塑造多智能体LLM对话行为
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校）
AI总结 研究通过大规模语料库和因子实验发现，后训练配方（如推理蒸馏）对多LLM对话行为（如回避性回答）的影响超过模型家族，表明模型家族不能完全代表对话多样性。
SpeechEQ: 社交感知语音对话模型的情商基准测试
机构 * New York University（纽约大学） ； NVIDIA（英伟达） ； Carnegie Mellon University（卡内基梅隆大学） ； NYU Shanghai（上海纽约大学）
AI总结 提出SpeechEQ框架，基于EQ-i 2.0理论构建2265个对话数据集，通过口语情商(SEQ)评分评估语音语言模型在主动多轮对话中的副语言社交线索推理能力，揭示端到端模型存在模态捷径、安全陷阱和上下文遗忘等瓶颈。
基于笼形几何滤波的纹理迁移
机构 * Roblox ； CMU（卡内基梅隆大学）
AI总结 提出一种基于笼形几何滤波的方法，通过识别非化妆区抑制伪影，实现高效、无需训练的实时纹理迁移，在移动设备上对约4.8k三角网格达到约70ms运行时间。
Comments Accepted to SIGGRAPH 2026
通用推理的可迁移性：多领域RLVR的自动课程
机构 * Jinesis Lab, University of Toronto & Vector Institute（Jinesis实验室，多伦多大学与向量研究所） ； Carnegie Mellon University（卡内基梅隆大学） ； Princeton University（普林斯顿大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； ELLIS Institute Tübingen（ELLIS研究所图宾根） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； EuroSafeAI
AI总结 提出迁移感知课程（TAC），利用优势信号和投影梯度估计跨领域可迁移性，在多领域推理套件上实现最佳平均准确率。
Comments 32 pages, including supplementary material; code available at https://github.com/YangYongJin/transfer-aware-curriculum
基于因果关系的参数化控制屏障函数用于安全多车交互
机构 * School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 针对多车交互中因果推断困难导致保守行为的问题，提出基于因果关系的参数化控制屏障函数，实现自适应安全控制，提升任务效率。
Comments accepted ICRA 2026
AIChilles：自动发现AI进化系统中的隐藏弱点
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Boston University（波士顿大学）
AI总结 提出AIChilles框架，通过结合确定性工作负载参数提取、基于代理的约束推断、差异预言机和代码频率覆盖，自动发现AI进化程序在正确性、运行时、内存使用或输出质量上相对于基线程序的回归问题，在5个系统应用和30个AI进化程序中发现49个隐藏弱点。
比较推理：让音频语言模型更擅长比较情感
机构 * Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； NVIDIA（英伟达）
AI总结 提出一种推理引导的序数情感识别框架，通过配对语音输入和推理轨迹训练音频语言模型，实现可解释的比较情感判断，仅需传统方法5%的训练数据。
后验精炼：通过任意阶流映射实现快速语言生成
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出FMLM+框架，结合掩码噪声调度实现单步生成，并利用后验评分进行自适应精炼，在32倍更少NFE下达到离散基线性能，改善速度-质量权衡。
Comments 24 pages, 23 figures
高效标注的任务分解
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出将结构化标注任务分解为子任务以减少推理负担，基于中心理论建模推理负荷，并给出分配策略以在固定预算下最大化质量。
TACTFUL: 受限环境中的触觉驱动探索用于物体定位与识别
机构 * Amazon Fulfillment Technologies & Robotics（亚马逊履约技术与机器人） ； Siebel School of Computing and Data Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校西贝尔计算与数据科学学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所）
AI总结 提出无视觉触觉探索框架TACTFUL，使多指机器人通过动态奖励策略平衡全局探索与局部表面细化，实现物体自主发现与识别，平均重建误差0.015米，成功率77%。
Comments IROS 2026
MinInter：在模仿学习的数据增强中最小化轨迹插值
机构 * School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院） ； Pengcheng Laboratory（鹏城实验室） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出MinInter方法，通过选择需要最少插值的源演示来生成高质量合成轨迹，在MimicGen基准的12个操作任务中显著提升数据生成成功率和策略成功率。
Comments Accepted by IEEE CASE 2026
面向规范学习：从偏好对进行推理时对齐
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出规范学习框架，利用少量用户指令和偏好判断生成自然语言规范，在推理时引导LLM行为，无需参数更新，在密集偏好信号领域优于DPO，且规范可解释。
智能体模型批判
机构 * Institute of Foundation Models, Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学基础模型研究所） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院）
AI总结 本文区分了自动化与智能体，提出真正智能体需内化目标、身份、决策、自我调节和学习等结构，并设计了GIC通用智能体架构。
神经符号驱动：基于规则忠实推理的驾驶VLA
机构 * Texas A&M University（德克萨斯农工大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Maryland（马里兰大学） ； University of California, Riverside（加利福尼亚大学河滨分校） ； University of Pittsburgh（匹兹堡大学）
AI总结 提出神经符号驱动框架，利用规则规划器的决策轨迹监督驾驶VLA，实现推理与运动生成的因果耦合，显著降低轨迹误差和碰撞率。
灾难性组合生成：为什么普通扩散模型无法外推
机构 * Machine Learning Department, Carnegie Mellon University（卡内基梅隆大学机器学习系） ； Valence Labs ； Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系）
AI总结 本文论证普通条件扩散模型在组合生成任务中常不可行，通过理论泛化论证和实验表明，当目标分布超出源分布范围时，分数估计误差会导致灾难性性能下降。
FedSteer: 通过校正投影和缓存驯服联邦学习中的极端梯度陈旧性
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Avignon（阿维尼昂大学） ； Singapore University of Technology and Design（新加坡科技与设计大学） ； University of Washington（华盛顿大学）
AI总结 针对联邦学习中客户端参与不均导致的梯度陈旧问题，提出FedSteer方法，利用客户端梯度缓存构建子空间，通过投影和缓存策略校正陈旧梯度，显著提升训练稳定性与精度。
Comments UAI 2026
ESPnet3：基础模型时代可扩展语音与音频研究的基础设施
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Brno University of Technology（布拉格技术大学） ； Instituto Superior Técnico（技术高等研究院） ； Hanyang University（翰阳大学） ； Hitachi Astemo（日立阿美士多） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出ESPnet3框架，通过模块化系统架构、配置驱动的数据集组合和统一Python工作流，实现大规模语音音频研究的高效训练与扩展，显著降低工程开销。
Comments Accepted at Interspeech 2026
Lift4D: 协调单视图3D估计以实现野外4D重建
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出Lift4D框架，通过因果潜在条件化单视图3D模型获得时域一致的初始化，再结合遮挡感知优化和扩散先验，实现从单目视频重建动态非刚体4D场景，显著优于现有方法。
Comments Webpage, Demos: https://lift4d.github.io
平坦性保持视觉-语言-动作模型中的指令遵循能力
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对VLA模型微调后忽视语言指令的问题，提出平坦性保持优化（SAM），在不增加数据或修改架构的情况下，将指令遵循率提升60%以上。
智能体时代的因果发现
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AI总结 提出智能体应辅助因果发现流程而非提供因果结论，通过causal-learn+平台实现数据驱动、算法支撑的因果发现，避免语言模型不可靠性转化为因果证据。
Comments Platform is available at causallearn.com
合成Lombard效应：TTS中语音清晰度和发声努力的多级控制
机构 * Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院） ； Carnegie Mellon University (CMU)（卡内基梅隆大学） ； KIT Campus Transfer (KCT)（KIT校园转移中心）
AI总结 提出基于流匹配的TTS模型，利用发声努力和发音伪标签实现连续解耦控制及词级强调，模拟Lombard效应，提升嘈杂环境下的语音清晰度。
Comments Accepted to Interspeech 2026
Bagpiper-TTS: 自然语言引导的通用语音合成
机构 * Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） ； LY Corporation ； NVIDIA Research（英伟达研究院）
AI总结 提出Bagpiper-TTS，通过自然语言提示推理用户意图生成丰富描述，再合成语音，支持多说话人、意图转语音、角色扮演、歌声合成等任务，在Seed-TTS-Eval上WER为1.7%。
超越辛普森悖论：AI 智能体拉取请求合著中的级联混杂因素
机构 * Independent Researcher（独立研究者） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本研究通过分层分析和多级控制，揭示了AI编码智能体拉取请求合著与合并率之间的关联主要由智能体组成、仓库选择和PR结构等混杂因素驱动，而非因果关系。
Comments 5 pages. Accepted at the KDD 2026 Workshop on Agentic Software Engineering (SE 3.0)
从投诉叙述到金钱救济：面向CFPB消费者投诉的混合机器学习框架
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； North Carolina State University（北卡罗来纳州立大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出混合机器学习框架，利用投诉文本、主题表示和结构化特征预测消费者金融保护局投诉中的金钱救济结果，AUC-ROC从0.69提升至0.78。
RL提升LLM推理能力的关键更新因素是什么？
机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Microsoft Research（微软研究院） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 通过理论分析RLVR更新，发现离策略程度影响重要性采样比率分布和裁剪行为，提出自适应裁剪策略优化（ACPO），在多种推理基准上优于DAPO和CISPO。
好奇心作为语言干预：利用LLM辅导对话影响探索性学习行为
机构 * School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系统学院） ； Human-Computer Interaction Institute, Carnegie Mellon University（卡内基梅隆大学人机交互研究所）
AI总结 提出CURIOBOT框架，通过LLM对话中的语言干预（新奇性、复杂性、冲突、不确定性）激发探索性学习行为，实验显示对话轮次增加2.4倍。
Comments Submitted to EMNLP 2026
用于幂等生成的编码器-解码器流形对齐
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对生成模型中幂等性不足导致的重复应用不稳定问题，提出通过对齐编码器和解码器学习的流形来训练模型，显著降低幂等误差并提升生成稳定性。
FlowDPG：面向真实世界操作的流匹配策略上的确定性策略梯度
机构 * Skild AI ； Carnegie Mellon University（卡内基梅隆大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 提出FlowDPG方法，通过将评论家梯度蒸馏到速度场中，避免反向传播时间，实现流匹配策略的稳定策略改进，并在真实世界双机械臂AirPods组装任务中达到92%成功率。
从语音到文本语料库：评估基于ASR的低资源Fongbe和豪萨语数据采集
机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校） ； North-West University（北开普大学）
AI总结 研究利用ASR管道为低资源非洲语言Fongbe（声调语言）和豪萨语（非声调语言）扩展文本语料，通过微调MMS-300M和Whisper-Small模型，在Fongbe上实现9.48%的词错误率（相对降低78%），并评估转录质量，发现豪萨语接近可用而Fongbe需后处理。
Comments 10 pages, 1 figure, 4 tables
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