高校专区
文本到图像个性化模型中的潜在身份调整
机构 * Tel Aviv University（特拉维夫大学） ； Cornell University（康奈尔大学）
AI总结 研究文本到图像个性化模型中细粒度身份调整问题，利用预训练冻结编码器潜在空间，无需额外训练，通过揭示潜在语义方向实现局部、细粒度且语义连贯的面部编辑，经实验验证有效。
Comments Project page at: https://garibida.github.io/IdentityTuning/
一种用于灵巧操作的极简重定向引导强化学习方法
机构 * Cornell University（康奈尔大学） ； Amazon FAR（亚马逊FAR）
AI总结 研究如何将重定向引导强化学习用于灵巧操作，提出REGRIND方法，从单人演示学习策略，经重定向、模拟训练、零样本转移到硬件，在丰富接触任务中产生类人行为，还分析了模拟到现实转移的关键因素。
Comments Website: https://yunhaifeng.com/REGRIND
用于语言识别的全局一致着色方案
机构 * Stanford University（斯坦福大学） ； Cornell University（康奈尔大学）
AI总结 研究对抗性语言学习所需额外信息，探讨终端着色能否替代整个颜色序列用于语言识别，证明每个字符串只需一个终端位，全局构造用超限递归，还表明有限颜色的博雷尔映射终端着色不能识别所有可数子集合。
Comments Abstract shortened to fit arxiv limit
ERR@HRI 3.0 挑战赛：人机交互中错误与预期的多模态检测
机构 * Cornell University（康奈尔大学） ； Microsoft Research（微软研究院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Cambridge（剑桥大学）
AI总结 ERR@HRI 3.0 挑战赛提供自然场景视频数据集，供研究者开发多模态机器学习模型检测人机交互错误与预期，三个团队提交的有效模型超卷积神经网络基线，为构建相关检测系统提供了数据、任务、基线及结果等参考。
SensorPerch：随时随地感知重要之处
机构 * Cornell University（康奈尔大学）
AI总结 针对机器人感知视角受限问题，提出SensorPerch，通过将传感器视为独立实体实现主动感知。它由可重构传感器平台和视角选择框架组成，能按需构建与任务相关的视角。在对象耦合和策略耦合感知任务中验证了该范式的有效性。
合规陷阱：诊断人工智能代理如何处理冲突记忆
机构 * Johns Hopkins University（约翰·霍普金斯大学） ； Cornell University（康奈尔大学）
AI总结 研究人工智能代理处理冲突记忆的问题，提出E-P-R框架，通过在WebArena和MemTrapBench上实例化发现主要失败始于入口，冲突记忆导致合规陷阱，强调评估记忆增强型代理应考虑其处理记忆的全过程。
ShapKO：用于稳健多模态学习的Shapley自适应模态剔除
机构 * Cornell University（康奈尔大学） ； Cornell Tech（康奈尔科技学院） ； Weill Cornell Medicine（威尔康乃尔医学院）
AI总结 针对多模态医学模型在输入缺失或模态主导时性能不佳的问题，提出ShapKO动态训练策略，基于验证效用学习特定模态剔除概率，通过评估性能、估计重要性和更新概率促进互补表示，在多数据集上提升了模型性能。
个体目标假设：对人类群体环境中主动机器人的系统综述
机构 * Department of Information Science at Cornell University（康奈尔大学信息科学系） ； School of Education, Louisiana State University（路易斯安那州立大学教育学院）
AI总结 通过对63项群体环境中主动人机交互研究的系统综述，发现个体目标假设（ITA）普遍存在，群体感知方法滞后，未解决机器人进入预先形成群体的问题，还出现三种失败模式，重新定义主动HRI为独特设计问题，确定进入阶段为关键挑战。
Comments 8 pages, 3 figures, 4 tables. Accepted at the 2026 IEEE International Conference on Robot and Human Interactive Communication (RO-MAN)
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
NaviCache: 视频生成的测试时自校准缓存
机构 * Zhejiang University（浙江大学） ； Cornell University（康奈尔大学） ； Tencent Hunyuan（腾讯文生视频）
AI总结 针对视频扩散模型计算成本高的问题，提出NaviCache方法，将特征演化重构思为惯性导航系统问题，通过双状态估计架构自适应跟踪特征变化比和潜在漂移，实现有界误差的计算跳过，在多个模型上取得优异性能。
Comments Published at ICML 2026: Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
迈向可靠的机器无学习测试
机构 * Cornell University（康奈尔大学）
AI总结 本文提出了一种基于因果的路径中心视角，通过因果模糊测试生成预算干预，以估计残留直接和间接影响并生成可操作的泄漏报告，解决机器无学习测试中的覆盖路径、调试诊断、回归执行和黑盒适用性问题。
基于随机最优控制的稀有事件分析
机构 * Microsoft Research New England（微软研究院新英格兰分部） ； Cornell University（康奈尔大学） ； University of Cambridge（剑桥大学） ； Courant Institute of Mathematical Sciences, NYU（纽约大学Courant数学科学研究所）
AI总结 提出将稀有事件分析中的committor函数估计转化为随机最优控制问题，通过反馈控制引导轨迹采样，并开发两种损失函数及处理亚稳态的方法，在基准系统上获得更准确的结果。
Narrix：从示例中 remix 叙事策略以进行故事写作
机构 * Cornell University（康奈尔大学） ； Adobe Research（Adobe研究）
AI总结 Narrix 通过可视化叙事策略帮助新手作家提高叙事能力，通过交互式故事弧和颜色编码提示，使作家能有效复用策略，提升创作信心和适应能力。
Comments 24 pages, 10 figures. To appear in CHI '26: Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems, April 13-17, 2026, Barcelona, Spain. DOI: https://doi.org/10.1145/3772318.3790813
自主AI代理用于期权对冲：通过意识短缺的强化学习增强金融稳定性
机构 * Cornell Ann S. Bowers College of Computing and Information Science, Cornell University（康奈尔大学安·索斯·博尔斯计算与信息科学学院） ； Department of Mathematics, University of Texas at Austin（德克萨斯大学奥斯汀分校数学系） ； School of Social Sciences, Nanyang Technological University（南洋理工大学社会科学学院） ； Krieger School of Arts and Sciences, Johns Hopkins University（约翰霍普金斯大学克里eger艺术与科学学院）
AI总结 本文提出RLOP和QLBS两种强化学习框架，通过意识短缺的方法优化期权对冲，提升金融稳定性并改进风险预测。
FIRE-Bench：评估人工智能代理在科学见解重新发现方面的表现
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Cornell University（康奈尔大学）
AI总结 研究旨在评估大语言模型驱动的人工智能代理在科学见解重新发现上的能力。核心方法是引入FIRE-Bench基准，让代理基于高层次研究问题进行全周期探索。主要贡献是为衡量代理驱动的科学发现进展提供了严格诊断框架，揭示当前代理系统在全周期科研上的挑战。
Comments 34 pages, 3 figures, 16 tables; ICML 2026 Camera-ready Version
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