高校专区
TREK：蒸馏以探索，强化以优化
机构 * LinkedIn Corporation（领英公司） ； Harvard University（哈佛大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 针对GRPO在学生策略覆盖外的难提示样本上失效问题，提出TREK方法，通过蒸馏扩展探索空间再结合GRPO优化，在多推理与智能体任务上大幅提升模型性能。
Comments 18 pages, 3 figures, 6 tables
CSB：一种用于位向量的计数和采样工具
机构 * Chennai Mathematical Institute（钦奈数学研究所） ； Georgia Institute of Technology（佐治亚理工学院） ； IAI, TCG-CREST ； Kolkata University of Toronto（多伦多大学加尔各答分校）
AI总结 研究能否借助现代CNF模型计数器和采样器扩展SMT求解器以处理位向量的计数和采样问题，开发了工具csb，能解决多种位向量模型计数和采样问题，实验显示性能优于现有方法。
Comments This is the authors' version of the article published in Acta Informatica
Journal ref Acta Informatica, Volume 63, article number 23 (2026)
基于冲突的懒搜索用于快速多机器人规划
机构 * Shanghai Research Institute for Intelligent Autonomous Systems, Shanghai Institute of Intelligent Science and Technology, the State Key Laboratory of Autonomous Intelligent Unmanned Systems, and Frontiers Science Center for Intelligent Autonomous Systems of Ministry of Education, Tongji University（上海智能无人系统科学中心，上海智能科学与技术研究院，自主智能无人系统国家重点实验室，同济大学智能自主系统前沿科学中心） ； Department of Automation, Shanghai Jiao Tong University（上海交通大学自动化系） ； School of Aerospace Engineering and Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（佐治亚理工学院航空航天工程学院和机器人与智能机器研究所）
AI总结 针对多机器人在杂乱工作空间的实时规划难题，提出基于冲突的懒搜索（CBLS）算法。该算法基于CBS，通过预计算和懒搜索改进，采用懒评估图与LEA*算法，应用于多机器人规划问题，性能优于CBS和RRT-Connect。
Journal ref IEEE/ASME Transactions on Mechatronics(TMECH) 2026
OmniTacTune：用于视觉策略触觉残余适应的与策略无关的真实世界强化学习
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究针对视觉策略在接触丰富操作中不足的问题，提出OmniTacTune管道，通过残余校正让触觉反馈适应预训练视觉策略，经两阶段设计，实验证明其能跨任务等泛化，有效提升策略成功率。
Comments Project page: https://colinyu1.github.io/omnitactune-site/
用于自适应交通信号控制的可解释强化学习
机构 * School of Civil and Environmental Engineering, Georgia Institute of Technology（佐治亚理工学院土木与环境工程学院）
AI总结 研究针对交通信号控制中深度强化学习模型的不透明性问题，引入以实体为中心的可解释强化学习框架，通过特殊架构和注意力网络提取关系依赖等，设计亲和矩阵并集成动作掩码接口，实现可解释且性能优的交通信号控制。
WorldBagel：揭示统一多模态模型在视觉-语言-动作-世界建模中的力量
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究统一多模态模型在视觉-语言-动作-世界建模中的作用，基于BAGEL构建WorldBagel框架，通过多任务机器人操作等实验，发现统一不仅便利，更是学习有效模型的关键因素。
Comments Rejected by ECCV 2026, Arxiv Paper
大语言模型的频谱特征
机构 * Rice University（莱斯大学） ； Dartmouth College（达特茅斯学院） ； Georgia Institute of Technology（佐治亚理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
AI总结 针对大规模管理和量化大语言模型的挑战，采用基于重尾自正则化理论的频谱形状指标，以权重经验谱密度形状信息为模型频谱特征，可用于模型谱系追踪等，还构建语料库进行基准测试。
用于运动规划的函数空间扩散
机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； School of Aerospace Engineering, Georgia Institute of Technology（佐治亚理工学院航空航天工程学院） ； Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 研究提出函数空间扩散运动规划方法，将轨迹建模为连续函数在函数空间直接扩散，定义谱域正向过程，用基于离散正弦变换的傅里叶神经算子参数化反向过程，实现离散不变轨迹生成，提升规划性能。
Comments 8 pages
K9-Bench：在以犬类为中心的视频上评估多模态大语言模型
机构 * Ogmen Robotics Inc.（Ogmen机器人公司） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 介绍K9-Bench基准，通过约5000个问答对测试多模态大语言模型对犬类动作和互动理解。提出数据生成管道创建数据集，发现前沿模型在犬类任务上零样本性能有限，还提供通用数据集构建管道。
SGD 在 XOR 模型中优先学习捷径虚假特征
机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（霍华德·米尔顿·斯图尔特工业与系统工程学院，佐治亚理工学院） ； School of Electrical and Computer Engineering, Georgia Institute of Technology（电气与计算机工程学院，佐治亚理工学院）
AI总结 本文通过在线小批量 SGD 训练两层 ReLU 神经网络，首次端到端理论刻画了虚假特征学习，发现 SGD 优先且指数级快速地学习虚假特征，且优化动力学中虚假与信号特征耦合，强虚假成分抑制信号学习。
Comments v2: Fixed typos
通过熵修正掩码实现模糊场景中无干扰的3D高斯泼溅
机构 * Samsung Electronics（三星电子） ； Georgia Institute of Technology（佐治亚理工学院） ； GenGenAI ； Yonsei University（延世大学） ； Seoul National University（首尔国立大学） ； Kennesaw State University（肯纳邦州立大学） ； University of Texas at Arlington（德克萨斯大学阿灵顿分校）
AI总结 提出RefineSplat框架，利用熵感知自适应掩码和密度控制方法，有效识别并移除模糊场景中的动态干扰物，实现无干扰的新视角合成。
Comments 28 pages, 30 figures, and 24 tables
大语言模型能否在信用风险模型中作为事后可解释性工具？
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Southern Methodist University（南方 Methodist 大学）
AI总结 本文研究大语言模型是否能作为信用风险模型的事后可解释性接口，评估其在保持特征重要性排名和生成自主解释方面的能力。
Comments 39 pages, 1 figure
Gavel: 智能体结合检查表评估LLM长上下文法律摘要
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 提出Gavel框架，通过参考评估和免参考智能体评估12个前沿LLM在多文档法律摘要中的表现，发现模型易遗漏关键信息而非幻觉，且性能随案件长度增加而下降。
Comments webpage at https://yao-dou.github.io/gavel/
BrainNormalizer：通过边缘引导控制网络从肿瘤MRI进行解剖学信息伪健康脑重建
机构 * University of Pittsburgh（匹兹堡大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cedars-Sinai Medical Center（西德萨斯医疗中心） ； Mayo Clinic Arizona（梅奥诊所亚利桑那分部）
AI总结 针对脑肿瘤致结构变形难区分肿瘤与解剖变异问题，提出BrainNormalizer框架，用两阶段训练学习解剖先验等，通过特定策略实现伪健康脑重建，实验表明其有优势。
UNDREAM：为端到端对抗攻击弥合可微渲染与逼真模拟的差距
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Technology Innovation Institute（技术创新研究院）
AI总结 针对自动驾驶等安全关键应用中深度学习模型对抗攻击测试问题，介绍UNDREAM框架，通过弥合逼真模拟器与可微渲染器差距，实现对3D物体对抗扰动的端到端优化，开启物理对抗攻击研究新途径。
VISOR++：基于通用视觉输入的大型视觉语言模型转向
机构 * HiddenLayer, USA（HiddenLayer美国分校） ； Georgia Institute of Technology, USA（佐治亚理工学院）
AI总结 研究视觉语言模型行为控制，针对现有方法局限，提出VISOR++，通过优化视觉输入实现行为控制，无需运行时访问模型内部，在多模型上验证有效性且能保持无关任务性能。
VISOR：视觉语言模型中用于输出重定向的基于视觉输入的转向
机构 * Georgia Institute of Technology（佐治亚理工学院） ； HiddenLayer, Inc（HiddenLayer公司）
AI总结 研究提出VISOR方法，通过优化视觉输入实现对视觉语言模型行为的精细控制，在关键对齐任务中验证其有效性，且具有低开销等优势，但也揭示了视觉通道安全漏洞。
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