Johns Hopkins University（约翰斯·霍普金斯大学）

Principled Context Engineering for RAG: Statistical Guarantees via Conformal Prediction

基于RAG的原理化上下文工程：通过符合预测实现统计保证

Debashish Chakraborty, Eugene Yang, Daniel Khashabi, Dawn Lawrie, Kevin Duh

机构 * HLTCOE, Johns Hopkins University（HLTCOE，约翰霍普金斯大学） 纠错

AI总结 本文提出通过符合预测框架实现RAG的上下文工程，通过统计可控的过滤方法减少冗余上下文，提升事实准确性。

Comments Accepted at ECIR 2026

Zero-Shot Personalization of Objects via Textual Inversion

通过文本逆向实现对象的零样本个性化

Aniket Roy, Maitreya Suin, Rama Chellappa

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Samsung AI Center Toronto（三星AI中心多伦多） 纠错

AI总结 本文提出一种新框架，通过学习网络预测对象特定的文本逆向嵌入，实现快速零样本对象个性化，适用于多种任务和场景。

CAM3R: Camera-Agnostic Model for 3D Reconstruction

CAM3R：用于3D重建的相机无关模型

Namitha Guruprasad, Abhay Yadav, Cheng Peng, Rama Chellappa

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Virginia（弗吉尼亚大学） 纠错

AI总结 CAM3R通过双视网络和Ray-Aware Global Alignment框架，实现对宽角度相机模型的3D重建，解决了传统方法在非矩形光学图像中的几何退化问题。

Rashid: A Cipher-Based Framework for Exploring In-Context Language Learning

Rashid：一种基于密码的探索上下文语言学习框架

Niyati Bafna, Ryan Soh-Eun Shim, Barbara Plank, David Yarowsky, Hale Sirin

机构 * Johns Hopkins University, Center for Language and Speech Processing（约翰霍普金斯大学语言与语音处理中心） ； MaiNLP, Center for Information and Language Processing, LMU Munich（MaiNLP语言信息处理中心，慕尼黑大学） 纠错

AI总结 Rashid框架通过密码高资源语言构造真正未见语言，评估ICLL方法，探索昂贵资源对ICLL的提升，并测试超出机器翻译的下游任务，揭示ICLL的潜力与未来方向。

Captain Safari: A World Engine with Pose-Aligned 3D Memory

Captain Safari: 一种具有姿态对齐3D记忆的世界引擎

Yu-Cheng Chou, Xingrui Wang, Yitong Li, Jiahao Wang, Hanting Liu, Cihang Xie, Alan Yuille, Junfei Xiao

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Tsinghua University（清华大学） ； UC Santa Cruz（加州大学圣克ruz分校） 纠错

AI总结 本文提出Captain Safari，一种基于姿态条件的世界引擎，通过持久化世界记忆生成视频，提升了复杂场景下的3D一致性与轨迹跟踪能力，优于现有方法。