Johns Hopkins University（约翰斯·霍普金斯大学）

LychSim: A Controllable and Interactive Simulation Framework for Vision Research

LychSim：一种可控且交互式的视觉研究仿真框架

Wufei Ma, Chloe Wang, Siyi Chen, Jiawei Peng, Patrick Li, Alan Yuille

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

AI总结 LychSim基于Unreal Engine 5构建，提供简洁的Python API、生成多样化高保真环境的流程数据管道以及MCP协议集成，用于视觉研究中的可控仿真与闭环优化。

Comments 3D-LLM/VLA Workshop at CVPR 2026. Project page: https://lychsim.github.io/

ORBIT: Preserving Foundational Language Capabilities in GenRetrieval via Origin-Regulated Merging

ORBIT：通过起源调节合并在生成检索中保留基础语言能力

Neha Verma, Nikhil Mehta, Shao-Chuan Wang, Naijing Zhang, Alicia Tsai, Li Wei, Lukasz Heldt, Lichan Hong, Ed Chi, Xinyang Yi

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Google DeepMind（谷歌DeepMind） ； Google（谷歌） 纠错

AI总结 ORBIT通过跟踪模型权重距离并使用加权平均策略，在生成检索微调中减少模型漂移，有效保留语言基础能力。

Taking the Road Less Scheduled with Adaptive Polyak Steps

走少计划之路：自适应Polyak步长

Dimitris Oikonomou, Matthew Buchholz, Yuen-Man Pun, Robert M. Gower, Nicolas Loizou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Australian National University（澳大利亚国立大学） ； Center for Computational Mathematics（计算数学中心） ； Flatiron Institute, Simons Foundation（Flatiron 机构，Simons 基金会） 纠错

AI总结 本文提出自适应Polyak步长的Schedule-Free SGD和Adam，通过迭代平均实现无调度优化，无需调优基础学习率，统一了标准与无调度Polyak方法，实验显示其在语言建模中表现优异。

Beyond Masks: The Case for Medical Image Parsing

超越遮罩：医疗图像解析的必要性

Siddharth Gupta, Alan L. Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Northwestern University（西北大学） ； Johns Hopkins Medicine（约翰霍普金斯医学） 纠错

AI总结 医疗影像研究应转向医疗图像解析作为核心输出，通过结构化表示实体、属性与关系，实现一致且完整的描述，以提升诊断、重建和预测能力。

Comment and Control: Hijacking Agentic Workflows via Context-Grounded Evolution

评论与控制：通过上下文引导进化劫持代理工作流

Neil Fendley, Zhengyu Liu, Aonan Guan, Jiacheng Zhong, Yinzhi Cao

机构 * Johns Hopkins University Applied Physics Lab（约翰霍普金斯大学应用物理实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； Wyze Labs（Wyze实验室） 纠错

AI总结 本文提出JAW框架，通过上下文引导进化方法劫持自动化平台上的代理工作流，揭示代理工作流中因输入操控导致的安全风险，并展示了对GitHub和n8n的广泛影响。

Control Charts for Multi-agent Systems

多智能体系统的控制图

Hayden Helm, Carey Priebe, Brandon Duderstadt

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Calcifer Computing（Calcifer公司） 纠错

AI总结 本文提出基于适应性控制图的多智能体系统监控方法，通过仿真展示其在学习环境中的必要性，并揭示对抗性智能体对系统安全性的根本矛盾。

Looking and Listening Inside and Outside: Multimodal Artificial Intelligence Systems for Driver Safety Assessment and Intelligent Vehicle Decision-Making

观察与聆听内外：多模态人工智能系统用于驾驶员安全评估和智能车辆决策

Ross Greer, Laura Fleig, Maitrayee Keskar, Erika Maquiling, Giovanni Tapia Lopez, Angel Martinez-Sanchez, Parthib Roy, Jake Rattigan, Mira Sur, Alejandra Vidrio, Thomas Marcotte, Mohan Trivedi

机构 * Machine Intelligence, Interaction, and Imagination (Mi3) Laboratory（机器智能、交互与想象实验室） ； Laboratory for Intelligent and Safe Automobiles (LISA)（智能与安全汽车实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； Center for Medicinal Cannabis Research (CMCR)（医药大麻研究中心） 纠错

AI总结 本文提出L-LIO框架，通过融合音频与视觉数据提升驾驶员状态评估和环境理解，探讨音频在车辆安全中的作用，包括驾驶员语音分类、乘客指令分析及视觉不足时的音频辅助。