Johns Hopkins University（约翰斯·霍普金斯大学）

Graph Cascades: Contagion-Based Mesoscopic Rewiring for Structure-Aware Graph Machine Learning

图级联：基于传染的介观重连用于结构感知图机器学习

Meher Chaitanya, My Le, Luana Ruiz

机构 * KTH Royal Institute of Technology（皇家理工学院） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 提出一种基于传染扩散的介观重连策略Graph Cascades，通过构建辅助图增强图神经网络和变换器对中间尺度结构的捕捉能力，在节点分类任务上提升多个骨干网络性能，并理论刻画了重连有效的条件。

DAR: Deontic Reasoning with Agentic Harnesses

DAR: 基于智能体框架的道义推理

Guangyao Dou, William Jurayj, Nils Holzenberger, Benjamin Van Durme

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Télécom Paris, Institut Polytechnique de Paris（巴黎电信学院，巴黎理工学院） 纠错

AI总结 提出DAR框架，通过让模型按需与法规交互来提升基于LLM的道义推理能力，实验表明智能体框架可提升性能但存在非均匀改进和弱模型数值任务退化问题。

NoRA: Evaluating Grounded Reasonableness in Visual First-person Normative Action Reasoning

NoRA: 评估视觉第一人称规范性动作推理中的基于事实的合理性

Sichao Li, Sai Ma, Daniel Kilov, Secil Yanik Guyot, Zhuang Li, Seth Lazar

机构 * The University of Sydney（悉尼大学） ； Australian National University（澳大利亚国立大学） ； RMIT University（皇家墨尔本理工大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 提出NoRA基准，通过事实-理由-动作支持图评估多模态模型生成合理动作并基于可见事实进行推理的能力，发现当前VLM在构建完整动作空间和绑定正确支持方面存在不足。

MemoryDocDataSet: A Benchmark for Joint Conversational Memory and Long Document Reasoning

MemoryDocDataSet: 联合对话记忆与长文档推理的基准测试

Qiyang Xie, Jialun Wu, Xinjie He, Su Liu, Shuai Xiao, Zhiyuan Lin, Weikai Zhou

机构 * Northeastern University（东北大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Columbia University（哥伦比亚大学） ； Independent Researcher（独立研究者） 纠错

AI总结 提出MemoryDocDataSet合成基准，包含50个微世界和1000个QA对，评估系统同时处理多轮对话历史和长文档阅读理解的能力，其中75.1%的问题需要混合推理（先导航对话历史再提取文档答案），实验显示联合检索存在明显差距。

Comments 17 pages, 2 figures, 8 tables. Submitted for peer review

MaskForge: Structure-Aware Adaptive Attacks for Jailbreaking Diffusion Large Language Models

MaskForge：用于越狱扩散大语言模型的结构感知自适应攻击

Yingzi Ma, Zhengyue Zhao, Xiaogeng Liu, Minhui Xue, Yue Zhao, Chaowei Xiao

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Southern California（南加州大学） ； Responsible AI Research (RAIR) Centre, The University of Adelaide（阿德莱德大学负责任人工智能研究中心） 纠错

AI总结 提出MaskForge，一种全黑盒自适应攻击方法，通过优化结构模式库实现扩散大语言模型的红队测试，平均攻击成功率达79.3%。

Comments 28 pages, 7 figures, 11 tables. Preprint

SPLIT-PINN: Separable Probability Learning Technique via Physics-Informed Neural Networks for High-Dimensional Probabilistic Modeling

SPLIT-PINN: 基于物理信息神经网络的可分离概率学习技术用于高维概率建模

Pouria Behnoudfar, Deekshith Naidu Ponnana, Noah J. Schmelzer, Janith Wanni, George T. Gray, Dan J. Thoma, Curt A. Bronkhorst, Nan Chen, Wenxiao Pan

机构 * Department of Mechanical Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校机械工程系） ； Department of Mathematics, University of Wisconsin-Madison（威斯康星大学麦迪逊分校数学系） ； Department of Civil Engineering, Johns Hopkins University（约翰霍普金斯大学土木工程系） ； Materials Physics and Applications Division, Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室材料物理与应用 division） ； Department of Materials Science and Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校材料科学与工程系） 纠错

AI总结 提出一种基于物理信息神经网络的可分离概率学习技术（SPLIT-PINN），通过将漂移场分解为边际校正项并施加正交约束，从数据中推断高维输运主导的联合概率密度函数演化，实现对多晶材料微观结构状态演变的准确概率预测。

Exposing Blindspots: Cultural Bias Evaluation in Generative Image Models

揭示盲点：生成图像模型中的文化偏见评估

Huichan Seo, Sieun Choi, Minki Hong, Yi Zhou, Junseo Kim, Lukman Ismaila, Naome Etori, Mehul Agarwal, Zhixuan Liu, Jihie Kim, Jean Oh

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Dongguk University（东国大学） ； Delft University of Technology（代尔夫特理工大学） ； Johns Hopkins University, School of Medicine（约翰霍普金斯大学医学院） ； University of Minnesota–Twin Cities（明尼苏达大学双城分校） ； Lavoro AI 纠错

AI总结 提出一个统一的评估框架，结合自动指标、文化感知VQA和专家人工判断，对文本到图像和图像到图像生成模型进行跨国家、跨时代和跨类别的文化偏见评估，发现模型存在默认全球北方现代描绘、迭代编辑侵蚀文化保真度以及仅应用表面线索等问题。

Comments 28 pages, 8 figures. Accepted at IASEAI 2026. Huichan Seo, Sieun Choi, and Minki Hong contributed equally

Discretizing Logged Interaction Data Biases Learning for Decision-Making

对记录交互数据进行离散化会偏学习决策制定

Peter Schulam, Suchi Saria

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

AI总结 本文研究了对非等间隔时间序列数据进行离散化对决策制定模型训练的影响，指出离散化引入了偏差，并提出使用连续时间模型来避免这一问题。

Comments This is a standalone short paper describing a new type of bias that can arise when learning from time series data for sequential decision-making problems

Identification of a Hybrid Spring Mass Damper via Harmonic Transfer Functions as a Step Towards Data-Driven Models for Legged Locomotion

通过谐波传递函数识别混合弹簧质量阻尼器：迈向基于数据的腿部运动模型

İsmail Uyanık, Mustafa Mert Ankaralı, Noah J. Cowan, Ömer Morgül, Uluç Saranlı

机构 * Electronics Engineering, Bilkent University, 06800 Ankara, Turkey Email ； 2 Dept. of Mechanical Engineering, Johns Hopkins University, Baltimore, MD 21218, USA Email ； 3 Dept.\ of Computer Engineering, Middle East Technical University, 06800 Ankara, Turkey Email 纠错

AI总结 本文通过数据驱动的频域系统识别方法，利用谐波传递函数构建混合结构动力学模型，展示其在腿部运动建模中的应用潜力。

Comments Draft submitted to the 17th International Conference on Advanced Robotics