Open-Vocabulary and Referring Segmentation for 3D Gaussians Using 2D Detectors
开放词汇与指代分割：利用2D检测器实现3D高斯
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出GaussDet方法，利用离散的2D开放词汇检测器与指代表达能力，通过视图聚合语义标签分布实现3D场景的开放词汇分割和指代分割，在零样本设置下显著提升指代分割性能。
高校专区
Johns Hopkins University（约翰斯·霍普金斯大学）
MuseBench: Benchmarking Intent-Level Audiovisual Arts Understanding in MLLMs
MuseBench: 多模态大语言模型中意图级视听艺术理解的基准测试
机构 * NTU Singapore（南洋理工大学） ； The University of Hong Kong（香港大学） ； Johns Hopkins University（约翰霍普金斯大学） ； AI2（人工智能研究所） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 提出MuseBench基准，通过4016道涵盖电影、视觉艺术、舞台表演和游戏艺术的选择题，评估多模态大模型对艺术创作意图的理解，发现最佳模型准确率仅48.29%，远低于人类专家的87.18%。
Comments Project page: https://musebench.github.io
SFBench: The SciFy Scientific Feasibility Benchmark
SFBench：SciFy科学可行性基准
机构 * Johns Hopkins Applied Physics Laboratory（约翰霍普金斯应用物理实验室）
AI总结 提出SFBench基准数据集，用于评估系统判断科学声明可行性的能力，包含197条材料科学声明及专家标注的可行性评分与解释，具有任务复杂、声明全新、专家标注和开放式解释等特点。
Reinforcement Learning in Super Mario Bros: Curriculum, Pedagogy, and Optimal Level Design in World 1-1
超级马里奥兄弟中的强化学习：世界1-1的课程、教学法与最优关卡设计
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 通过强化学习算法验证超级马里奥兄弟世界1-1的关卡设计具有教学结构，蒙特卡洛方法表现最佳，且规范顺序学习效率最高。
Comments 13 pages, 7 figures, 5 tables
Phonological Perception of Sign Language Models
手语模型的音系感知
机构 * University of California, Berkeley（加州大学伯克利分校） ； Johns Hopkins University（约翰霍普金斯大学） ； Microsoft Research（微软研究院）
AI总结 本研究通过最小对测试和表征对齐评估手语识别模型的音系感知能力，发现模型具有涌现音系敏感性但存在架构权衡：姿态模型对手形敏感，像素模型对位置敏感。
Comments Accepted to CogSci 2026
Physics-Grounded Disentangled Flow Modeling for Brain Disease Progression Trajectory
基于物理的分离流建模用于脑疾病进展轨迹
机构 * Department of Electrical and Computer Engineering, Data Science and AI Institute, Johns Hopkins University（电气与计算机工程系，数据科学与人工智能研究所，约翰霍普金斯大学）
AI总结 提出PDF框架，通过分离形态演变和强度演变的流匹配网络，结合PDE正则化损失，实现脑病变纵向预测，在三个数据集上取得最优性能。
Comments 23 pages, 8 figures
Multiply Robust Causal Mediation Analysis with Continuous Treatments
具有连续处理的多重稳健因果中介分析
机构 * Division of Biostatistics, Department of Population Health Sciences, University of Utah（犹他大学人口健康科学系生物统计部） ； Department of Mathematics and Statistics, Boston University（波士顿大学数学与统计系） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系）
AI总结 本文提出一种适用于连续处理的中介分析方法，通过核平滑技术实现多重稳健性和渐近正态性，避免强参数假设。
