高校专区
语言模型中的层级概念几何源于词汇共现
机构 * Johns Hopkins University（约翰霍普金斯大学） ； EPFL（苏黎世联邦理工学院）
AI总结 本文提出一种分布理论，证明语言表示中的上下义关系几何结构源于词汇共现的谱结构，并在word2vec和Gemma 2B嵌入中得到验证。
Comments 34 pages, 12 figures, including appendices
自主X光引导脊柱手术的机器人控制策略学习研究
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Technical University of Munich（慕尼黑技术大学） ； Johns Hopkins School of Medicine（约翰霍普金斯医学院）
AI总结 本文研究基于模仿学习的机器人控制策略在稀疏输入（双平面X光）下进行椎体成形术中的可行性，通过模拟环境训练策略实现基于视觉的套管针迭代对齐，首次尝试成功率达68.5%，并展示了向复杂解剖结构和真实X光的迁移能力，但存在入口点精度不足等局限。
理解与改进指令微调中的噪声嵌入技术
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文通过理论和实证分析澄清了均匀噪声与高斯噪声在嵌入微调中的性能差异，并提出一种使用对称噪声的新方法SymNoise，在LLaMA-2-7B模型上显著提升了AlpacaEval得分，优于现有方法NEFTune。
Comments arXiv admin note: substantial text overlap with arXiv:2312.01523
Journal ref IEEE International Conference on Language Modeling (COLM), 2025
任意维不变泛化性
机构 * Department of Applied Mathematics and Statistics, Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系） ； Department of Computing and Mathematical Sciences, Caltech（加州理工学院计算与数学科学系）
AI总结 本文提出一种系统方法，通过将任意维函数映射到无限维极限空间中的唯一函数，建立任意维模型的泛化性，并证明现有架构的非泛化性及简单修改可恢复泛化性。
训练数据教会RL记忆体代理什么：记忆增强问答中课程效应的实证研究
机构 * Columbia University（哥伦比亚大学） ； Independent Researcher（独立研究者） ； Johns Hopkins University（约翰霍普金斯大学） ； Northeastern University（东北大学）
AI总结 通过控制实验，研究训练课程（领域内、混合、领域外）对强化学习记忆体代理在记忆增强问答中的技能获取和专业化影响，发现课程组成作为专业化的细粒度杠杆，混合课程在整体F1上最优，而窄领域外课程可转移特定技能（如时间推理），并报告了将GRPO适配到单GPU环境的实用经验。
Comments 14 pages, 2 figures, 11 tables. Code, checkpoints, and evaluation artifacts available at https://github.com/EvaxHe/rl-memory-curriculum
主动感知服务于任务级控制
机构 * Department of Electrical and Computer Engineering, University of Minnesota（明尼苏达大学电气与计算机工程系） ； Laboratory for Computational Sensing and Robotics, Johns Hopkins University（约翰霍普金斯大学计算感知与机器人实验室） ； Federated Department of Biological Sciences, New Jersey Institute of Technology（新泽西理工学院联合生物科学系） ； Department of Mathematics, Cornell University（康奈尔大学数学系） ； Department of Mathematics and Statistics, University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校数学与统计学系） ； Department of Mechanical Engineering, Johns Hopkins University（约翰霍普金斯大学机械工程系）
AI总结 本文提出主动感知并非为减少状态不确定性，而是任务级控制的必然产物，并通过生物数据和数学理论支持这一观点，同时探讨了探索与利用两种行为模式的切换及其对工程系统的启示。
ThoughtTrace: 理解真实世界LLM交互中的用户想法
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Google Research（谷歌研究）
AI总结 本文提出ThoughtTrace，首个大规模数据集，通过配对真实多轮人机对话与用户自述想法（提示原因和对助手回复的反应），揭示用户认知动态，并展示其在行为预测和个性化对齐中的价值。
Comments 53 pages, 23 figures, 4 tables. Project website: https://thoughttrace-project.github.io/
AI评估应要求标准化的项目级数据发布
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Microsoft Research Asia（微软亚洲研究院） ； Stanford University（斯坦福大学） ； North Carolina State University（北卡罗来纳州立大学） ； Tsinghua University（清华大学）
AI总结 本文主张AI评估应标准化发布项目级数据，以解决当前评估中项目选择不明确、构造错位和泛化能力差的问题，并通过OpenEval项目展示其可行性和价值。
用于自回归MRI重建的下一步加速尺度预测
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出了一种基于离散多尺度潜在空间的自回归下一步加速尺度预测方法，通过引入特权信息蒸馏技术，提升了在极端欠采样下的MRI重建性能。
从相位对比背光干涉断层扫描生成虚拟3D的H&E染色
机构 * Department of Biomedical Engineering, Johns Hopkins University（约翰霍普金斯大学生物医学工程系） ； Department of Pathology, Johns Hopkins Hospital（约翰霍普金斯医院病理学系）
AI总结 本文提出HistoBIT3D，首个基于voxel的配对BIT和荧光标记核数据集，用于评估无监督虚拟染色在结构保持方面的定量效果。通过该数据集，作者提出一种新的虚拟染色框架，利用双向多尺度内容一致性与跨域风格复用，将具有移变对比度的BIT体积转化为逼真的H&E体积，从而提升3D核分割精度和边界保持性。
Thermo-VL：扩展视觉语言模型以适应热红外感知
机构 * Department of Electrical & Computer Engineering, Johns Hopkins University（约翰霍普金斯大学电气与计算机工程系）
AI总结 本文提出Thermo-VL，一种基于热红外感知的视觉语言模型，通过引入可训练的热编码器和文本引导的双注意力融合模块，提升了低光照条件下的多光谱融合能力，并在热红外和RGB+热红外推理任务中取得显著成果。
Comments 18 pages, 11 figures
理解患者、护理人员和临床医生对新兴协作决策技术的看法
机构 * University of Washington（华盛顿大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究探讨了患者、护理人员和临床医生对协作决策技术的态度差异，发现技术接受度与用户对技术的信任有关，需探索建立或促进用户与技术之间信任的设计和实施策略。
Comments Accepted at The Workshop on Interactive Systems in Healthcare (WISH) at AMIA Annual Symposium 2025
何时教师标记可靠？用于推理的基于位置加权的在线自我蒸馏
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出了一种基于位置加权的在线自我蒸馏方法，用于改进推理任务中教师标记的可靠性，通过引入分支可行性诊断来识别教师标记的可靠性，并在不同模型上验证了其有效性。
Comments Pre-print. Code is available at https://github.com/SaFo-Lab/PW-OPSD
深度学习代理用于模拟随机气候临界动态
机构 * Johns Hopkins Applied Physics Laboratory（约翰霍普金斯应用物理实验室） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出了一种基于动态信息的时序融合变换器作为数据驱动的代理，用于高效模拟复杂的地球系统模拟，通过预测临界事件的时间来提高计算效率。
面向前沿AI能力的开放世界评估
机构 * Princeton University（普林斯顿大学） ； Cornflower Labs（Cornflower实验室） ； Meridian Labs（Meridian实验室） ； Stanford University（斯坦福大学） ； UK AI Security Institute（英国人工智能安全研究所） ； Johns Hopkins University（约翰霍普金斯大学） ； Adaption Labs（Adaption实验室） ； Australian National University（澳大利亚国立大学） ； Golden Gate Institute for AI（金门人工智能研究所） ； UW Madison（威斯康星大学麦迪逊分校） ； Microsoft Research（微软研究院） ； AI Digest（AI摘要） ； Georgetown University (CSET)（乔治城大学（CSET））
AI总结 本文提出开放世界评估作为一种补充方法，通过小样本定性分析来评估长期、复杂、现实世界任务，以更准确地衡量AI能力，并介绍了CRUX项目作为定期进行此类评估的尝试。
通过深度感知移除遗忘特定方向实现类别反学习
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出DAMP方法，通过深度感知移除遗忘特定方向，改进类别反学习的选性遗忘，同时更好地保留保留类性能并减少深层残留遗忘结构。
Comments Accepted for oral presentation at the CVPR 2026 Workshop on Machine Unlearning for Vision (MUV). Code: https://github.com/armanhtm/DAMP
视觉层次中的高效编码
机构 * Department of Cognitive Science, Johns Hopkins University（约翰霍普金斯大学认知科学系） ； Applied Physics Laboratory, Johns Hopkins University（约翰霍普金斯大学应用物理实验室）
AI总结 本文研究了在有限数据下如何通过高效编码原理构建与人类对齐的视觉特征层次，提出了一种无监督学习方法，该方法通过压缩输入到自然图像的主要变化模式来生成从边缘和颜色到纹理和形状的特征，且结合监督微调可提高脑区对齐性和类别学习速度。
Comments 34 pages, 6 figures
开放集域适应在背景分布偏移下的挑战：挑战与一种可证明高效的解决方案
机构 * Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Faculty of Data and Decision Sciences, Technion（技术学院数据与决策科学学院） ； Center for Data Science, New York University（纽约大学数据科学中心） ； Bayesian Health（贝叶斯健康）
AI总结 本文研究了在背景分布偏移情况下开放集域适应的挑战，并提出了一种可证明高效的解决方案CoLOR，通过理论分析和实验证明其在简化过参数化设置中优于基线方法，同时展示了其在图像和文本数据上的广泛适用性。
Comments Project page at https://github.com/Shra1-25/CoLOR
Journal ref Transactions on Machine Learning Research (TMLR) 2026/May ISSN: 2835-8856
CAPC-CG：一个大规模、专家指导的中国适应性政策沟通LLM注释语料库
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Northwestern University（西北大学） ； Duke Kunshan University（杜克-昆山大学）
AI总结 本文介绍了CAPC-CG语料库，该语料库是首个开放的中国政策指令注释语料库，基于Ang的适应性政策沟通理论，采用五色分类法对清晰和模糊语言类别进行标注，旨在支持下游任务和多语言NLP研究。
Comments Accepted for publication in the Proceedings of ACL Main 2026
基于图的跨行业实时监控框架用于反洗钱检测在融合的移动-能源供应链网络
机构 * School of Public Policy, University of Southern California（南加州大学公共政策学院） ； Boston University（波士顿大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出了一种基于图的跨行业实时反洗钱监控框架（GCRMF），用于整合的旅行-能源供应链网络，通过构建跨行业异构图并结合双图注意力网络，动态编码资本流动路径和时间演变特征，以提高跨行业洗钱行为的识别能力，并通过自监督在线学习机制实现实时适应和持续优化。
这些视角能是一个场景吗？在3D基础模型产生幻觉时评估多视角3D一致性
机构 * CCVL, Johns Hopkins University（计算机视觉实验室，约翰霍普金斯大学）
AI总结 本文研究了在3D基础模型产生幻觉时多视角3D一致性的可靠性问题，提出了一种可控的鲁棒性基准和参数化家族，将神经度量分解为backbone、残差和聚合组件，并引入基于COLMAP的度量方法，以提高与人类判断的一致性。
Comments Project Page at https://mvp18.github.io/3d-consistency-metrics/
学习正常表示以血清生物标志物
机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Department of Systems Biology, Harvard Medical School（哈佛医学院系统生物学系） ； Department of Medicine, Brigham and Women’s Hospital（布里洛妇产科医院医学系） ； Department of Mathematics, Johns Hopkins University（约翰霍普金斯大学数学系） ； Computational Health Informatics Program (CHIP), Boston Children’s Hospital（波士顿儿童医院计算健康信息学计划） ； The Ivan and Francesca Berkowitz Family Living Laboratory Collaboration at Harvard Medical School and Clalit Research Institute（哈佛医学院伊万和弗rancesca伯克伍德家庭生活实验室合作项目及克劳斯研究机构） ； Clalit Research Institute, Innovation Division, Clalit Health Services（克劳斯研究机构创新部门，克劳斯健康服务） ； Faculty of Computer and Information Science, Ben Gurion University（本· Gurion大学计算机与信息科学系）
AI总结 该研究提出NORMA框架，通过结合患者历史和人口水平数据生成更精确的参考区间，以改善血清生物标志物的个性化解读，避免过度个性化导致的误诊风险。
利用沉默中的潜在视觉推理
机构 * North Carolina State University（北卡罗来纳州立大学） ； UC, San Diego（加州大学圣地亚哥分校） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Johns Hopkins University（约翰霍普金斯大学） ； Duke University（杜克大学） ； Boston University（波士顿大学） ； The Ohio State University（俄亥俄州立大学）
AI总结 本文探讨了在推理过程中是否需要持续的潜在令牌，发现即使移除这些令牌或用随机噪声替代，性能影响较小，提出了一种基于注意力的奖励机制以促进潜在令牌与后续文本令牌的交互，从而提升视觉感知和视觉推理任务的性能。
在评估人工智能模型时优先考虑高后果生物能力
机构 * Center for Health Security, Bloomberg School of Public Health, Johns Hopkins University（健康安全中心，公共卫生学院，约翰霍普金斯大学） ； Department of Health Policy, Stanford School of Medicine, Stanford University（健康政策系，斯坦福医学院，斯坦福大学） ； Department of Chemical Engineering, Carnegie Mellon University（化学工程系，卡内基梅隆大学） ； Department of Chemistry, Carnegie Mellon University（化学系，卡内基梅隆大学） ； Wilton E. Scott Institute for Energy Innovation, Carnegie Mellon University（威尔顿·E·斯科特能源创新研究所，卡内基梅隆大学）
AI总结 本文基于人工智能模型的安全性、安全性和伦理问题，提出在评估人工智能模型时应优先考虑高后果风险，如大规模公众危害（如大流行病），并应在部署前进行评估，以建立针对性的AI安全评估方法，确保工具的安全性和防止潜在危害。
Comments 9 pages, 1 figure, 3 tables, 1 box
超越转录：借助音频的迭代同行编辑解锁高质量的对话语音总结
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 该研究通过比较音频和转录本总结的质量，探讨了同行编辑在提升语音总结质量中的作用，并发现音频总结在信息量和压缩程度上不如转录本总结，但通过迭代同行编辑可以弥补这一差距。
Comments Accepted in LREC 2026
MARQUIS：视频检索增强生成的三阶段流水线
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Human Language Technology Center of Excellence（人机语言技术卓越中心）
AI总结 本文提出MARQUIS三阶段流水线，通过查询扩展、融合和重排序、校准的结构化证据提取以及从提取证据生成文章，解决了视频检索增强生成中检索和生成的不足，提升了检索性能和文章生成质量。
Comments Accepted as an oral presentation at the ACL 2026 Workshop MAGMaR Systems. 27 pages, 4 figures. Code can be found here: https://github.com/debashishc/marquis
生物启发的基于事件的视觉伺服控制用于地面机器人
机构 * Department of Electrical & Computer Engineering, Northeastern University（东北大学电气与计算机工程系） ； Laboratory for Computational Sensing and Robotics, Johns Hopkins University（约翰霍普金斯大学计算感知与机器人实验室） ； Department of Mechanical Engineering, Johns Hopkins University（约翰霍普金斯大学机械工程系）
AI总结 本文提出了一种基于生物启发的1D事件视觉伺服框架，用于在结构化环境中运行的地面机器人，通过动态视觉传感器和多模式刺激直接合成非线性状态反馈项，实现了高效低延迟的控制。
LPG: 在潜在策略护栏中平衡效率与政策推理
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出LPG框架，通过学习动态政策的语义潜在推理，在保持高安全准确率的同时实现低延迟的政策执行。
基于KL松弛和策略梯度的可扩展双因果最优传输
机构 * Department of Applied Mathematics and Statistics, Data Science and AI Institute, and Mathematical Institute for Data Science, Johns Hopkins University（应用数学与统计学系、数据科学与人工智能学院以及数据科学数学研究所，约翰霍普金斯大学） ； Department of Statistics, Oxford-Man Institute of Quantitative Finance, and Nuffield College, University of Oxford（统计系、牛津-曼定量金融研究所以及牛津大学努尔菲尔德学院） ； Management Science & Engineering Department, Stanford University（管理科学与工程系，斯坦福大学） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院）
AI总结 本文提出了一种基于KL松弛和策略梯度的可扩展双因果最优传输方法，通过引入KL惩罚项将硬约束转化为可处理的散度惩罚，从而解决连续分布和长时域下双因果耦合约束的计算难题，展示了在稳健子对冲和时间序列统计降缩等应用中的有效性。
人工不耐受：临床文档中的污名化语言扭曲大型语言模型决策
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究探讨了大型语言模型在处理包含污名化语言的临床文档时是否继承并传播人类偏见，发现所有模型在决策上都存在显著偏见，且对语言框架敏感，需加强算法防护以确保公平性和鲁棒性。
Comments 9 pages
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