高校专区
Auto-ARGUE：基于大语言模型的报告生成评估
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of New Hampshire（新罕布什尔大学） ； IDA Center for Computing Services（IDA计算服务中心） ； Google（谷歌） ； Yale University（耶鲁大学） ； University of Maryland（马里兰大学）
AI总结 本文提出Auto-ARGUE，一种基于大语言模型的报告生成评估工具，通过TREC 2024 NeuCLIR和RAG任务验证，展示了与人类判断的良好相关性，并发布ARGUE-Viz可视化工具。
Comments SIGIR 2026: Demo Track
SurgiSR4K：一种用于机器人辅助微创手术的高分辨率内窥镜视频数据集
机构 * Intuitive Surgical, Inc.（Intuitive Surgical公司） ； Johns Hopkins Medicine Neurosurgery（约翰霍普金斯医学神经外科） ； Johns Hopkins University Electrical and Computer Engineering（约翰霍普金斯大学电气与计算机工程） ； University of British Columbia Electrical and Computer Engineering（不列颠哥伦比亚大学电气与计算机工程） ； Wilford & Kate Bailey Small Animal Teaching Hospital（威尔福德与凯蒂·贝利小动物教学医院）
AI总结 本文提出SurgiSR4K数据集，用于提升微创手术的视觉清晰度和计算机辅助导航精度，包含4K分辨率的手术视频，涵盖镜面反射、工具遮挡等挑战性场景，支持超分辨率、烟雾去除等多任务研究。
Journal ref Machine Learning for Biomedical Imaging, Vol. 3, 2025, pp. 875-885
DiffAnon: 基于扩散的语调控制语音匿名化
机构 * Center for Language and Speech Processing, Johns Hopkins University, USA（语言与语音处理中心，约翰霍普金斯大学，美国） ； Human Language Technology Center of Excellence (COE), Johns Hopkins University, USA（人类语言技术卓越中心（COE），约翰霍普金斯大学，美国）
AI总结 DiffAnon通过扩散模型与分类器自由引导机制实现语调控制，提供连续的推理时间控制，实现匿名化强度与语调保真度的平滑插值。
Comments Submitted to Interspeech 2026
对LLM-as-a-Judge在医疗领域的综述及MedJUDGE框架
机构 * Department of Biomedical Informatics, School of Medicine, University of Pittsburgh（匹兹堡大学医学院生物医学信息学系） ； Department of Health Information Management, School of Health and Rehabilitation Sciences, University of Pittsburgh（匹兹堡大学健康与康复科学学院健康信息管理系） ； OpenCura, Health Innovation Consortium（OpenCura健康创新联盟） ； Northwestern University, Kellogg School of Management（西北大学凯洛格管理学院） ； Intelligent Systems Program, School of Computing and Information, University of Pittsburgh（匹兹堡大学计算与信息学院智能系统项目） ； Johns Hopkins University School of Medicine Biomedical Informatics and Data Science（约翰霍普金斯大学医学院生物医学信息学与数据科学） ； Clinical and Translational Science Institute, University of Pittsburgh（匹兹堡大学临床与转化科学研究所） ； Institute for Biomedical Informatics, University of Pennsylvania（宾夕法尼亚大学生物医学信息学研究所） ； Data Science, School of Computing and Information, University of Pittsburgh（匹兹堡大学计算与信息学院数据科学）
AI总结 本文综述了LLM-as-a-Judge在医疗领域的应用现状，指出其在验证严谨性、偏见评估和治理方面存在不足，并提出MedJUDGE框架以提升医疗领域LLM-as-a-Judge系统的有效性与安全性。
PASR：基于遮挡单视图的姿态感知3D形状检索
机构 * Shanghai Jiao Tong University（上海交通大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全中心）
AI总结 PASR通过将2D基础模型知识蒸馏到3D编码器，解决单视图3D形状检索中姿态感知与遮挡问题，实现更鲁棒的检索与多任务能力。
对计算机使用代理的安全性和安全威胁的综述：贾维斯或乌tron？
机构 * Carnegie Mellon University（卡内基梅隆大学） ； The Chinese University of Hong Kong（香港中文大学） ； KAUST（卡塔尔科技大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Nanyang Technological University（南洋理工大学） ； Renmin University of China（中国人民大学） ； The Hong Kong University of Science and Technology（香港科学大学）
AI总结 本文综述了计算机使用代理的安全威胁，定义了安全分析适用的代理类型，分类了当前的安全威胁，提出了防御策略的分类，并总结了评估代理安全性和性能的基准、数据集和评估指标。
Comments Accepted by ACL 2026
学习提问：当LLM代理遇见模糊指令
机构 * Renmin University of China（中国人民大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学深圳校区） ； Johns Hopkins University（约翰霍普金斯大学） ； Xiaohongshu Inc.（小红书公司）
AI总结 本文提出AwN框架，通过让LLM在遇到模糊指令时主动提问以提升工具使用性能，并设计自动化评估工具ToolEvaluator，验证了在NoisyToolBench基准下的优越性。
Comments EMNLP 2025
找出阿基里斯之踵：一种用于动态揭示大语言模型事实错误的迭代方法
机构 * Renmin University of China（中国人民大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学深圳校区） ； Johns Hopkins University（约翰霍普金斯大学） ； Nanyang Technological University（南洋理工大学） ； Xiaohongshu Inc.（小红书公司） ； Tencent Inc.（腾讯公司）
AI总结 本文提出HalluHunter框架，通过知识图谱和规则基NLP技术，系统揭示大语言模型的事实错误，测试表明可触发55%的问题错误。
Comments Accepted by Findings of ACL 2026
未被回报的情感：探讨语音情感识别研究中动机与实践之间的差距
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Edinburgh（爱丁堡大学） ； MBZUAI（马克斯·普朗克智能系统研究所）
AI总结 本文通过系统调查语音情感识别研究，揭示其动机与所用数据集和情绪研究之间的不一致，呼吁通过具体用例重新确立研究方向以避免伦理风险。
Comments Accepted to the Workshop on Computational Affective Science (CAS) at LREC 2026
基于核的扩展动态模式分解的字典学习
机构 * School of Computation, Information and Technology, Munich Data Science Institute, Munich Center for Machine Learning, Technical University of Munich, Germany（慕尼黑计算、信息与技术学院，慕尼黑数据科学研究所，慕尼黑机器学习中心，技术大学慕尼黑，德国） ； Department of Computing and Mathematical Sciences, Caltech, USA（计算与数学科学部，加州理工学院，美国） ； The Alan Turing Institute, UK（艾伦·图灵研究所，英国） ； Departments of Chemical and Biomolecular Engineering and of Applied Mathematics and Statistics, Johns Hopkins University, USA（化学与生物分子工程系和应用数学与统计学系，约翰霍普金斯大学，美国）
AI总结 本文提出通过字典学习优化核参数，改进核扩展动态模式分解以更高效逼近Koopman算子，通过去除不重要核函数提升性能。
基于元学习的数据驱动哈密顿量缩减用于超导量子比特
机构 * Department of Computer Science, University of Chicago（芝加哥大学计算机科学系） ； Johns Hopkins Applied Physics Laboratory（约翰·霍普金斯应用物理实验室）
AI总结 本文提出HAML框架，通过元学习实现超导量子处理器有效哈密顿量模型的快速在线适应，无需扰动理论即可学习多模式哈密顿量到量子比特描述的缩减。
从大规模问题库中选择最优问题以实现临床场景中的对话恢复
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出一个基于临床问题库的问题选择框架，通过对比随机提问、临床基线和LLM引导策略，发现结构化问题和适应性策略能显著提升临床对话信息恢复效果。
最小最大广义交叉熵
机构 * Basque Center for Applied Mathematics（巴斯克应用数学中心） ； Ikerbasque, Basque Foundation for Science（伊克尔巴斯基，巴斯克科学基金会） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出最小最大广义交叉熵(MGCE)，通过凸优化改进分类边界的优化问题，提升模型在复杂数据集和标签噪声下的准确性和鲁棒性。
Journal ref The 29th International Conference on Artificial Intelligence and Statistics, 2026
这仅仅是幻想吗？语言模型表示反映了人类对事件可能性的判断
机构 * Department of Computer Science（计算机科学系） ； Department of Cognitive Science（认知科学系） ； Google（谷歌） ； DeepMind（深度Mind） ； Brown University（布朗大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Department of Cognitive（认知系） ； Department of Computer Science & Psychological Sciences（计算机科学与心理学科学系）
AI总结 本文通过分析语言模型的模态差异向量，揭示其在事件可能性判断上的能力，发现模型随着训练步骤和参数量增加，能更准确地区分模态类别，并与人类判断行为相关联。
Chameleon的极限：探究大型语言模型中的人格崩溃与同质化
机构 * CMU（卡内基梅隆大学） ； UChicago（芝加哥大学） ； MIT（麻省理工学院） ； UTokyo（东京大学） ； RIKEN AIP（理化学研究所AIP分部） ； JHU（约翰霍普金斯大学）
AI总结 研究发现大型语言模型中存在人格崩溃现象，导致代理行为模式趋同。通过提出覆盖度、均匀度和复杂度指标，揭示模型在不同维度和领域的人格表现差异，并释放工具支持群体评估。
始终告诉我概率：细粒度条件概率估计
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出一种最先进的模型，用于在上下文条件下对命题进行细粒度概率估计。通过结合人类和合成数据创建与评估、扩大模型规模和改进监督，提出了一系列强而精确的概率估计模型，在依赖条件概率估计的任务中表现优异。
基于上下文的医院化疗预测评估：利用LLMs进行决策支持
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文评估了利用LLMs进行医院化疗预测的方法，通过三种方法在60个县的数据上验证了上下文增强的混合模型在非平稳医疗资源预测中的有效性。
关于涌现的社会世界模型——证据显示语言模型中理论思维与语用推理的功能整合
机构 * Department of Linguistics University of Tübingen（语言学系图宾根大学） ； Department of Cognitive Science Johns Hopkins University（认知科学系约翰霍普金斯大学）
AI总结 本文研究语言模型是否通过共享的计算机制整合一般理论思维与语言特定的语用推理，以支持语言模型是否具备涌现的社会世界模型。通过行为评估和因果机制实验，分析语言模型在七种理论思维能力子类别上的表现，发现支持功能整合假说。
Comments 39 pages, 20 figures, accepted to ACL 2026 Main Conference
通过提示控制的扩散增强缓解长尾偏差
机构 * University of Peradeniya（珀德尼亚大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出基于提示控制的扩散增强框架，通过生成带标签的图像样本来增强少数类，提升遥感图像分割中长尾不平衡问题的处理效果。
Comments Accepted to Publication at 2026 IEEE International Geoscience and Remote Sensing Symposium (IGARSS)
在混合专家调谐中保持长尾专家信息
机构 * Carnegie Mellon University（卡内基梅隆大学） ； MIT（麻省理工学院） ； UCSD（加州大学圣地亚哥分校） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出一种无需辅助损失的MoE SFT框架，通过偏置驱动稀疏化与始终活跃的门控凝结专家，有效保留长尾专家信息，实验显示在数学推理和常识问答基准上优于现有方法。
Comments 36 pages
通过自适应多智能体LLM系统实现可靠的自伤风险筛查
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出一种基于有向无环图的统计框架，通过自适应采样策略提升自伤风险评估的可靠性，实验表明其在精度和召回率上优于传统方法。
通过POMDP树搜索实现奖励模型协调以进行解释
机构 * Department of Aerospace Engineering Sciences, University of Colorado Boulder（科罗拉多大学博尔德分校航空航天工程科学系） ； Applied Physics Laboratory, Johns Hopkins University（约翰霍普金斯大学应用物理实验室）
AI总结 本文通过POMDP树搜索协调算法与用户隐式奖励模型差异，以提升用户对AI系统的信任度。
Journal ref IEEE ICAA (2023), pg. 137-140
一种用于双层强化学习的无Hessian演员-评论员算法及其在大语言模型微调中的应用
机构 * JPMorgan AI Research（摩根大通AI研究） ； Johns Hopkins University Applied Physics Laboratory（约翰霍普金斯大学应用物理实验室）
AI总结 本文提出一种单循环一阶演员-评论员算法，用于解决双层优化问题，通过惩罚重述法优化双层目标，引入衰减熵正则化以实现无偏上层超梯度估计，且在特殊Polyak-Lojasiewicz条件下证明了有限时间与样本收敛性。
Combo-Gait：多模态和多任务框架用于多模态步态识别与属性分析
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Maryland（马里兰大学）
AI总结 本文提出结合2D时间轮廓与3D SMPL特征的多模态框架，实现步态识别与年龄、BMI、性别等属性估计，通过统一Transformer融合多模态特征，提升鲁棒性和准确性。
推理模型有时会谎称其推理过程
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究探讨了在模型被明确提示可能接收异常输入的情况下，推理模型的忠实性。发现尽管提示能提升原有指标，但新提出的更细致指标显示模型常否认使用提示，挑战了推理监控和可解释性。
CrossPan：跨序列胰腺MRI分割与泛化的综合性基准
机构 * Department of Radiology, Northwestern University（西北大学放射科） ； Department of Electrical and Computer Engineering, Northwestern University（西北大学电气与计算机工程系） ； Department of Computer Science, Northwestern University（西北大学计算机科学系） ； Department of Gastroenterology, New York University（纽约大学消化内科部） ； Division of Gastroenterology and Hepatology, Mayo Clinic in Florida（佛罗里达梅奥诊所消化内科与肝病学部） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Departments of Gastroenterology and Hepatology, Northwestern University（西北大学消化内科与肝病学部）
AI总结 研究揭示跨序列泛化是胰腺MRI分割临床应用的主要障碍，指出跨序列域偏移比跨中心差异更严重，且现有方法在物理驱动对比反转下效果有限，半监督学习在稳定强度分布下有提升但不稳定。
Comments Accepted to MIDL 2026
对齐之舞：联合训练代理以安全协作
机构 * Meta Superintelligence Labs（Meta超智能实验室） ； Johns Hopkins University（约翰·霍普金斯大学）
AI总结 本文提出WaltzRL框架，通过联合训练对话代理和反馈代理，解决LLM在安全与帮助性间的平衡问题，实验表明其有效降低不安全响应和过度拒绝率。
Comments ICLR 2026
具有对齐检测和局部细化的自纠正文本到视频生成
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； NTU Singapore（新加坡国立大学） ； Allen Institute for AI（人工智能研究院） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出VideoRepair框架，通过检测并修正视频与文本提示的对齐问题，提升生成质量。框架分为三个阶段，保留正确生成区域并针对性修正错误部分，有效提升多种对齐指标。
Comments Accepted to ACL 2026 Findings. Project page: https://video-repair.github.io
在视觉-语言模型中寻找文化敏感神经元
机构 * University of Edinburgh（爱丁堡大学） ； University of Amsterdam（阿姆斯特丹大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究视觉-语言模型处理文化相关信息的神经元特性，通过CVQA基准验证文化敏感神经元的存在及其分布，提出ConAct方法提升识别效果。
Comments Accepted to EACL 2026
邻域嵌入用于高维稀疏泊松数据
机构 * Department of Biomedical Engineering（生物医学工程系） ； Center for Imaging Science（成像科学中心） ； Kavli Neuroscience Discovery Institute（Kavli神经科学发现研究所） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出p-SNE方法，通过泊松分布的KL散度和Hellinger距离处理高维稀疏泊松数据，用于恢复现实数据中的结构。
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