高校专区
在回答和解释具有挑战性的医疗问题上评估大型语言模型
机构 * Rice University（里士满大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出两个新数据集用于评估大型语言模型在回答和解释具有挑战性的医疗问题上的能力，并通过实验展示了这些数据集的难度及模型表现。
Comments NAACL 2025
LLMs对数字了解得比他们能说的更多
机构 * Shanghai Jiao Tong University（上海交通大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究发现LLM对数字大小的内部表示影响其数值推理能力，通过隐藏状态探测和微调提升准确性。
Comments EACL 2026 (Oral), camera-ready version with GitHub link
使用基于ngram模型的logit缩放进行极端子词风格转移
机构 * Center for Digital Humanities（数字人文中心） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出基于ngram模型的logit缩放技术，用于在推理阶段将极端子词风格转移到大型语言模型中，通过调整困惑度实现风格迁移与流畅性的平衡。
Comments Accepted for publication at NLP4DH 2025 @ NAACL
Journal ref Proceedings of the 5th International Conference on Natural Language Processing for Digital Humanities (2025)
利用标注的文学方言语料库检验语言模型假设
机构 * Center for Digital Humanities（数字人文中心） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文通过标注的文学方言语料库，探讨了不同语言建模假设对正写法变化信息提取的影响，发现词标注方案对模型表现有显著影响。
Comments Accepted to NLP4DH@EMNLP2024
Journal ref Proceedings of the 4th International Conference on Natural Language Processing for Digital Humanities (2024)
利用神经编辑距离模型配对正字法变异的文学词汇与其标准等价词
机构 * Center for Digital Humanities Johns Hopkins University（数字人文中心约翰霍普金斯大学）
AI总结 本文通过神经编辑距离模型解决文学作品中正字法变异词与标准词配对的问题，并对比不同训练策略下的模型性能。
Comments Accepted to LaTeCH@EACL2024
Journal ref Proceedings of the 8th Joint {SIGHUM} Workshop on Computational Linguistics for Cultural Heritage, Social Sciences, Humanities and Literature (2024)
基于Zernike场模型和非线性MPC的X射线约束磁力机器人控制
机构 * Laboratory for Computational Sensing and Robotics（计算感知与机器人实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； Department of Mechanical Engineering（机械工程系） ； University of Maryland（马里兰大学） ； Division of Magnetic Manipulation and Particle Research（磁操控与粒子研究部） ； Weinberg Medical Physics（韦因伯格医学物理）
AI总结 本文提出基于Zernike场模型和非线性MPC的磁力机器人控制方法，实现X射线成像下高精度的药物输送与安全导航。
GRACE：一个用于粒子物理实验设计和模拟的智能体
机构 * Data Science Institute, Columbia Engineering（数据科学研究院，哥伦比亚工程学院） ； Department of Physics and Astronomy, Johns Hopkins University（物理与天文学系，约翰霍普金斯大学）
AI总结 GRACE是一个用于粒子物理实验设计和模拟的智能体，通过自主探索设计修改提升物理性能，引入了新的基准测试和约束搜索方法。
Comments Both authors contributed equally. 43 pages, 12 figures, 6 tables, data can be found in https://github.com/just5034/GRACE_whitepaper_data
Vibe 编程是否安全？在现实任务中对代理生成代码的漏洞基准测试
机构 * Carnegie Mellon University Language Technologies Institute（卡内基梅隆大学语言技术研究所） ； Columbia University（哥伦比亚大学） ； Johns Hopkins University（约翰霍普金斯大学） ； HydroX AI
AI总结 本文通过基准测试发现，Vibe 编程在现实任务中生成的代码安全性不足，尽管功能正确但存在安全漏洞，警示其在安全敏感领域应用的风险。
基于参数高效LLM微调和往返翻译的文本风格迁移
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出基于参数高效LLM微调和往返翻译的文本风格迁移方法，通过合成平行语料库提升风格迁移效果，并结合RAG增强术语和名称知识的鲁棒性与一致性。
Comments 9 pages, 5 figures, 4 tables
Wrivinder：迈向空间智能：将地面图像定位到卫星图像
机构 * Mayachitra, Inc.（Mayachitra公司） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 Wrivinder通过聚合地面影像与卫星图像，实现零样本的几何驱动定位，提供首个全面的跨视角对齐基准。
独立于分辨率的神经算子
机构 * Hopkins Extreme Materials Institute（霍普金斯极端材料研究所） ； Dept. of Civil and Systems Engineering（土木与系统工程系） ； Johns Hopkins University（约翰·霍普金斯大学） ； Dept. of Chemical and Biomolecular Engineering（化学与生物分子工程系） ； Dept. of Applied Mathematics and Statistics（应用数学与统计学系）
AI总结 本文提出了一种独立于分辨率的神经算子架构RINO，通过自适应学习连续基函数，实现对任意采样输入输出函数的高效处理。
Journal ref Journal of Computational Physics, 539, 2025, 114233
黄金矿砂：用于针叶堆寻针推理的战略上下文洗牌
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 GOLD PANNING通过战略上下文洗牌方法，在针叶堆推理中以更少的查询实现高效目标识别，利用信号锚定技术提升模型性能。
Comments 15 pages, 6 figures
MaskVCT：基于多指导的零样本语音转换语音编解码器
机构 * Center for Language and Speech Processing, Johns Hopkins University, Baltimore, MD, USA（语言与语音处理中心，约翰霍普金斯大学，巴尔的摩，马里兰州，美国）
AI总结 MaskVCT通过多指导机制实现零样本语音转换的多因素可控性，提升说话人相似性和语调控制能力。
Comments ICASSP 2026 Accepted
STRAND：基于序列的传输用于单细胞扰动
机构 * Department of Biomedical Informatics, Harvard Medical School, Boston, MA, USA ； Merck \& Co., Inc., Cambridge, MA, USA ； Department of Biomedical Engineering, Johns Hopkins University, Baltimore, MD, USA ； Kempner Institute for the Study of Natural ； Artificial Intelligence, Harvard University, Allston, MA, USA ； Broad Institute of MIT
AI总结 STRAND通过条件化调控DNA序列预测单细胞转录响应，提升基因扰动分析的准确性和泛化能力。
Comments 8 pages for main draft, 6 main figures
版权侦探：一种用于证据LLM闪烁版权泄露风险的取证系统
机构 * Pine AI ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Duke University（杜克大学） ； University of Michigan（密歇根大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Notre Dame（圣母大学） ； The Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 Copyright Detective 是一种交互式系统，用于检测和可视化LLM输出中的版权风险，通过整合多种检测方法实现系统性审计。
通过模块化子图整合实现高效的因果结构学习
机构 * Purdue University（普渡大学） ； Bilibili Inc（哔哩哔哩公司） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 VISTA通过模块化子图整合框架，有效解决高维数据中因果结构学习的计算挑战，提升准确性和效率。
关于转移的转移：迈向大小泛化理论
机构 * Department of Computing and Mathematical Sciences, Caltech（加州理工学院计算与数学科学系） ； Department of Applied Mathematics and Statistics and the Mathematical Institute for Data Science, Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系及数据科学数学研究所）
AI总结 本文提出了一种通用框架，用于研究不同维度间的转移性，并通过理论分析和实验验证了大小泛化的能力。
Comments 75 pages, 10 figures, closest to version to be published in NeurIPS
FM SO.P: 一种具有自动评估的渐进式任务混合框架用于跨域SOP理解
机构 * Amazon（亚马逊） ； 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）
AI总结 FM SO.P提出了一种渐进式任务混合框架和自动评估系统，以提升跨领域SOP理解的准确性和泛化能力。
TriC-Motion: 基于三域因果建模的文本到动作生成
机构 * Inclusion AI, Ant Group, Beijing, China（蚂蚁集团Inclusion AI北京） ； Whiting School of Engineering, Johns Hopkins University, Baltimore, Maryland, USA（约翰霍普金斯大学工程学院）
AI总结 TriC-Motion通过整合空间-时间-频域建模与因果干预，提出一种基于扩散的文本到动作生成框架，实现高质量、连贯且与文本对齐的动作序列生成。
跨语言F5-TTS：迈向语言无关的语音克隆与语音合成
机构 * Shanghai Innovation Institute, China（上海创新研究院） ； Johns Hopkins University, USA（约翰霍普金斯大学） ； Geely, China（吉利公司）
AI总结 本文提出Cross-Lingual F5-TTS，通过强制对齐和说话速度预测实现无需转录文本的跨语言语音克隆与合成
Comments 5 pages, 2 figures
虚拟社区：人类、机器人与社会的开放世界
机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； CMU（卡内基梅隆大学）
AI总结 虚拟社区是一个开放世界平台，旨在研究人类与机器人共存的社会智能，通过多智能体模拟和大规模社区生成，提出两个新挑战以探索开放世界中的协作与规划能力。
Comments website https://virtual-community-ai.github.io/
ViT-5：2020年代中期的视觉变换器
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 ViT-5通过改进组件和架构，提升了视觉变换器的性能和泛化能力，成为2020年代中期更优的视觉骨干网络。
Comments Code is available at https://github.com/wangf3014/ViT-5
∂CBDs：可微因果块图
机构 * Vanderbilt University（范德比尔特大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Central Florida（中央佛罗里达大学）
AI总结 ∂CBDs结合因果块图、合同验证和可微编程，提供一种可扩展、可验证且可训练的CPS建模方法。
AgentSys: 通过显式分层内存管理实现安全且动态的LLM代理
机构 * Washington University in St. Louis（圣路易斯华盛顿大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 AgentSys通过显式分层内存管理有效防御间接提示注入攻击，显著降低攻击成功率并提升LLM代理的安全性和动态性。
Comments 21 pages, 4 figures
超越事故：为娱乐和利润劫持你的自动驾驶汽车
机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Johns Hopkins University Applied Physics Laboratory（约翰斯·霍普金斯大学应用物理实验室） ； University of California, Santa Cruz（加州大学圣克鲁兹分校）
AI总结 本文提出JackZebra框架，通过物理可行的攻击车辆实现对自动驾驶车辆的路线劫持，以实现长期路线完整性妥协。
CHAI：针对具身AI的命令劫持
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 CHAI是一种针对具身AI的物理环境间接提示注入攻击，通过嵌入误导性自然语言指令，利用多模态语言解释能力，有效提升了攻击性能，凸显了对传统对抗鲁棒性之外的防御需求。
Comments This work has been accepted for publication at the IEEE Conference on Secure and Trustworthy Machine Learning (SaTML). The final version will be available on IEEE Xplore
何时停止：通过潜在充分信号实现高效的上下文处理
机构 * Duke（杜克大学） ； Rice（稻田大学） ； JHU（约翰·霍普金斯大学） ； UC Davis（加州大学戴维斯分校）
AI总结 通过潜在充分信号实现高效上下文处理，使LLMs在获得足够信息后自动终止处理，提升效率并减少token使用。
Comments Accepted to NeurIPS 2025
具有多项式对数更新时间的全动态对抗鲁棒相关聚类
机构 * Rice University（里士满大学） ； Google Research（谷歌研究） ； UT Health（UT健康） ； Johns Hopkins University（约翰霍普金斯大学） ； Rutgers University（罗格斯大学） ； Indian Institute of Technology Madras（印度理工学院马德拉斯分校） ； University of Waterloo（滑铁卢大学） ； Texas A&M University（德克萨斯A&M大学）
AI总结 本文提出了一种在对抗鲁棒环境下实现O(1)近似和多项式对数更新时间的动态相关聚类算法。
Comments AISTATS 2025
具有适应数据漂移的联邦学习客户端聚类
机构 * Harvard University（哈佛大学） ； Northwestern University（西北大学） ； Amazon（亚马逊公司） ； Johns Hopkins University（约翰霍普金斯大学） ； Google（谷歌公司）
AI总结 FIELDING通过适应数据漂移的CFL框架提升模型准确性并加速收敛
Comments 24 pages, 16 figures
WorldEdit: 向开放世界图像编辑迈进的基于知识的基准
机构 * Zhejiang University（浙江大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Nanyang Technological University（南洋理工大学）
AI总结 WorldEdit通过引入基于知识的基准，提升模型在开放世界图像编辑中对隐式指令的理解和处理能力。
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