Generating Data-Driven Reasoning Rubrics for Domain-Adaptive Reward Modeling
生成数据驱动的推理评分标准以实现领域自适应奖励建模
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Amazon Web Services（亚马逊网络服务）
AI总结 本文提出数据驱动的推理评分标准，用于提升领域自适应奖励建模的错误检测能力，实验显示其在技术领域任务准确性提升达45%
高校专区
Johns Hopkins University（约翰斯·霍普金斯大学）
Probing Perceptual Constancy in Large Vision-Language Models
探测大型视觉-语言模型中的知觉恒常性
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Emory University（埃默里大学） ； University of Washington（华盛顿大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Southern California（南加州大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Michigan（密歇根大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文研究了大型视觉-语言模型在颜色、大小和形状恒常性任务中的表现，发现模型在不同任务上的性能存在显著差异。
Comments Under Review
Learning Rate Scaling across LoRA Ranks and Transfer to Full Finetuning
跨LoRA秩的学习率缩放与对全微调的迁移
机构 * Department of Applied Mathematics and Statistics, Johns Hopkins University, Maryland, United States of America（应用数学与统计学系，约翰霍普金斯大学，马里兰，美国）
AI总结 本文提出μA框架，揭示LoRA学习率与适配器秩的缩放规律，并实现从LoRA到全微调的学习率迁移。
SpIDER: Spatially Informed Dense Embedding Retrieval for Software Issue Localization
SpIDER：面向软件问题定位的时空感知密集嵌入检索
机构 * Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； AWS（亚马逊公司） ； AWS AI Labs（亚马逊人工智能实验室）
AI总结 SpIDER通过结合LLM推理和图结构探索信息，提升代码库中相关代码单元的密集检索性能，实验显示在多个编程语言和基准测试中性能提升达13%。
Comments Initial preprint
ESDD2: Environment-Aware Speech and Sound Deepfake Detection Challenge Evaluation Plan
ESDD2: 环境感知语音和声音深度伪造检测挑战评估计划
机构 * Duke Kunshan University（杜克-肯斯敦大学） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； The University of Melbourne（墨尔本大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Fortemedia Singapore（新加坡Fortemedia）
AI总结 ESDD2挑战旨在通过CompSpoofV2数据集和增强分离联合学习框架，检测语音和环境声音的组件级深度伪造。
EigenLoRAx: Recycling Adapters to Find Principal Subspaces for Resource-Efficient Adaptation and Inference
EigenLoRAx：回收适配器以寻找主子空间以实现资源高效的适应与推理
机构 * Department of Computer Science, Johns Hopkins University, Baltimore, USA（计算机科学系，约翰霍普金斯大学，巴尔的摩，美国）
AI总结 EigenLoRAx通过回收现有适配器创建主子空间，实现资源高效的微调和推理，适用于边缘计算和资源受限环境。
Journal ref Proceedings of the Computer Vision and Pattern Recognition Conference, 2025, pages 649-659
CoPE: Clipped RoPE as A Scalable Free Lunch for Long Context LLMs
CoPE：剪裁RoPE作为长上下文LLM的可扩展免费午餐
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 CoPE通过软剪裁RoPE的低频成分，有效提升长上下文LLM的性能，实现可扩展的免费午餐。
Data Kernel Perspective Space Performance Guarantees for Synthetic Data from Transformer Models
变换器模型合成数据的Data Kernel视角空间性能保证
机构 * Department of Mathematics at the University of Maryland, College Park（马里兰大学College Park数学系） ； Human Language Technology Center of Excellence, Johns Hopkins University（约翰霍普金斯大学人机语言技术中心） ； Center for Imaging Science (CIS), the Institute for Computational Medicine (ICM), and the Mathematical Institute for Data Science (MINDS), Johns Hopkins University（约翰霍普金斯大学影像科学中心（CIS）、计算医学研究所（ICM）和数据科学数学研究所（MINDS）） ； Department of Applied Mathematics and Statistics (AMS), the Center for Imaging Science (CIS), and the Mathematical Institute for Data Science (MINDS), Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系（AMS）、影像科学中心（CIS）和数据科学数学研究所（MINDS））
AI总结 本文提出Data Kernel Perspective Space（DKPS）方法，通过数学分析为变换器模型的合成数据质量提供统计保证，旨在提升下游任务如神经机器翻译模型的性能。
Mil-SCORE: Benchmarking Long-Context Geospatial Reasoning and Planning in Large Language Models
Mil-SCORE：大型语言模型中长上下文地理空间推理与规划的基准测试
机构 * University of Maryland, College Park MD, USA（马里兰大学） ； ERA Lab, University of South Florida, Tampa FL, USA（佛罗里达大学埃拉实验室） ； DEVCOM Army Research Laboratory, Aberdeen Proving Ground MD, USA（国防部陆军研究实验室） ； EEHPC Lab, Johns Hopkins University, Baltimore MD, USA（约翰霍普金斯大学EEHPC实验室）
AI总结 Mil-SCORE是首个针对复杂军事规划情景的多跳问题数据集，旨在评估大型语言模型在长上下文地理空间推理与规划中的能力。
Conditional regression for the Nonlinear Single-Variable Model
非线性单变量模型的条件回归
机构 * Department of Mathematics Johns Hopkins University（数学系约翰霍普金斯大学）
AI总结 本文提出了一种非参数条件回归估计器，用于非线性单变量模型，通过投影到曲线参数来避免维度诅咒，达到最优回归速率。
Comments 63 pages, 11 figures
Multi-Integration of Labels across Categories for Component Identification (MILCCI)
跨类别标签多集成用于组件识别（MILCCI）
机构 * The Johns Hopkins University（约翰霍普金斯大学） ； UCSD（加州大学圣迭戈分校）
AI总结 MILCCI通过跨类别标签多集成方法，识别数据中的可解释组件并分析标签对数据表示的影响。
VTok: A Unified Video Tokenizer with Decoupled Spatial-Temporal Latents
VTok: 一种具有解耦空间-时间潜在变量的统一视频分词器
机构 * Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 VTok通过解耦空间和时间潜在变量，实现紧凑且高效的视频分词，提升视频理解和生成任务的性能与效率。
Learning Multi-type heterogeneous interacting particle systems
学习多类型异质相互作用粒子系统
机构 * Department of Mathematics, Duke University（杜克大学数学系） ； School of Mathematics, Sun Yat-sen University（中山大学数学学院） ； Department of Mathematics, Johns Hopkins University（约翰霍普金斯大学数学系） ； 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）
AI总结 本文提出了一种三阶段方法，用于从多轨迹数据中联合推断异质相互作用粒子系统的网络拓扑、多类型交互核和潜在类型分配。
DTS: Enhancing Large Reasoning Models via Decoding Tree Sketching
DTS: 通过解码树草图增强大推理模型
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of North Carolina at Charlotte（北卡罗来纳大学教堂山分校） ； Rice University（莱斯大学） ； University of Minnesota（明尼苏达大学）
AI总结 DTS通过解码树草图方法提升大推理模型的推理能力，显著提高准确性并减少重复生成，使小模型超越大模型。
Understanding Agent Scaling in LLM-Based Multi-Agent Systems via Diversity
通过多样性理解基于大语言模型的多智能体系统中的智能体扩展
机构 * Shanghai Jiao Tong University（上海交通大学） ； California Institute of Technology（加州理工学院） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文通过引入K*指标，揭示了基于大语言模型的多智能体系统中，异质性智能体配置比同质配置更有效，且性能受任务不确定性限制。
RANKVIDEO: Reasoning Reranking for Text-to-Video Retrieval
RANKVIDEO: 文本到视频检索中的推理重排序
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 RANKVIDEO通过基于视频内容的推理机制，提升了文本到视频检索的重排序性能，实验显示在nDCG@10上平均提升31%，优于现有方法。
Real-time topology-aware M-mode OCT segmentation for robotic deep anterior lamellar keratoplasty (DALK) guidance
实时拓扑感知的M模式OCT分割用于机器人深前层角膜移植术（DALK）引导
机构 * Department of Electrical and Computer Engineering, Johns Hopkins University（电气与计算机工程系，约翰霍普金斯大学）
AI总结 本研究提出了一种基于UNeXt的轻量级拓扑感知M模式OCT分割方法，实现超过80 Hz的实时处理速度，提升DALK手术中的深度反馈精度与稳定性。
Physics-based generation of multilayer corneal OCT data via Gaussian modeling and MCML for AI-driven diagnostic and surgical guidance applications
基于物理的多层角膜OCT数据生成：通过高斯建模和MCML实现AI驱动的诊断和手术指导应用
机构 * Department of Electrical and Computer Engineering, Johns Hopkins University（电气与计算机工程系，约翰霍普金斯大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Wilmer Eye Institute, Johns Hopkins University（威尔默眼科研究所，约翰霍普金斯大学） ； Vision Institute, Sorbonne University, INSERM, CNRS（视觉研究所，索邦大学，INSERM，CNRS）
AI总结 本文提出基于物理的多层角膜OCT数据生成方法，利用高斯建模和MCML技术生成高质量合成数据，用于AI驱动的诊断和手术指导应用。
End-to-end reconstruction of OCT optical properties and speckle-reduced structural intensity via physics-based learning
基于物理学习的OCT光学特性及降斑结构强度端到端重建
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出基于物理学习的端到端深度学习框架，用于OCT中光学特性与结构强度的联合重建，通过物理一致的监督提升参数恢复和伪影抑制能力。
OpenPros: A Large-Scale Dataset for Limited View Prostate Ultrasound Computed Tomography
OpenPros: 一个大规模数据集用于有限视角前列腺超声计算机断层扫描
机构 * The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Johns Hopkins University（约翰霍普金斯大学） ； The Pennsylvania State University（宾夕法尼亚州立大学） ； QT Imaging, Inc.（QT影像公司） ； National Institutes of Health（美国国立卫生研究院） ； Iowa State University（爱荷华州立大学） ； Google DeepMind（谷歌DeepMind）
AI总结 OpenPros是一个大规模数据集，用于评估基于学习的方法在有限视角前列腺USCT中的性能，旨在解决重建精度和鲁棒性等挑战。
Sparse Autoencoder Features for Classifications and Transferability
稀疏自编码器特征用于分类和可迁移性
机构 * Harvard University（哈佛大学） ； Mass General Brigham（麻省总医院） ； Boston Children’s Hospital（波士顿儿童医院） ； Johns Hopkins University（约翰霍普金斯大学） ； Maastricht University（马斯特里赫特大学） ； University of Virginia（弗吉尼亚大学）
AI总结 本文提出利用稀疏自编码器提取LLM特征，通过优化架构和二进制化策略提升分类性能和跨模型迁移能力。
An Extended Generalized Prandtl-Ishlinskii Hysteresis Model for I2RIS Robot
一种扩展的广义Prandtl-Ishlinskii滞回模型用于I2RIS机器人
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） ； Wilmer Eye Institute, Johns Hopkins Hospital（Wilmer眼科研究所，约翰霍普金斯医院） ； School of Science and Engineering（科学与工程学院） ； Kokushikan University（冈山大学）
AI总结 本文提出了一种扩展的广义Prandtl-Ishlinskii模型，用于提高I2RIS机器人中多阶段滞回的建模精度。
Comments Published in IFAC-PapersOnLine, Vol. 59, No. 30, pp. 323-328, 2025. 5th Conference on Modeling, Estimation and Control (MECC 2025)
Journal ref IFAC-PapersOnLine, Volume 59, Issue 30, Pages 323-328, 2025
ReasoningBomb: A Stealthy Denial-of-Service Attack by Inducing Pathologically Long Reasoning in Large Reasoning Models
ReasoningBomb: 通过诱导病态长推理实现隐蔽的拒绝服务攻击
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） ； NVIDIA（NVIDIA公司） ； University of California, Davis（加州大学戴维斯分校） ； Cornell University（康奈尔大学）
AI总结 ReasoningBomb通过生成短自然提示诱导大型推理模型进入病态长推理，实现隐蔽的拒绝服务攻击，具有高放大率、隐蔽性和可优化性。
Comments Pre-print. Code is available at https://github.com/SaFo-Lab/ReasoningBomb
BioMedSearch: A Multi-Source Biomedical Retrieval Framework Based on LLMs
BioMedSearch: 基于LLMs的多源生物医学检索框架
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Johns Hopkins University（约翰霍普金斯大学） ； Henan University（河南大学）
AI总结 BioMedSearch基于LLMs构建多源生物医学检索框架，通过整合文献、蛋白质数据库和网络搜索，提升复杂生物医学问题的准确回答能力。
Journal ref Proceedings of the IEEE International Conference on Bioinformatics and Biomedicine (BIBM), 2025
Plant-Inspired Robot Design Metaphors for Ambient HRI
受植物启发的机器人设计隐喻用于环境人机交互
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Rice University（Rice大学）
AI总结 本文提出受植物启发的机器人设计隐喻，通过原型设计探索环境人机交互的新方法，提供了一套开源原型和设计洞察，以重塑人机交互方式。
Lantern: A Minimalist Robotic Object Platform
Lantern: 一种极简主义的机器人物体平台
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Rice University（里士满大学）
AI总结 Lantern通过极简主义设计和开源平台，探索人机交互场景，降低HRI研究门槛。
Early and Prediagnostic Detection of Pancreatic Cancer from Computed Tomography
从计算机断层扫描中早期和预诊断性检测胰腺癌
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Bologna（博洛尼亚大学） ； Istituto Italiano di Tecnologia（意大利技术研究院） ； Shandong Provincial Qianfoshan Hospital（山东省千佛山医院） ； Qilu Hospital of Shandong University（山东大学齐鲁医院） ； Jagiellonian University（杰齐洛尼亚大学） ； University of California, San Francisco（加州大学旧金山分校） ； University of California, Berkeley（加州大学伯克利分校） ； Johns Hopkins Medicine（约翰霍普金斯医学中心） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Warmia and Mazury（马尔堡大学） ； National Medical Institute of the Ministry of Internal Affairs and Administration（内政部和行政管理局国家医疗研究所） ； Henan Provincial People’s Hospital & The People’s Hospital of Zhengzhou University（河南省人民医院及郑州大学人民医院） ； City of Hope National Medical Center（希望国家医学中心） ； Centre Européen de Calcul Atomique et Moléculaire, École Polytechnique Fédérale de Lausanne（欧洲原子和分子计算中心，洛桑联邦理工学院） ； Northeastern University（东北大学） ； Rutgers University（罗格斯大学） ； The First Affiliated Hospital of Soochow University（苏州大学第一附属医院） ； Massachusetts General Hospital（麻省总医院）
AI总结 ePAI通过人工智能在CT扫描中早期检测胰腺癌，显著提高灵敏度并准确定位微小病变。
From Future of Work to Future of Workers: Addressing Asymptomatic AI Harms for Dignified Human-AI Interaction
从未来的工作到未来的工作者：应对无症状的AI危害以实现尊严的人机交互
机构 * Northeastern University, Harvard University（东北大学、哈佛大学） ； Microsoft（微软） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Minnesota（明尼苏达大学）
AI总结 本文提出了一种框架，旨在通过双用途机制实现尊严的人机交互，以应对人工智能导致的技能侵蚀问题。
Journal ref Proceedings of the CHI Conference on Human Factors in Computing Systems, 2026
Beyond a Single Reference: Training and Evaluation with Paraphrases in Sign Language Translation
超越单一参考：在手语翻译中使用同义词进行训练和评估
机构 * University of West Bohemia（西波希米亚大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本研究提出通过生成同义词参考提升手语翻译评估的准确性，引入BLEUpara度量标准并验证其与人类判断的一致性。
Comments Under review
POLAR: A Pessimistic Model-based Policy Learning Algorithm for Dynamic Treatment Regimes
POLAR：一种用于动态治疗方案的悲观模型基于策略学习算法
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） ； School of Business, The George Washington University（乔治华盛顿大学商学院）
AI总结 POLAR是一种新型悲观模型基于策略学习算法，为动态治疗方案优化提供统计和计算保证，通过量化不确定性并抑制高不确定动作，实现更优的策略学习。
