高校专区
OmniVCus: 基于多模态控制条件的前馈主体驱动视频定制
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Adobe Research（Adobe研究） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 OmniVCus通过多模态控制条件和改进的嵌入机制实现高效的多主体视频定制。
Comments NeurIPS 2025; A data construction pipeline and a diffusion Transformer framework for controllable subject-driven video customization
StressRoBERTa：从抑郁症、焦虑和PTSD到压力检测的跨条件迁移学习
机构 * The George Washington University（乔治华盛顿大学） ； King Saud University（沙特国王大学） ； Johns Hopkins University Applied Physics Laboratory（约翰霍普金斯大学应用物理实验室） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 StressRoBERTa通过跨条件迁移学习提升英文推文中的压力检测性能，其在SMM4H 2022任务8上取得82% F1分数，优于现有系统。
基于文本片段的细粒度人类反馈微调语言模型
机构 * Columbia University（哥伦比亚大学） ； Microsoft（微软公司） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出基于文本片段的细粒度人类反馈方法，通过反馈驱动的改进链提升语言模型微调效果。
PI-MFM：基于物理的多模态基础模型用于求解偏微分方程
机构 * Department of Statistics and Data Science, Yale University（统计与数据科学系，耶鲁大学） ； Department of Applied Mathematics and Statistics, Johns Hopkins University（应用数学与统计学系，约翰霍普金斯大学） ； Department of Applied Computational Mathematics and Statistics, University of Notre Dame（应用计算数学与统计学系，圣母大学） ； Department of Mathematics, University of California Los Angeles（数学系，加州大学洛杉矶分校） ； Department of Chemical and Environmental Engineering, Yale University（化学与环境工程系，耶鲁大学）
AI总结 PI-MFM是一种基于物理的多模态基础模型，通过强制执行偏微分方程在预训练和适应过程中，提高求解PDE的效率和鲁棒性。
通过提示编排加速语言模型工作流
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 提示编排通过动态缓存和并行处理，显著提升多智能体工作流中语言模型的效率与速度
Comments to appear in TACL (final preprint of 2025-10-12); 10 pages + appendices
SPIDER：用于鲁棒校准的图像对应估计器
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 SPIDER是一种通用的图像匹配框架，通过整合共享特征提取主干和两个专用网络头，有效提升在不同场景下的鲁棒性与准确性。
基于视频的计算机化运动模仿评估用于区分自闭症（CAMI-2DNet）
机构 * Center for Innovation in Data Engineering and Science at the University of Pennsylvania（宾夕法尼亚大学创新数据工程与科学中心） ； Department of Biomedical Engineering at Johns Hopkins University（约翰霍普金斯大学生物医学工程系） ； Center for Neurodevelopmental and Imaging Research at the Kennedy Krieger Institute（肯尼迪-克里格尔研究所神经发育与成像研究中心） ； Department of Neurology and the Department of Psychiatry and Behavioral Sciences at the Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院神经学系和精神病学与行为科学系） ； Department of Psychology at the Nottingham Trent University（诺丁汉特伦特大学心理学系）
AI总结 CAMI-2DNet是一种基于深度学习的视频运动模仿评估方法，通过解耦干扰因素实现对自闭症与神经正常个体的高效区分。
Comments This work has been accepted for publication in IEEE Transactions on Biomedical Engineering
深度伪造侦探：通过稀疏特征和流形进行神经取证解释
机构 * Berkeley AI Safety Initiative (BASIS) University of California, Berkeley（伯克利人工智能安全倡议（BASIS）大学伯克利） ； 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 本文提出了一种通过稀疏特征和流形分析来解释深度伪造检测模型的框架，揭示了模型内部特征的使用规律和几何属性变化，以提升模型的可解释性和鲁棒性。
Comments 10 pages, 5 figures, Initial Work
用高斯过程求解泛函偏微分方程及其在泛函重整化群方程中的应用
机构 * Computing & Mathematical Sciences, Caltech（计算与数学科学系，加州理工学院） ； Department of Applied Mathematics & Statistics, Johns Hopkins University（应用数学与统计学系，约翰霍普金斯大学） ； Argonne National Laboratory（阿贡国家实验室）
AI总结 本文提出了一种基于高斯过程的操作学习方法，用于求解泛函偏微分方程，并在泛函重整化群方程中展示了其灵活性和有效性。
使大语言模型成为高效密集检索器
机构 * University of Amsterdam（阿姆斯特丹大学） ； University of Maryland, College Park（马里兰大学 College Park 分校） ； Johns Hopkins University, HLTCOE（约翰霍普金斯大学 HLTCOE）
AI总结 EffiR通过粗到细的MLP压缩策略和检索特定微调，使大语言模型在保持性能的同时显著减少模型大小和推理成本。
HistoWAS：一种用于大规模组织拓扑和患者结果特征宽关联研究的病理组学框架
机构 * Department of Computer Science, Vanderbilt University（计算机科学系，范德比尔特大学） ； Department of Radiation Oncology, Washington University in St. Louis（放射肿瘤学系，华盛顿大学圣路易斯分校） ； Department of Biostatistics, Vanderbilt University Medical Center（生物统计学系，范德比尔特大学医学中心） ； Department of Pathology, Microbiology and Immunology, Vanderbilt University Medical Center（病理学、微生物学和免疫学系，范德比尔特大学医学中心） ； Department of Medicine, Vanderbilt University Medical Center（医学系，范德比尔特大学医学中心） ； Institute for Computational Biomedicine, Heidelberg University and Heidelberg University Hospital（计算生物医学研究所，海德堡大学和海德堡大学医院） ； Department of Pathology, Duke University（病理学系，杜克大学） ； Department of Pathology, Johns Hopkins University School of Medicine（病理学系，约翰霍普金斯大学医学院）
AI总结 HistoWAS通过整合拓扑和空间特征，实现大规模组织结构与患者结果的关联分析，用于生物标志物发现和临床研究。
对医疗AI挑战中显著性、指标选择和人口公平性的审计
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 RankInsight工具包通过计算显著性图、重新计算排行榜和审计交叉公平性，解决医疗AI挑战中的显著性、指标选择和人口公平性问题。
Comments MICCAI 2025 Workshop on Machine Learning in Medical Imaging
SurgiPose：从单目视频估计手术工具运动学以实现手术机器人学习
机构 * Dept. of Mechanical Engineering, Johns Hopkins University（机械工程系，约翰霍普金斯大学） ； Optosurgical
AI总结 SurgiPose通过单目视频估计手术工具运动学，为手术机器人学习提供可行的解决方案，验证了无需真实运动学数据即可训练有效策略的可行性。
Comments 8 pages, 6 figures, 2 tables
Journal ref Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2025, pp. 20912-20919
SpecCLIP：对齐和翻译恒星光谱测量
机构 * School of Astronomy ； Space Science, University of Chinese Academy of Sciences, Beijing 100049, People's Republic of China ； National Astronomical Observatories, Chinese Academy of Sciences, Beijing 100012, People's Republic of China ； Department of Physics \& Astronomy, The Johns Hopkins University, Baltimore, MD 21218, USA ； Zhejiang Laboratory, Hangzhou 311121, People's Republic of China ； Research Center for Astronomical Computing, Zhejiang Laboratory, Hangzhou 311121, People's Republic of China ； Department of Physics ； Astronomy, University of Notre Dame, Notre Dame, IN 46556, USA ； Joint Institute for Nuclear Astrophysics -- Center for the Evolution of the Elements (JINA-CEE), USA ； Department of Astronomy, The Ohio State University, 140 West 18th Avenue, Columbus, OH 43210, USA ； Center for Cosmology ； AstroParticle Physics (CCAPP), The Ohio State University, Columbus, OH 43210, USA
AI总结 SpecCLIP通过对比学习和光谱意识解码器提升恒星光谱分析的精度和应用灵活性。
Comments 29 pages, 8 figures, 6 tables. Accepted for publication in ApJ. Comments welcome
为大型语言模型建立女性健康基准
机构 * Lumos AI ； Medical Oncology, Yale Cancer Center（耶鲁癌症中心医学肿瘤学部） ； Obstetrics and Gynecology, MGH, Harvard Medical School（妇产科，MGH，哈佛医学院） ； Obstetrics, Gynecology & Reproductive Sciences, UCSF（妇产科与生殖科学，UCSF） ； Brown Division of Global Emergency Medicine（全球急诊医学部，布朗分部） ； Department of Emergency Medicine, Emory University（急诊医学部，埃默里大学） ； Pharmacy Department, Clinic Ottakring（药学部，克利克诊所） ； Windrush Surgery, Buckinghamshire, Oxfordshire and Berkshire West Integrated Care Board, NHS（温德许手术，贝肯ham郡，牛津郡和伯克希尔西部整合护理委员会，NHS） ； Women’s Health Research, Yale School of Medicine（女性健康研究，耶鲁医学院） ； Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院）
AI总结 本文提出女性健康基准，评估LLM在女性健康领域的表现，发现现有模型在关键任务上存在显著缺陷，需进一步改进以提供可靠医疗建议。
Comments 15 pages, 6 Figures, 2 Tables
关键差异：用于能力缺口发现与纠正的模型审计
机构 * Google（谷歌） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 AuditDM通过主动发现和纠正多模态大语言模型的失败模式，提升模型性能和诊断能力。
Comments project page: https://auditdm.github.io/
语音特征分析用于语音归属的探讨
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出StyloSpeaker方法，通过分析转录文本的风格特征，用于语音归属，对比了风格学模型与神经网络方法的性能。
Comments v3: added StyloSpeaker github link; v2: added acknowledgments
QUIDS：面向移动 crowdsensing 的质量感知激励驱动多智能体调度系统
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Department of Civil and System Engineering, Johns Hopkins University（约翰霍普金斯大学土木与系统工程系） ； School of Software and BNRist, Tsinghua University（清华大学软件学院）
AI总结 QUIDS通过质量感知激励驱动的多智能体调度系统，优化车辆移动 crowdsensing 的传感覆盖和可靠性，提升信息质量并减少地图重建误差。
无监督发现多视图数据中的共享与私有几何
机构 * Department of Biomedical Engineering（生物医学工程系） ； Johns Hopkins University（约翰霍普金斯大学） ； Princeton Neuroscience Institute（普林斯顿神经科学研究所） ； Princeton University（普林斯顿大学） ； Department of Psychology and Brain Sciences（心理学与脑科学系） ； University of Delaware（德雷塞尔大学） ； Center for Imaging Science（成像科学中心） ； Kavli Neurodiscovery Institute（Kavli神经发现研究所）
AI总结 SPLICE是一种无监督方法，用于发现多视图数据中的共享和私有几何结构，通过解耦潜在变量以提高解释性和鲁棒性。
尺度不变注意力
机构 * School of Mathematics University of Bristol（布里斯托大学数学学院） ； Department of Computer Science Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； School of Computer Science University of Bristol（布里斯托大学计算机科学学院）
AI总结 本文提出了一种尺度不变的注意力机制，通过简单的位置依赖变换实现总注意力和稀疏性的尺度不变性，提升了长上下文推理和检索性能。
Comments Accepted at Neurips 2025
贝叶斯优化中获取函数确定性全局优化的探讨：做或不做？
机构 * Chemical & Biomolecular Engineering, Johns Hopkins University, Baltimore, MD 21218, USA（约翰霍普金斯大学化学与生物分子工程系） ； Process Systems Engineering (AVT.SVT), RWTH Aachen University, Aachen, Germany（亚琛工业大学过程系统工程系） ； Department of Biostatistics, Bloomberg School of Public Health, Johns Hopkins University, Baltimore, MD 21218, USA（约翰霍普金斯大学比尔·盖茨公共卫生学院生物统计学系） ； Department of Medicine, Johns Hopkins University, Baltimore, MD 21218, USA（约翰霍普金斯大学医学系） ； Applied Mathematics & Statistics, Johns Hopkins University, Baltimore, MD 21218, USA（约翰霍普金斯大学应用数学与统计学系） ； JARA-CSD, 52056 Aachen, Germany（亚琛大学JARA-CSD研究中心） ； Institute of Climate and Energy Systems, Energy Systems Engineering (ICE-1), Forschungszentrum Jülich GmbH, 52425 Jülich, Germany（吕贝克研究中心气候与能源系统研究所）
AI总结 本文探讨了在贝叶斯优化中使用确定性全局求解器MAiNGO优化获取函数的优劣，发现其在特定条件下可能更优或更劣，取决于获取函数的探索与利用倾向。
Comments 39 pages, 8 figures, 11 tables
haystack中隐藏的针：更小的针对LLM来说更难找到
机构 * Center for Alzheimer’s Disease and Related Dementias, NIA, NIH（阿尔茨海默病及相关痴呆症研究中心，国家老龄化研究所，国家卫生研究院） ； DataTecnica LLC（DataTecnica公司） ； Johns Hopkins University（约翰霍普金斯大学） ； Laboratory of Neurogenetics, NIA, NIH（神经遗传学实验室，国家老龄化研究所，国家卫生研究院）
AI总结 本文研究了黄金上下文大小对LLM长上下文问答性能的影响，发现较短的黄金上下文会显著降低模型性能，揭示了上下文长度对模型表现的关键作用。
Comments Under Review
无限世界：实时3D感知长视频生成
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Adobe Research（Adobe研究）
AI总结 Endless World通过实时3D感知机制生成无限长且连贯的视频，解决长视频生成中的3D一致性与动态场景合成问题。
Comments 10 pages,7 figures
金融基础模型的数据效率前沿：从持续预训练中获得的扩展定律
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文研究了金融基础模型在持续预训练中的数据效率，发现通过较小的词预算可实现有效的领域适应，且大模型规模仍具可行性。
Comments 8 pages, 4 figures, 1 table
SoMi-ToM：评估具身社会互动中的多视角理论之心假设
机构 * The University of Hong Kong（香港大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California Irvine（加州大学尔湾分校） ； Stanford University（斯坦福大学）
AI总结 SoMi-ToM基准通过多视角评估人类与模型在具身社会互动中的理论之心能力，揭示大型视觉-语言模型在复杂社交场景中的不足。
Comments 24 pages, 6 figures
Journal ref Proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025)
用于学习弱形式算子和梯度流的自测损失函数
机构 * Purdue University（普渡大学） ； Duke University（杜克大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出自测损失函数，用于学习弱形式算子和梯度流，通过二次结构实现高效参数回归和理论分析，具备计算简单和数据鲁棒性。
为混合整数非线性规划优化学习提供可行性保证
机构 * Department of Mechanical and Industrial Engineering（机械与工业工程系） ； University of Toronto（多伦多大学） ； Department of Civil and Systems Engineering（土木与系统工程系） ； The Ralph O’Connor Sustainable Energy Institute (ROSEI)（拉尔夫·奥康纳可持续能源研究所） ； Data Science and AI Institute (DSAI)（数据科学与人工智能研究所） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出了一种针对参数MINLP的L2O方法，通过整数修正层和梯度投影确保可行性与整数性，实验证明其在大规模问题中高效且优于传统方法。
DiffRegCD：集成注册与变化检测的扩散特征
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 DiffRegCD通过结合扩散特征与分类任务，实现统一的注册与变化检测，提升在复杂场景下的鲁棒性和精度。
Comments 10 pages, 6 figures. Accepted to WACV 2026
遥感图像中的指称变化检测
机构 * Johns Hopkins University（约翰霍普金斯大学） ； DEVCOM U.S. Army Research Laboratory（美国陆军研究实验室）
AI总结 本文提出指称变化检测方法，通过自然语言提示实现遥感图像中特定类别的变化检测，并引入两阶段框架提升数据生成效率。
Comments 2026 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)
不确定性蒸馏：教语言模型表达语义信心
机构 * Department of Computer Science（计算机科学系） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出不确定性蒸馏方法，通过微调使语言模型能准确表达语义信心，提升不确定性量化效果。
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