高校专区
通过动态多轮交互对视觉语言模型进行情境化评估
机构 * UC San Diego（加州大学圣地亚哥分校） ； Northeastern University（东北大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Johns Hopkins University（约翰·霍普金斯大学）
AI总结 研究多模态大语言模型现实有效性问题，提出CEDI框架，通过三方交互、多轮半结构化对话及多种策略评估，应用于视觉幻觉，发现能揭示更多接近实际情况的幻觉，凸显其对MLLMs能力评估的作用。
用于单智能体和多智能体人类-人工智能好奇心生态系统的玩具框架
机构 * Johns Hopkins University（约翰斯·霍普金斯大学）
AI总结 该论文提出一个玩具框架，将好奇心视为生态系统，探讨单智能体询问策略及相关决策项权重随经验的变化，还扩展到多智能体，追踪多种指标，为研究好奇心生态及设计多智能体发现系统提供概念框架。
Comments fixed abstract in this version
通过随机时钟进行重尾流匹配
机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究重尾数据匹配问题，提出HTFM框架，将重尾源视为时钟条件高斯源混合，用截断对数签名特征编码时钟。实验显示其在多领域优于高斯流匹配等基线，保留低NFE采样优势，还提供尾部控制接口。
NodeImport：基于节点重要性评估的不平衡节点分类
机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Grabtaxi Holdings Pte Ltd（Grab出租车控股私人有限公司）
AI总结 针对图节点分类的类别不平衡问题，提出利用平衡元集评估节点重要性的方法，推导公式并开发新框架，能过滤有价值节点，构建高质量元集，实验证明该框架在缓解不平衡上具优越性。
Journal ref KDD '25: Proceedings of the 31st ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.1, 2025, Pages 94 - 105
TreeSRNF：用于树状3D对象几何和结构变异性生成建模的平方根法向场
机构 * Murdoch University（莫道克大学） ； University of Western Australia（西澳大利亚大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 该研究针对树状3D对象几何与结构变异性问题，将平方根法向场表示推广到此类对象，构建黎曼树状空间及度量，开发相关算法，可计算统计摘要并合成新对象，性能显著优于现有技术。
Comments ECCV 2026
手术中的点跟踪——2025年红外手术纹身挑战（STIRC2025）
机构 * Intuitive Surgical Inc.（直观外科公司） ； ImFusion GmbH（ImFusion有限公司） ； Technical University of Munich（慕尼黑工业大学） ； University of British Columbia（英属哥伦比亚大学） ； Johns Hopkins University（约翰·霍普金斯大学） ； Daegu Gyeongbuk Institute of Science and Technology（大邱庆北科学技术院） ； Hamburg University of Technology（汉堡工业大学） ； SustAInLivWork Center of Excellence（可持续生活工作卓越中心） ； Graduate School of Informatics, Nagoya University（名古屋大学信息科学研究生院） ； Information Technology Center, Nagoya University（名古屋大学信息技术中心） ； Department of Information Science, Aichi Institute of Technology（爱知工业大学信息科学系） ； Research Center for Medical Bigdata, National Institute of Informatics（国立信息学研究所医学大数据研究中心） ； Department of Translational Surgical Oncology, National Center for Tumor Diseases (NCT), NCT/UCC Dresden, a partnership between DKFZ, Faculty of Medicine and University Hospital Carl Gustav Carus, TUD Dresde（德累斯顿国家肿瘤疾病中心（NCT）转化外科肿瘤学系，NCT/UCC德累斯顿，由德国癌症研究中心、医学院和卡尔·古斯塔夫·卡鲁斯大学医院、德累斯顿工业大学合作成立）
AI总结 介绍2025年手术点跟踪挑战（STIRC2025），参与者提交算法基于红外手术纹身数据集（STIR）评估，含准确性和效率两组件，作为MICCAI EndoVis 2025一部分进行，总结结果与方法，数据集和代码可获取。
Comments 9 pages, 12 figures. arXiv admin note: substantial text overlap with arXiv:2503.24306
让 RGB 成为视觉的语言
机构 * Johns Hopkins University（约翰·霍普金斯大学） ； UC Santa Cruz（加州大学圣克鲁兹分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Rice University（莱斯大学）
AI总结 该研究为视觉模型引入统一表述 RGB In and RGB Out（RINO），将多种视觉信息转为 RGB 图像编辑问题，共享架构参数，基于通用主干无需微调，在多视觉任务上有强大零样本性能，为统一视觉语言系统提供见解。
SymbOmni：通过符号概念学习进化智能全能模型
机构 * South China University of Technology（华南理工大学） ； Westlake University（西湖大学） ； Johns Hopkins University（约翰·霍普金斯大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shenzhen Loop Area Institute（深圳河套学院）
AI总结 针对视觉生成模型无法累积学习与自主进化的问题，提出SymbOmni智能全能模型，通过符号概念学习和归纳-转导循环运行，经言语反向传播训练。实验验证其在多方面性能优越，能有效降低令牌消耗并实现持续学习。
Comments ECCV 2026 (49 pages, 10 figures, project page: https://spherelab.ai/symbomni)
视觉语言模型中的自我中心偏差
机构 * Cognitive Science Program, University of California, Berkeley（加州大学伯克利分校认知科学项目） ； Department of Electrical and Computer Engineering, University of California San Diego（加州大学圣地亚哥分校电气与计算机工程系） ； School of Computer Science, Georgia Institute of Technology & Emory University（佐治亚理工学院计算机科学学院及埃默里大学） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Department of Cognitive Science, University of California San Diego（加州大学圣地亚哥分校认知科学系） ； Equal Advising Department of Computer Science & Wilmer Eye Institute, Johns Hopkins University（约翰霍普金斯大学计算机科学系及威尔默眼科研究所） ； Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Weinberg Institute for Cognitive Science, University of Michigan（密歇根大学韦恩伯格认知科学研究所）
AI总结 本文提出FlipSet基准，揭示视觉语言模型在第二级视觉视角推理中存在系统性自我中心偏差，表明模型在整合社会认知与空间操作方面存在根本性不足。
Comments Accepted at CogSci 2026 (Best Undergraduate Student Paper)
在一起，然后分开：平衡多模态生存分析中的对齐与独特性
机构 * Stony Brook University（石溪大学） ； Stanford University（斯坦福大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Brookhaven National Laboratory（布鲁赫林国家实验室）
AI总结 针对多模态生存分析，提出TTA框架，先基于原型对齐捕获跨模态共享结构，再通过锚定引导对比目标鼓励模态特定独特性，用不平衡最优传输处理模态不平衡和噪声对应，在多个癌症队列上评估，提升了生存预测并揭示可解释模式。
ERR@HRI 3.0 挑战赛：人机交互中错误与预期的多模态检测
机构 * Cornell University（康奈尔大学） ； Microsoft Research（微软研究院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Cambridge（剑桥大学）
AI总结 ERR@HRI 3.0 挑战赛提供自然场景视频数据集，供研究者开发多模态机器学习模型检测人机交互错误与预期，三个团队提交的有效模型超卷积神经网络基线，为构建相关检测系统提供了数据、任务、基线及结果等参考。
关于CVPR 2026@AdvML研讨会挑战赛的技术报告
机构 * Beihang University（北京航空航天大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Tongji University（同济大学） ； iFLYTEK Co., Ltd.（科大讯飞股份有限公司） ； Anhui Laboratory for Safe Artificial Intelligence in the Yangtze River Delta（长三角安全人工智能安徽实验室） ； Wenzhou Business College（温州商学院） ； Jiangnan University（江南大学） ； Guangzhou City University of Technology（广州理工学院） ； Inceptio Technology（智元机器） ； Institute of Dataspace（数据空间研究所） ； Zhongguancun Laboratory（中关村实验室） ； Tsinghua University（清华大学） ； ETH Zürich（苏黎世联邦理工学院） ； University of Oxford（牛津大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； BAAI（北京智源人工智能研究院） ； Meta ； Johns Hopkins University（约翰·霍普金斯大学） ； University of California, Berkeley（加州大学伯克利分校） ； Nanyang Technological University（南洋理工大学）
AI总结 介绍CVPR 2026@AdvML研讨会针对自动驾驶VLAs的对抗性多模态攻击挑战赛，基于多视图视觉问答，参赛者要生成对抗图像和文本扰动。阐述任务设计等，研究领先提交作品发现后缀惩罚等模式，为多模态自动驾驶系统相关工作提供参考。
X-GuideAR：一种在荧光镜引导下减轻辐射暴露的增强现实框架
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Arkansas（阿肯色大学）
AI总结 研究针对骨科手术中“荧光镜搜索”增加辐射暴露的问题，提出X-GuideAR增强现实框架，通过合成X射线预览加速搜索、减少辐射，经初步研究，该框架在S2AI螺钉放置中减少X射线数量，提高螺钉直径安全性，助力更安全高效手术。
合规陷阱：诊断人工智能代理如何处理冲突记忆
机构 * Johns Hopkins University（约翰·霍普金斯大学） ； Cornell University（康奈尔大学）
AI总结 研究人工智能代理处理冲突记忆的问题，提出E-P-R框架，通过在WebArena和MemTrapBench上实例化发现主要失败始于入口，冲突记忆导致合规陷阱，强调评估记忆增强型代理应考虑其处理记忆的全过程。
Agentic-DPO：从专家轨迹上的模仿到智能体策略优化
机构 * Johns Hopkins University（约翰·霍普金斯大学）
AI总结 研究针对大语言模型智能体基于专家轨迹训练只学动作序列、难应对错误的问题，提出Agentic-DPO方法，通过转化专家轨迹为状态条件偏好监督，结合策略保持增强，实现低成本智能体策略优化，实验验证其有效性。
非均匀随机图中的距离保持嵌入
机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 研究非均匀随机图中距离保持嵌入，基于地标嵌入分析最短路径近似，扩展失真保证到全局平均并统一分析，引入GNN增强变体，使模型能从小图学习并推广到大型真实网络，保持或超越经典嵌入保真度。
MemoBench: 动态变化环境中的世界建模基准测试
机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； Boston University（波士顿大学） ； Google（谷歌） ； JHU（约翰霍普金斯大学） ； CMU（卡内基梅隆大学） ； Kempner Institute（肯普纳研究所）
AI总结 提出MemoBench基准，通过目标消失-重现范式评估视频生成模型在动态环境中的记忆一致性，涵盖合成与真实场景，揭示现有模型的关键挑战。
自压缩语言模型智能体
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Apple（苹果公司）
AI总结 提出SelfCompact框架，让语言模型自主决定何时及如何压缩上下文，通过调用压缩工具和轻量级规则实现自适应压缩，无需微调或外部监督，在多个基准上以更低成本匹配或超越固定间隔压缩。
Comments 25 pages, 3 figures
看到并不等于定向：一个认知基础的基准揭示了多模态大语言模型在定向任务中的系统性失败
机构 * 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DORI基准，揭示多模态大语言模型在定向理解上的不足，发现其在角度估计和方向跟踪方面存在系统性缺陷，对机器人控制和3D场景重建有重要启示。
Comments Paper accepted to ECCV 2026 (Main Track). Previously, this version appeared as arXiv:2603.11410 which was submitted as a new work by accident
自主AI代理用于期权对冲：通过意识短缺的强化学习增强金融稳定性
机构 * Cornell Ann S. Bowers College of Computing and Information Science, Cornell University（康奈尔大学安·索斯·博尔斯计算与信息科学学院） ； Department of Mathematics, University of Texas at Austin（德克萨斯大学奥斯汀分校数学系） ； School of Social Sciences, Nanyang Technological University（南洋理工大学社会科学学院） ； Krieger School of Arts and Sciences, Johns Hopkins University（约翰霍普金斯大学克里eger艺术与科学学院）
AI总结 本文提出RLOP和QLBS两种强化学习框架，通过意识短缺的方法优化期权对冲，提升金融稳定性并改进风险预测。
FIRE-Bench：评估人工智能代理在科学见解重新发现方面的表现
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Cornell University（康奈尔大学）
AI总结 研究旨在评估大语言模型驱动的人工智能代理在科学见解重新发现上的能力。核心方法是引入FIRE-Bench基准，让代理基于高层次研究问题进行全周期探索。主要贡献是为衡量代理驱动的科学发现进展提供了严格诊断框架，揭示当前代理系统在全周期科研上的挑战。
Comments 34 pages, 3 figures, 16 tables; ICML 2026 Camera-ready Version
对数和指数平滑近似最优性的一个初等证明
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究 \(\mathbb{R}^d\) 中最大值函数平滑设计，通过初等构造给出下界，证明对数和指数平滑近似最优，同时给出更强平滑说明其非完全最优，在低维提出恰好最优平滑。
Comments 15 pages
TagSpeech：基于细粒度时间定位的端到端多说话人自动语音识别与说话人分离
机构 * 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）
AI总结 研究提出TagSpeech框架，利用时间锚点定位技术联合多说话人ASR与说话人分离。通过关键设计解决细粒度对齐挑战，端到端建模“谁在何时说了什么”。实验显示其在DER上优于基线，采用参数高效训练范式，低计算成本获强性能。
Comments Accepted to ACL2026 Main Oral; v2: added overlap analysis in Section 5.2
通过模仿学习实现自主软机器人血管内导航
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Stanford University（斯坦福大学） ； McGill University（麦吉尔大学） ； University of Maryland（马里兰大学） ； Swiss Federal Institute of Technology in Lausanne (EPFL)（日内瓦联邦理工学院（EPFL）） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 研究旨在实现自主软机器人血管内导航，开发基于变压器的模仿学习框架，通过目标条件等实现通用导航，在多种几何结构上训练并评估，策略成功率高，还进行了相关研究及扩展，提升了在未见几何结构上的成功率。
pyMEAL：用于稳健医学图像翻译的多编码器增强感知学习工具箱
机构 * Hong Kong Centre for Cerebro-Cardiovascular Health Engineering (COCHE)（香港脑心血管健康工程中心） ； Department of Informatics, Sokoine University of Agriculture（农业科学学院信息系） ； Department of Diagnostic Radiology, The University of Hong Kong（香港大学诊断放射科） ； State Key Laboratory of Brain and Cognitive Sciences, The University of Hong Kong（香港大学脑科学与认知科学国家重点实验室） ； Alzheimer’s Disease Research Network, The University of Hong Kong（香港大学阿尔茨海默病研究网络） ； Department of Biomedical Engineering, City University of Hong Kong（城市大学生物医学工程系） ； Department of Radiology and Radiological Science, The Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院放射学与放射科学系） ； City University of Hong Kong Shenzhen Research Institute（城市大学深圳研究 institute）
AI总结 针对医学图像翻译受患者差异等挑战及3D图像翻译受阻问题，提出多编码器增强感知学习（MEAL），研究三种特征整合策略，经实验验证其在CT到T1加权MRI翻译任务中表现出色，提升了医学图像翻译的稳健性和临床适用性。
Comments 46 pages, 11 figures, 3 tables
神经代理控制：一种基于深度学习的由大型语言模型驱动的用于控制安全控制的代理人工智能框架
机构 * Texas Tech University（德克萨斯理工大学） ； Cumberland University（坎伯兰大学） ； Advanced Academic Programs Science（高级学术项目科学部） ； Johns Hopkins University（约翰·霍普金斯大学）
AI总结 针对运营技术网络攻击问题，提出神经代理控制框架，结合基于LLM的规划器与预训练的TimesFM，并引入“反事实物理注入”机制，在工业数据集评估中表现优于基线，能有效保障关键基础设施中代理人工智能。
多流审计的全局序贯检验
机构 * Mathematical Institute for Data Science (MINDS), Johns Hopkins University（数据科学数学研究所（MINDS），约翰霍普金斯大学） ； Department of Biomedical Engineering, Johns Hopkins University（生物医学工程系，约翰霍普金斯大学） ； Amazon Responsible AI（亚马逊负责任人工智能）
AI总结 针对多数据流审计问题，提出基于鞅合并的序贯检验方法，在稀疏和密集备择假设下分别达到最优停止时间，并通过实验验证。
ADORN：使用强化学习的开放式RAN自适应漂移处理
机构 * Indian Institute of Technology Dharwad, Karnataka, India（印度理工学院达拉德分校） ； University of Pretoria, Pretoria, South Africa（南非彼得里亚大学） ； Johns Hopkins University, USA（约翰霍普金斯大学） ； Stockholm University, Sweden（斯德哥尔摩大学） ； Open Networking Advanced Research (OpNeAR) Lab, The University of Texas at Dallas, TX, USA（开放网络高级研究实验室，德克萨斯大学达拉斯分校）
AI总结 针对开放式无线接入网络中因动态流量变化导致的模型性能下降问题，提出基于Q学习的自适应重新训练方法，通过将决策制定为马尔可夫决策过程，结合多专家长短期记忆集成，有效降低重新训练开销并维持系统性能。
EVIS：用于NVIDIA Isaac Sim的基于物理的事件相机插件
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究针对事件相机数据收集难题，提出基于物理的EVIS插件用于NVIDIA Isaac Sim，能在模拟器内生成带标签事件流，通过特定模型和可配置设置实现实时单GPU生成，其流可供预训练网络用于下游任务。
当不合理的令牌得到强化时：大语言模型强化学习的尾部感知信用校准
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Rice University（里士满大学） ； Workato（Workato公司） ； University of North Carolina at Charlotte（北卡罗来纳州夏洛特大学）
AI总结 研究大语言模型强化学习中统一信用分配的问题，提出尾部感知信用校准方法TACO，通过计算尾部风险分数校准信用，抑制不良正更新，实验证明该方法优于基线，提升训练稳定性。
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