高校专区
语音感知大语言模型的说话人验证：评估与增强
机构 * Electrical and Computer Engineering Department, Johns Hopkins University, Baltimore, MD, USA（约翰霍普金斯大学电气与计算机工程系） ； Human Language Technology Center of Excellence, Johns Hopkins University, Baltimore, MD, USA（约翰霍普金斯大学人机语言技术中心卓越中心）
AI总结 提出模型无关的评分协议评估语音感知LLM的说话人区分能力（EER>20%），并通过注入冻结的ECAPA-TDNN说话人嵌入和LoRA微调，实现接近专用系统的性能（EER 1.03%）。
Comments 3 Tables, 1 Figure, Published in Interspeech 2026
学习患者特异性疾病动态：基于潜在流匹配的纵向影像生成
机构 * University of Cambridge（剑桥大学） ； Nanjing First Hospital（南京第一医院） ； Nanjing Medical University（南京医科大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Dundee（邓迪大学）
AI总结 提出Δ-LFM框架，利用流匹配对齐患者潜在轨迹，通过患者特异性潜在对齐实现单调疾病进展建模，在三个纵向MRI基准上验证了可解释性和性能。
Comments ICLR 2026 accepted
几何一致的内窥镜表示用于图像引导导航：基于结构化基础模型适配
机构 * Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Semaphor Surgical ； Johnson & Johnson MedTech（强生医疗科技）
AI总结 提出统一框架，结合合成数据管道与层级感知几何语义适配，学习几何一致且领域鲁棒的图像表示，提升单目内窥镜中的位姿估计与深度预测性能。
面向手术室视频的推理式文本-视频检索：基于动作驱动数字孪生
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出OR3方法，通过动作驱动数字孪生（ActDT）将视频片段转化为结构化表示，并利用大语言模型生成假设ActDT进行检索，结合证据修正实现隐式查询推理，在手术室视频检索中显著优于基线。
基于数字孪生表示的强化学习训练LLMs用于推理密集型手术视频问答
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出强化学习框架，通过手术基础模型构建数字孪生表示，解耦视觉感知与推理，并引入分层表示与新型奖励，在三个基准上取得最优性能。
基于XAI的语音深度伪造检测解释生成：使用免训练多模态大语言模型
机构 * Imperial College London（帝国理工学院） ； Technical University of Munich（慕尼黑工业大学） ； University of Southampton（南安普顿大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 针对语音深度伪造检测缺乏可解释性的问题，提出一种免训练框架，融合XAI证据与多模态大语言模型，生成基于证据的特定解释，在PartialSpoof数据集上内部准确率提升超45%。
Comments Accepted at Interspeech 2026
论NLP中擦除伤害的定义
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Mila – Québec Artificial Intelligence Institute（魁北克人工智能研究所） ； McGill University（麦吉尔大学） ； Canada CIFAR AI Chair, Mila（加拿大CIFAR人工智能主席，Mila）
AI总结 针对NLP系统部署中擦除伤害概念模糊的问题，提出结构化定义，明确建立和测量擦除所需的必要组件，促进跨场景应用。
自监督单目视频深度估计的3D一致性优化
机构 * Fudan University（复旦大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出一种将视频深度估计转化为多视图3D重建的框架，通过光度渲染、世界坐标对齐和多尺度时间梯度一致性约束，实现全局3D结构一致性，在自监督和零样本临床场景中达到最先进的空间精度。
贝叶斯3D可转向CNN：同时实现等变性和不确定性量化
机构 * Michigan Technological University（密歇根理工大学） ； Johns Hopkins University（约翰霍普金斯大学） ； The Center for Artificial Intelligence at the Institute of Computing and Cybersystems, Michigan Technological University（密歇根理工大学计算与网络系统研究所人工智能中心）
AI总结 提出贝叶斯可转向CNN，通过后验分布赋予核随机性同时保持SE(3)-等变性，实现不确定性分解，在分类精度和分布偏移下鲁棒性优于确定性模型。
AdaMame: 一种自适应多语言推理的训练方案
机构 * University of Maryland（马里兰大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 针对多语言推理中的语言崩溃问题，提出两阶段训练方案AdaMame，通过SFT建立多语言能力，再以自适应GRPO优化推理语言对齐，在准确率、语言保真度和令牌效率上达到帕累托最优。
Comments 20 pages, 5 figures
自适应序列数据生成的扩散模型
机构 * Department of Applied Mathematics and Statistics, Data Science and AI Institute, and Mathematical Institute for Data Science, Johns Hopkins University（应用数学与统计学系、数据科学与人工智能研究所、数据科学数学研究所，约翰霍普金斯大学） ； Department of Industrial Engineering and Management Sciences, Northwestern University（工业工程与管理科学系，西北大学） ； Department Management Science and Engineering, Stanford University（管理科学与工程系，斯坦福大学）
AI总结 提出一种顺序前向后向扩散框架，通过沿序列逐步注入和去除噪声并基于历史生成条件确保自适应性，用于生成自适应时间序列数据，并引入新的分数匹配目标实现高效并行训练，在合成数据和均值-方差最优投资组合构建中验证有效性。
Comments 38 pages
FORTIS：评估代理技能中的过度特权
机构 * University of Southern California（南加州大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Adobe Research（Adobe研究） ； Arizona State University（亚利桑那州立大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究发现，当前代理技能层普遍存在过度特权问题，模型在选择和执行技能时常超出任务需求，导致性能不佳。
基于Agent Rosetta的蛋白质设计：面向专业科学智能体的案例研究
机构 * Polymathic AI（多学科人工智能实验室） ； Center for Computational Biology, Flatiron Institute（计算生物学中心，Flatiron研究所） ； Google DeepMind（谷歌DeepMind） ； Center for Computational Mathematics, Flatiron Institute（计算数学中心，Flatiron研究所） ； New York University（纽约大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出Agent Rosetta，将大语言模型与Rosetta软件环境结合，通过迭代优化实现用户定义的蛋白质设计目标，在规范氨基酸设计上匹配专家，在非规范残基设计上超越现有ML方法。
RASST：检索增强的同声传译
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对同声传译中罕见术语翻译不准的问题，提出检索增强方法RASST，通过轻量级语音-文本检索器提供分块术语提示，并合成训练数据教会模型何时应用检索术语，在ACL 60/60和ESO测试集上术语准确率提升近40%，BLEU提升最多3点。
Comments Under Review
ANCHOR: 神经算子时间推进的误差控制自适应数值校正
机构 * Department of Civil and Systems Engineering, Johns Hopkins University（土木与系统工程系，约翰霍普金斯大学）
AI总结 提出ANCHOR框架，通过基于物理信息的残差估计器自适应耦合预训练神经算子与经典数值求解器，实现非线性时变PDE的稳定长时预测，有效控制误差累积。
Comments 32 pages, 18 figures
HK-LegiCoST: 利用非逐字转录进行语音翻译
机构 * Center for Language and Speech Processing（语言与语音处理中心） ； Human Language Technology Center of Excellence（人类语言技术卓越中心） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出HK-LegiCoST语料库，包含600+小时粤语-英语三路平行数据，解决非逐字转录的句子级对齐挑战，在粤语语音翻译上取得竞争性基线并跨语料库验证。
RATS！补丁通过寄存器对话：寄存器注意力Transformer中的涌现部件
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Office of Naval Research, Arlington, VA（海军研究办公室，阿灵顿，弗吉尼亚州） ； Department of Laboratory Medicine and Pathology, Mayo Clinic, MN, USA（梅奥诊所检验医学与病理学系，明尼苏达州，美国）
AI总结 提出RATS模型，通过将分类令牌分解为可学习的寄存器令牌，在L→N→N→L瓶颈中路由补丁信息，无需辅助损失或部件标注，每个寄存器自发专化为类似物体部件的原语义区域，在五个分割基准上平均mIoU提升12。
AgentSpec: 通过受控组合理解具身智能体脚手架
机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Washington（华盛顿大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出AgentSpec模块化规范框架，将具身智能体表示为可复用策略组件的类型化组合，通过标准化接口实现受控组件替换与重组，揭示脚手架兼容性和交互效应对性能的主导作用。
Every Eval Ever：AI评估结果的统一模式与社区仓库
机构 * Technical University Munich（慕尼黑工业大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Weizenbaum Institute（魏岑鲍姆研究所） ； Zuse Institute Berlin（柏林祖泽研究所） ； Evidence Prime ； Trustible ； Kitware ； ETH Zurich（苏黎世联邦理工学院） ； StickFlux Labs ； Stanford University（斯坦福大学） ； Northeastern University（东北大学） ； IBM Research（IBM研究院） ； Comenius University Bratislava（布拉迪斯拉发夸美纽斯大学） ； Cisco（思科） ； University of Notre Dame（圣母大学） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； University of Oxford（牛津大学） ； Ohio University（俄亥俄大学） ； Writer ； TCS Research（塔塔咨询服务研究院） ； Oxford University Press（牛津大学出版社） ； Queen Mary University of London（伦敦玛丽女王大学） ； Technical University Berlin（柏林工业大学） ； University of Delaware（特拉华大学） ； Cinemo ； Johns Hopkins University（约翰霍普金斯大学） ； University of Copenhagen（哥本哈根大学） ； ELLIS（欧洲学习与智能系统实验室） ； Iowa State University（爱荷华州立大学） ； Meta FAIR ； University of Montreal（蒙特利尔大学） ； Mila Quebec AI Institute（Mila魁北克人工智能研究所） ； EleutherAI ； Yale University（耶鲁大学） ； Hugging Face ； University of Edinburgh（爱丁堡大学） ； Harvard University（哈佛大学） ； ETH AI Center（ETH人工智能中心） ； MIT（麻省理工学院） ； MIT-IBM Watson Lab（MIT-IBM沃森实验室）
AI总结 针对AI评估结果格式不统一、难以比较的问题，提出首个共享模式与社区众包仓库，通过标准化表示、自动转换器和社区数据库实现跨评估框架的统一。
非参数化机器文本检测：基于多视角高斯过程
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出多视角非参数检测框架，通过高斯过程集成互补特征视图，提高对对抗攻击的鲁棒性，并提供校准概率和分布外输入的原则性弃权。
GeoNatureAgent Benchmark：面向前沿与开源基础模型的环境地理空间分析LLM智能体基准测试
机构 * Universidad Católica de Ávila (UCAV)（阿维拉天主教大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Independent Researcher（独立研究者） ； Center for Geographic Analysis, Harvard University（哈佛大学地理分析中心）
AI总结 提出首个通过结构化工具调用真实API评估环境分析智能体的基准，包含93个任务，发现Claude Sonnet 4领先，但开源模型在成本效益上占优，且比较任务普遍未解决。
Comments Preprint. 10 pages, 8 figures. Submitted to ACM SIGSPATIAL 2026
保持特征的潜在EnKF用于含激波流动的数据同化
机构 * Department of Mechanical Engineering, Johns Hopkins University（约翰霍普金斯大学机械工程系）
AI总结 针对含激波流动中EnKF因多模态统计产生伪振荡的问题，提出在学习的低维潜在空间进行集合更新以保持激波特征，并通过共享解码器恢复物理状态，数值实验验证了无伪振荡的准确特征恢复。
ChiKhaPo: 一个用于评估大型语言模型词汇理解与生成能力的大规模多语言基准
机构 * Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） ； Johns Hopkins University, Center for Language and Speech Processing（约翰霍普金斯大学语言与语音处理中心）
AI总结 针对现有基准语言覆盖不足且侧重高阶任务的问题，提出ChiKhaPo基准，包含8个子任务，覆盖2700+种语言，评估LLM的词汇理解与生成能力，发现6个SOTA模型表现不佳。
MAGMaR 2026 共享任务结果
机构 * Johns Hopkins University（约翰霍普金斯大学） ； OpenAI ； University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） ； Air Force Research Laboratory（空军研究实验室） ； Human Language Technology Center of Excellence, Johns Hopkins University（约翰霍普金斯大学人类语言技术卓越中心） ； University of Amsterdam（阿姆斯特丹大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 本文介绍MAGMaR 2026共享任务的结果，包括视频检索和基于检索视频的生成任务，所有提交系统均超越去年基线。
Comments Findings of the 2nd workshop on Multimodal Augmented Generation via Multimodal Retrieval (MAGMaR); Resources at this url: https://github.com/rekriz11/MAGMAR_2026
重新评估掩蔽扩散语言模型中的置信度重新掩蔽
机构 * UvA-Bosch Delta Lab, University of Amsterdam（阿姆斯特丹大学UvA-Bosch Delta实验室） ； Bosch Center for AI（博世人工智能中心） ； University of Basel（巴塞尔大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文重新评估了掩蔽扩散语言模型中一种无需训练的后验置信度重新掩蔽方法WINO，发现在标准解码设置下其收益甚微，且会加剧多样性坍塌问题。
MSUE：多模态足球理解专家
机构 * South China University of Technology（华南理工大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Peking University（北京大学） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 提出MSUE多专家问答架构，结合VLM数据合成管道与LLM动态调度文本、图像、视频专家，在SoccerNet VQA挑战中达到0.95准确率，获第三名。
Comments 6 pages, 1 figures
运行时技能审计：针对智能体技能安全的目标运行时探测
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出运行时技能审计（RSA）动态分析方法，通过目标运行时条件探测技能行为，在100个技能上达到90.0%准确率，优于静态基线。
LLMs 在道德推理上表现不佳吗？
机构 * School of Philosophy (Political Philosophy) Renmin University of China（哲学学院（政治哲学）中国人民大学） ； School of Government and Policy Johns Hopkins University（政府与政策学院约翰霍普金斯大学）
AI总结 本文通过让LLMs生成评分标准而非直接评分，重新评估MoReBench数据集，发现LLMs的道德推理能力比先前认为的更强。
CS-YODAS：一个挖掘自真实环境的代码转换语音数据集
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Sheffield（谢菲尔德大学） ； Brno University of Technology（布尔诺理工大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Kyoto University（京都大学）
AI总结 本文提出CS-YODAS数据集，通过可扩展的人机协同流程从多语言YouTube数据中挖掘真实代码转换语音，涵盖7种基质语言共313小时，并分析其分布特征与语言对切换模式。
后门藏身何处？语音语言模型中后门传播的组件级分析
机构 * University of British Columbia（不列颠哥伦比亚大学） ； École de technologie supérieure（高等技术学院） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文通过后门攻击视角，对语音语言模型进行组件级分析，揭示后门在不同组件中的传播机制，发现后门持久性高度依赖目标组件，且中毒样本与良性样本在共享嵌入中不可直接分离。
Comments Interspeech 2026 (long paper)
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