高校专区
通过校准视角看人机协作
机构 * Department of Computer Science, Johns Hopkins University（计算机科学系，约翰霍普金斯大学） ； Department of Statistics, University of Michigan（统计学系，密歇根大学）
AI总结 研究通过统计校准视角分析人机协作模型，发现组合方法不保留人类校准度，而委托方法将校准负担转移给拒绝器元模型，且当人类依赖系统不可观测信息时无法实现。
Comments 19 pages, 5 figures (including appendix)
测试时对抗接管：针对机器人扩散策略的实时劫持接口
机构 * Tsinghua University（清华大学） ； Independent Researcher（独立研究员） ； Johns Hopkins University（约翰霍普金斯大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 提出测试时对抗接管（TAKO）方法，通过可微扩散推理学习可重复使用的通用补丁，在测试时切换补丁以劫持机器人策略，实现远程操控，在多种任务和模型上达到100%接管成功率。
无监督风格表示学习用于通过释义反转检测AI文本
机构 * Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出无监督风格编码器，通过重构人工文本与机器生成释义间的差异学习判别性风格特征，实现少样本和零样本AI文本检测，性能优于基线。
Dmsh：一种用于全四边形网格生成的多智能体强化学习框架
机构 * Department of Mechanical Engineering, Indian Institute of Technology Madras（印度理工学院马德拉斯分校机械工程系） ； Institute of Continuum Mechanics, Leibniz Universität Hannover（莱比锡大学汉诺威连续力学研究所） ； Institute of Structural Mechanics, Bauhaus-Universität Weimar（魏玛包豪斯大学结构力学研究所） ； Department of Civil and Systems Engineering, Johns Hopkins University（约翰霍普金斯大学土木与系统工程系）
AI总结 提出Dmsh，首个全自动强化学习流水线，通过三个协调智能体处理拓扑简化、几何正则化和网格生成，采用参数化Soft Actor-Critic架构和课程学习策略，实现高质量全四边形网格生成。
GenEyePose：用于数字神经生理学生物标志物开发的无患者、基于知识的扫视眼动建模
机构 * Whiting School of Engineering, Johns Hopkins University（约翰霍普金斯大学惠廷工程学院） ； Department of Neurology, Johns Hopkins Medicine（约翰霍普金斯医学院神经内科）
AI总结 提出首个全合成、无患者的多模态眼动生成流水线，用于泛化扫视分析；基于合成数据训练的深度学习分类器在真实临床数据上区分正常与异常扫视精度，AUROC达0.76。
阈值化局部超流扩散
机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出TL-HFD算法，通过局部活动区域和阈值化边界激活实现超图种子聚类的局部扩散，保证与全局更新等价并给出有限时间对偶次优性界。
在线学习中的近因效应：滑动窗口流式多臂老虎机算法
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Rensselaer Polytechnic Institute（伦斯勒理工学院） ； Texas A&M University（德克萨斯农工大学）
AI总结 针对在线学习中的近因效应，研究单遍滑动窗口流式多臂老虎机问题，提出纯探索和遗憾最小化算法，并给出记忆-遗憾权衡。
Comments ICML 2026
测试黑箱：面向消费者的健康大语言模型独立评估的结构性障碍
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California, Berkeley（加州大学伯克利分校） ； Toronto General Hospital, University Health Network（多伦多综合医院，大学健康网络） ； McGill University（麦吉尔大学） ； University of Toronto（多伦多大学） ； Independent Researcher（独立研究者） ； Rutgers University（罗格斯大学） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院）
AI总结 本研究通过模拟用户档案，测试面向消费者的健康大语言模型在响应变异和谄媚行为方面的表现，发现五大结构性障碍阻碍独立评估。
Comments 6 pages, 1 figure. Preprint submitted for review
C3VD-DEFCOL：具有时间分辨三维真实地面真值和逼真外观的可变形结肠镜数据集
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Universidad de Zaragoza（萨拉戈萨大学）
AI总结 提出C3VD-DEFCOL框架和数据集，通过模拟蠕动变形和真实纹理渲染，为可变形结肠镜三维重建提供带时间分辨地面真值的评估平台。
通用语音内容分解
机构 * Center for Language and Speech Processing, Johns Hopkins University, USA（约翰霍普金斯大学语言与语音处理中心） ； Human Language Technology Center of Excellence (COE), Johns Hopkins University, USA（约翰霍普金斯大学人类语言技术卓越中心（COE））
AI总结 本文提出USCF方法，通过线性可逆方法提取低秩语音表示，抑制说话人音色同时保留语音内容。该方法扩展了语音内容分解，通过最小二乘优化学习通用语音到内容映射，并从少量目标语音中推导出说话人特定转换。
Comments Accepted to Interspeech 2026
流动链：基于患者特定解剖锚点的ECG条件4D心脏电影生成
机构 * School of Engineering, College of Engineering and Physical Sciences, University of Birmingham（英国伯明翰大学工程学院） ； William Harvey Research Institute, NIHR Barts Biomedical Research Centre, Queen Mary University London（伦敦Queen Mary大学威廉·哈里维研究所） ； Barts Heart Centre, St Bartholomew’s Hospital, Barts Health NHS Trust（巴特勒医院心脏中心，圣巴塞洛缪医院，巴特勒健康 NHS信托） ； Division of Cardiology, Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院心脏病科）
AI总结 提出Chain of Flow (COF)框架，利用患者特定MRI和当前ECG生成4D心脏电影，在UK Biobank上实现高图像保真度和下游功能性能。
Comments 10 pages, 8 figures. Submitted to IEEE Transactions on Medical Imaging (TMI). Code will be released after review
UA-DCM: 基于效应界分解的不确定性感知因果决策
机构 * Electrical and Computer Engineering, Purdue University（帕克大学电气与计算机工程系） ； Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Cohesity
AI总结 提出一种新框架，通过分解因果效应值的可消除与不可消除部分，区分收集更多样本能否帮助识别最优行动，并利用神经因果模型近似实现该分解。
CodecFake+: 基于编解码器的重合成数据作为检测CodecFake语音的代理
机构 * Graduate Institute of Communication Engineering, National Taiwan University（国家交通大学通信工程研究院） ； Department of Computer Science and Information Engineering, National Taiwan University（国家交通大学计算机科学与信息工程系） ； Center for Language and Speech Processing at Johns Hopkins University（约翰霍普金斯大学语言与语音处理中心） ； Department of Electrical Engineering, National Taiwan University（国家交通大学电子工程系） ； Research Center for Information Technology Innovation, Academia Sinica（学术院信息技术创新研究中心） ； NTU Artificial Intelligence Center of Research Excellence (NTU AI-CoRE)（国家交通大学人工智能研究中心）
AI总结 针对新兴的CodecFake深度伪造语音检测挑战，提出大规模数据集CodecFake+，包含31种开源编解码器重合成训练数据和17种先进CoSG模型网络数据，并建立编解码器分类体系，验证了重合成语音作为训练数据的有效性。
Comments Accepted by TASLP 2026
Agentopia: 智能体社会中的长期生活模拟与学习
机构 * Fudan University（复旦大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 提出Agentopia框架，模拟100个智能体在10年内的社会生活，通过生命奖励训练LLM，提升其社交智能，并在角色扮演基准上取得15.6%的提升。
Comments 79 pages, 19 figures
PromptPrint: 通过自然语言提示在LLMs中的行为生物特征
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出PromptPrint，研究用户与LLM交互的简短提示是否包含可识别的行为生物特征，通过词汇、句法和话语模式分析，发现词汇稳定性假设成立，但存在唯一性-一致性悖论，且身份信号对语义改写脆弱。
Comments 10 pages, 6 figures
探究多模态大语言模型在中国短视频虚假信息中的认知偏差
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Chinese University of Hong Kong（香港中文大学） ； University of Chicago（芝加哥大学） ； Renmin University of China（中国人民大学）
AI总结 本文通过200个短视频数据集评估8种多模态大语言模型在健康领域虚假信息中的表现，发现Gemini-2.5-Pro表现最佳（信念分数71.5/100），而模型易受权威频道ID等社会线索影响。
Comments Accepted to ACL 2026 (Findings)
共形解缠与潜在空间策展：面向视角合成、区分和定向生成的神经框架
机构 * 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） ； Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； Faculty of Science, Technology and Medicine, University of Luxembourg（科学、技术与医学学院，卢森堡大学） ； 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） ； Department of Chemical and Biomolecular Engineering, Johns Hopkins University（化学与生物分子工程系，约翰霍普金斯大学）
AI总结 提出一种神经自编码器框架，通过结构约束和正交正则化从多传感器数据中分离共享与传感器特定潜在变量，并利用解缠潜在子空间实现定向生成和跨传感器推断。
加速与扩展MPC引导的强化学习在类人机器人行走与操作中的应用
机构 * California Institute of Technology（加州理工学院） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出了一种基于质心动力学MPC奖励的MPC-RL框架，并开发了并行批处理GPU求解器π^nMPC，以高效实现类人机器人的行走与操作技能。
Comments 8 pages, 5 figures
ColBERTSaR: 通过乘积量化实现稀疏化的 ColBERT 索引
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出通过乘积量化将 ColBERT 索引转化为真正的倒排索引，显著减小索引大小（比 PLAID 小 50-70%）同时保持检索效果。
Comments 6 pages, 1 figure, accepted at SIGIR 2026 as a short paper
wa-hls4ml: 一个用于hls4ml资源和延迟估计的基准及替代模型
机构 * Fermi National Accelerator Laboratory（费米国家加速器实验室） ； University of California San Diego（加州大学圣地亚哥分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Sherbrooke（Sherbrooke大学） ； Columbia University（哥伦比亚大学） ； Texas A&M University（德克萨斯A&M大学） ； European Organization for Nuclear Research (CERN)（欧洲核子研究中心（CERN））
AI总结 本文提出了一个用于评估ML加速器资源和延迟的基准wa-hls4ml，并介绍了基于图神经网络和Transformer的替代模型，用于预测ML加速器的延迟和资源使用情况。
Comments 30 pages, 18 figures
Journal ref Wa-hls4ml: A Benchmark and Surrogate Models for hls4ml Resource and Latency Estimation. ACM Trans. Reconfigurable Technol. Syst. 19, 2, Article 20 (June 2026), 29 pages
图级联：基于传染的介观重连用于结构感知图机器学习
机构 * KTH Royal Institute of Technology（皇家理工学院） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出一种基于传染扩散的介观重连策略Graph Cascades，通过构建辅助图增强图神经网络和变换器对中间尺度结构的捕捉能力，在节点分类任务上提升多个骨干网络性能，并理论刻画了重连有效的条件。
DAR: 基于智能体框架的道义推理
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Télécom Paris, Institut Polytechnique de Paris（巴黎电信学院，巴黎理工学院）
AI总结 提出DAR框架，通过让模型按需与法规交互来提升基于LLM的道义推理能力，实验表明智能体框架可提升性能但存在非均匀改进和弱模型数值任务退化问题。
NoRA: 评估视觉第一人称规范性动作推理中的基于事实的合理性
机构 * The University of Sydney（悉尼大学） ； Australian National University（澳大利亚国立大学） ； RMIT University（皇家墨尔本理工大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 提出NoRA基准，通过事实-理由-动作支持图评估多模态模型生成合理动作并基于可见事实进行推理的能力，发现当前VLM在构建完整动作空间和绑定正确支持方面存在不足。
MemoryDocDataSet: 联合对话记忆与长文档推理的基准测试
机构 * Northeastern University（东北大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Columbia University（哥伦比亚大学） ； Independent Researcher（独立研究者）
AI总结 提出MemoryDocDataSet合成基准，包含50个微世界和1000个QA对，评估系统同时处理多轮对话历史和长文档阅读理解的能力，其中75.1%的问题需要混合推理（先导航对话历史再提取文档答案），实验显示联合检索存在明显差距。
Comments 17 pages, 2 figures, 8 tables. Submitted for peer review
MaskForge：用于越狱扩散大语言模型的结构感知自适应攻击
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Southern California（南加州大学） ； Responsible AI Research (RAIR) Centre, The University of Adelaide（阿德莱德大学负责任人工智能研究中心）
AI总结 提出MaskForge，一种全黑盒自适应攻击方法，通过优化结构模式库实现扩散大语言模型的红队测试，平均攻击成功率达79.3%。
Comments 28 pages, 7 figures, 11 tables. Preprint
SPLIT-PINN: 基于物理信息神经网络的可分离概率学习技术用于高维概率建模
机构 * Department of Mechanical Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校机械工程系） ； Department of Mathematics, University of Wisconsin-Madison（威斯康星大学麦迪逊分校数学系） ； Department of Civil Engineering, Johns Hopkins University（约翰霍普金斯大学土木工程系） ； Materials Physics and Applications Division, Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室材料物理与应用 division） ； Department of Materials Science and Engineering, University of Wisconsin-Madison（威斯康星大学麦迪逊分校材料科学与工程系）
AI总结 提出一种基于物理信息神经网络的可分离概率学习技术（SPLIT-PINN），通过将漂移场分解为边际校正项并施加正交约束，从数据中推断高维输运主导的联合概率密度函数演化，实现对多晶材料微观结构状态演变的准确概率预测。
揭示盲点：生成图像模型中的文化偏见评估
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Dongguk University（东国大学） ； Delft University of Technology（代尔夫特理工大学） ； Johns Hopkins University, School of Medicine（约翰霍普金斯大学医学院） ； University of Minnesota–Twin Cities（明尼苏达大学双城分校） ； Lavoro AI
AI总结 提出一个统一的评估框架，结合自动指标、文化感知VQA和专家人工判断，对文本到图像和图像到图像生成模型进行跨国家、跨时代和跨类别的文化偏见评估，发现模型存在默认全球北方现代描绘、迭代编辑侵蚀文化保真度以及仅应用表面线索等问题。
Comments 28 pages, 8 figures. Accepted at IASEAI 2026. Huichan Seo, Sieun Choi, and Minki Hong contributed equally
对记录交互数据进行离散化会偏学习决策制定
机构 * Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文研究了对非等间隔时间序列数据进行离散化对决策制定模型训练的影响，指出离散化引入了偏差，并提出使用连续时间模型来避免这一问题。
Comments This is a standalone short paper describing a new type of bias that can arise when learning from time series data for sequential decision-making problems
通过谐波传递函数识别混合弹簧质量阻尼器：迈向基于数据的腿部运动模型
机构 * Electronics Engineering, Bilkent University, 06800 Ankara, Turkey Email ； 2 Dept. of Mechanical Engineering, Johns Hopkins University, Baltimore, MD 21218, USA Email ； 3 Dept.\ of Computer Engineering, Middle East Technical University, 06800 Ankara, Turkey Email
AI总结 本文通过数据驱动的频域系统识别方法，利用谐波传递函数构建混合结构动力学模型，展示其在腿部运动建模中的应用潜力。
Comments Draft submitted to the 17th International Conference on Advanced Robotics
KC-3DGS: 基于峰度约束的高斯泼溅用于高保真视图合成
机构 * Johns Hopkins University（约翰霍普金斯大学） ； NEC Labs America（NEC美国实验室）
AI总结 提出KC-3DGS，通过在小波域添加多尺度对齐损失、峰度集中损失和跨频带协方差惩罚，增强3DGS的感知质量，尤其改善稀疏视图下的高频细节和结构伪影。
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