Uncertainty Estimation by Flexible Evidential Deep Learning
通过灵活可信深度学习进行不确定性估计
机构 * Department of Industrial and Systems Engineering, KAIST（工业与系统工程系，韩国科学技术院）
AI总结 本文提出灵活可信深度学习（F-EDL），通过预测灵活的Dirichlet分布来提升不确定性量化在复杂和挑战性场景中的性能。
Comments NeurIPS 2025
高校专区
Korea Advanced Institute of Science and Technology（韩国科学技术院）
ChoiceMates: Supporting Unfamiliar Online Decision-Making with Multi-Agent Conversational Interactions
ChoiceMates: 通过多智能体对话交互支持陌生在线决策
机构 * University of California, San Diego（加州大学圣迭戈分校） ； School of Computing, KAIST（韩国科学技术院计算机学院） ； Information and Interaction Design, Yonsei University（延世大学信息与交互设计） ； Hong Kong University of Science（香港科学大学）
AI总结 ChoiceMates通过多智能体对话交互帮助用户更高效地进行陌生在线决策。
Comments Accepted to IUI 2026
Semi-Supervised Preference Optimization with Limited Feedback
半监督偏好优化与有限反馈
机构 * Yonsei University（延世大学） ； Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 本文提出半监督偏好优化方法，通过结合少量标注数据和大量未标注数据，有效提升模型对齐人类偏好的效率，减少数据获取成本。
Multimodal Prompt Optimization: Why Not Leverage Multiple Modalities for MLLMs
多模态提示优化：为何不利用多种模态为大语言模型服务
机构 * KAIST（韩国科学技术院）
AI总结 本文提出多模态提示优化问题，提出MPO框架，通过联合优化和贝叶斯策略提升多模态提示效果，验证其在图像、视频等多模态任务中的优越性。
Comments ICLR 2026
Point-DeepONet: Predicting Nonlinear Fields on Non-Parametric Geometries under Variable Load Conditions
点-深度ONet：在非参数几何上预测非线性场，以应对变量载荷条件
机构 * Cho Chun Shik Graduate School of Mobility, Korea Advanced Institute of Science and Technology（Cho Chun Shik 移动研究生院，韩国科学技术院） ； Narnia Labs（Narnia 实验室）
AI总结 Point-DeepONet通过整合PointNet与DeepONet框架，高效预测非参数几何和变量载荷下的物理响应场，实现比传统有限元分析快400倍的高保真结构分析。
Comments Accepted for publication in Neural Networks. 17 pages, 17 figures
Journal ref Neural Networks, 198 (2026) 108560
ASPEN: Spectral-Temporal Fusion for Cross-Subject Brain Decoding
ASPEN：跨受试者脑解码的频谱-时间融合
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Kyung Hee University（Kyung Hee大学） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） ； University of Pittsburgh（匹兹堡大学）
AI总结 ASPEN通过频谱-时间融合实现跨受试者脑解码，利用乘法融合提升跨模态一致性，有效提升未见受试者准确率。
Not the Example, but the Process: How Self-Generated Examples Enhance LLM Reasoning
不是例子，而是过程：如何自动生成的例子增强LLM推理
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Applied Artificial Intelligence, Sungkyunkwan University（成均馆大学应用人工智能系）
AI总结 本研究通过对比不同提示策略，发现自动生成例子的过程增强了LLM推理性能，而非例子本身。
Comments Presented at AACL-IJCNLP 2025
Latent Veracity Inference for Identifying Errors in Stepwise Reasoning
潜在真实性推断用于识别逐步推理中的错误
机构 * Mila – Québec AI Institute（魁北克人工智能研究所） ； KAIST（韩国科学技术院） ； Université de Montréal（蒙特利尔大学） ； LawZero（法零）
AI总结 本文提出通过引入潜在真实性变量和Veracity Search算法，提升语言模型在逐步推理中的准确性和可信度，并通过Amortized Veracity Inference实现零样本真实性推断。
Stratified Hazard Sampling: Minimal-Variance Event Scheduling for CTMC/DTMC Discrete Diffusion and Flow Models
分层危险采样：CTMC/DTMC离散扩散和流模型的最小方差事件调度
机构 * Department of EE KAIST（电子工程系，韩国科学技术院）
AI总结 分层危险采样通过最小化方差提升CTMC/DTMC离散扩散和流模型的样本质量与鲁棒性。
Comments Work in progress. Feedback welcome
KorMedMCQA-V: A Multimodal Benchmark for Evaluating Vision-Language Models on the Korean Medical Licensing Examination
KorMedMCQA-V: 一种用于评估视觉语言模型在韩国医学资格考试中多模态多项选择问答能力的基准测试
机构 * Ajou University School of Medicine（阿乔大学医学院） ； KAIST（韩国科学技术院）
AI总结 KorMedMCQA-V是一个用于评估视觉语言模型在韩国医学资格考试中多模态多项选择问答能力的基准测试，展示了不同模型在医疗领域中的表现差异。
Comments 17 pages, 2 figures, 6 tables. (Includes appendix.)
Can Large Audio Language Models Understand Audio Well? Speech, Scene and Events Understanding Benchmark for LALMs
大音频语言模型能理解音频吗？LALMs的语音、场景和事件理解基准
机构 * School of Electrical Engineering, KAIST, Daejeon, Republic of Korea（韩国成均馆大学电气工程学院）
AI总结 本文提出SSEU-Bench，首个考虑语音与非语音音频能量差异的音频理解基准，通过链式思维提升LALMs在联合理解任务中的性能。
Comments Accepted by ICASSP 2026
PASCAL: A Phase-Aware Scheduling Algorithm for Serving Reasoning-based Large Language Models
PASCAL：一种面向推理型大语言模型的服务调度算法
机构 * KAIST（韩国科学技术院）
AI总结 PASCAL通过优先处理推理阶段和控制回答阶段的令牌节奏，有效降低了推理型大语言模型的TTFT并保持服务等级目标。
Comments Accepted for publication at the 32nd IEEE International Symposium on High-Performance Computer Architecture (HPCA-32), 2026
Mamba Can Learn Low-Dimensional Targets In-Context via Test-Time Feature Learning
Mamba可通过测试时特征学习实现上下文中的低维目标
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； University of Tokyo（东京大学） ； RIKEN AIP（日本研究机构人工智能计划） ； The Institute of Statistical Mathematics（统计数学研究所） ； University of Tokyo/RIKEN AIP（东京大学/日本研究机构人工智能计划）
AI总结 Mamba通过测试时特征学习实现上下文中的低维目标，其非线性门控机制在特征提取中起关键作用，提升了计算效率和性能。
Comments 34 pages. Polished writing, added more experiments, and fixed minor errors
Benchmarks Are Not That Out of Distribution: Word Overlap Predicts Performance
基准不是那么分布外：词重叠预测性能
机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
AI总结 本研究发现词重叠程度与基准性能呈反比关系，表明基准性能受预训练数据与测试数据之间的词重叠影响，词频统计在其中起重要作用。
LocoVLM: Grounding Vision and Language for Adapting Versatile Legged Locomotion Policies
LocoVLM：为适应多功能腿式运动策略而 grounding 视觉和语言
机构 * School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（电气工程学院，韩国科学技术院）
AI总结 LocoVLM通过整合高层常识推理和视觉语言模型，实现了基于指令的实时腿式运动策略适应，准确率达87%。
Comments Project page: https://locovlm.github.io
From Belief Entrenchment to Robust Reasoning in LLM Agents
从信念固化到LLM代理的稳健推理
机构 * KAIST AI（韩国科学技术院人工智能研究所）
AI总结 DReaMAD通过引入多样化推理和动态辩论机制，有效缓解了LLM代理中的信念固化问题，提升了推理准确性与胜率。
Comments Accepted to TACL
Generative Prompt Internalization
生成性提示内化
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Microsoft Research（微软研究院）
AI总结 生成性提示内化通过联合训练方法实现复杂提示的内化，减少计算开销并提升模型性能。
Comments NAACL 2025 (Main Conference)
Journal ref NAACL 2025
Circuit Fingerprints: How Answer Tokens Encode Their Geometrical Path
电路指纹：答案标记如何编码其几何路径
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 通过几何对齐实现电路发现，揭示transformer电路本质上是几何结构，实现可控引导并提升情感分类准确率。
Comments Submitted to ICML 2026. 15 pages, 11 figures
Why Linear Interpretability Works: Invariant Subspaces as a Result of Architectural Constraints
为何线性可解释性有效：架构约束下的不变子空间
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 本文提出不变子空间必要性定理，揭示Transformer架构约束下线性可解释性方法有效的原因，统一了线性探针和稀疏自编码器。
Comments Submitted to ICML 2026. 19 pages, 13 figures
Unconditional Priors Matter! Improving Conditional Generation of Fine-Tuned Diffusion Models
无条件先验很重要！改进细调扩散模型的条件生成
机构 * KAIST（韩国科学技术院）
AI总结 本文提出通过替换无条件噪声提升条件生成质量，验证了使用其他扩散模型进行无条件噪声预测的有效性。
Comments WACV 2026; Project Page: https://unconditional-priors-matter.github.io/
Chamelion: Reliable Change Detection for Long-Term LiDAR Mapping in Transient Environments
Chamelion：在瞬态环境中实现长期LiDAR映射的可靠变化检测
机构 * School of Electrical Engineering, KAIST (Korea Advanced Institute of Science and Technology)（韩国科学技术院电子工程学院） ； Department of Electrical Mechanical Systems Engineering, Sookmyung Women’s University（成均馆女子大学电气机械系统工程系） ； KRAFTON
AI总结 Chamelion通过双头网络实现在线变化检测和长期LiDAR地图维护，利用数据增强策略提升在瞬态环境中的地图更新效率与准确性。
Comments 8 pages, IEEE Robot. Automat. Lett. (RA-L) 2026
Learning-based Initialization of Trajectory Optimization for Path-following Problems of Redundant Manipulators
基于学习的轨迹优化初始化方法用于冗余机械臂路径跟随问题
机构 * School of Computing, Korea Advanced Institute of Science and Technology（计算机学院，韩国科学技术院）
AI总结 本文提出了一种基于学习的初始轨迹生成方法，通过示例引导强化学习快速生成高质量初始轨迹，提升冗余机械臂轨迹优化的性能。
Comments Accepted at ICRA 2023. Project page: https://sgvr.kaist.ac.kr/~msyoon/papers/ICRA23_RLITG/
Journal ref In Proceedings of the 2023 IEEE International Conference on Robotics and Automation (ICRA), pp. 9686-9692, 2023
Enhancing Navigation Efficiency of Quadruped Robots via Leveraging Personal Transportation Platforms
通过利用个人运输平台提升四足机器人导航效率
机构 * School of Computing at the Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院计算机学院）
AI总结 本文提出基于强化学习的主动运输者骑行方法，通过利用个人运输工具提升四足机器人导航效率与能耗表现。
Comments Accepted at ICRA 2025. Project page: https://sgvr.kaist.ac.kr/~msyoon/papers/ICRA25/
Journal ref In Proceedings of the 2025 IEEE International Conference on Robotics and Automation (ICRA), pp. 11184-11190, 2025
Learning-based Adaptive Control of Quadruped Robots for Active Stabilization on Moving Platforms
基于学习的四足机器人自适应控制用于移动平台上的主动稳定化
机构 * School of Computing at Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院计算机学院）
AI总结 本文提出基于学习的四足机器人自适应控制方法，通过自平衡策略和状态估计器实现移动平台上的主动稳定化，实验表明其在多个指标上优于基线方法。
Comments Accepted at IROS 2024. Project Page: https://sgvr.kaist.ac.kr/~msyoon/papers/IROS24/
Journal ref In Proceedings of the 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp. 701-708, 2024
Electron-Informed Coarse-Graining Molecular Representation Learning for Real-World Molecular Physics
电子信息引导的粗粒化分子表示学习用于现实世界分子物理
机构 * Korea Research Institute of Chemical Technology（韩国化学技术研究院） ； Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 HEDMoL通过利用小分子电子信息提升大分子表示学习，实现对现实世界分子物理的高效预测。
Comments KDD 2025 Research Track
DreamDojo: A Generalist Robot World Model from Large-Scale Human Videos
DreamDojo：从大规模人类视频中学习通用机器人世界模型
机构 * NVIDIA ； HKUST（香港科技大学） ； UC Berkeley（加州大学伯克利分校） ； Stanford（斯坦福大学） ； KAIST（韩国科学技术院） ； UofT（多伦多大学） ； UCSD（加州大学圣地亚哥分校） ； UT Austin（德克萨斯大学奥斯汀分校）
AI总结 DreamDojo通过大规模人类视频学习通用机器人世界模型，解决动作标签稀缺问题，实现高精度物理理解和实时交互。
Comments Project page: https://dreamdojo-world.github.io/
POP: Online Structural Pruning Enables Efficient Inference of Large Foundation Models
POP：在线结构剪枝实现大基础模型的高效推理
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； University of Tokyo, Tokyo, Japan（东京大学） ； Tokyo Institute of Technology, Tokyo, Japan（东京技术大学）
AI总结 POP通过在线结构剪枝提升大基础模型推理效率，实现动态剪枝与低计算开销。
Completing Missing Annotation: Multi-Agent Debate for Accurate and Scalable Relevant Assessment for IR Benchmarks
补全缺失注释：基于多智能体辩论的准确且可扩展的相关性评估框架用于信息检索基准测试
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
AI总结 DREAM通过多智能体辩论框架提高IR基准测试的相关性评估准确性，减少人力参与，构建BRIDGE基准并揭示缺失相关片段，改进检索器比较。
Comments Accepted at ICLR 2026
Uniform Spectral Growth and Convergence of Muon in LoRA-Style Matrix Factorization
洛拉风格矩阵分解中穆伦的谱增长与收敛
机构 * KAIST（韩国科学技术院）
AI总结 研究揭示了LoRA微调LLM时穆伦的谱特性，证明了奇异值等速率增长并收敛至全局极小值。
Constella: Supporting Storywriters' Interconnected Character Creation through LLM-based Multi-Agents
Constella：通过基于LLM的多智能体支持故事创作者的相互关联角色创作
机构 * Department of Industrial Design, KAIST（韩国成均馆大学工业设计系）
AI总结 Constella通过基于LLM的多智能体系统，帮助故事创作者更高效地构建相互关联的角色群，提升角色关系的复杂性和多样性。
Comments Accepted to ACM Transactions on Computer-Human Interaction (TOCHI)
