University of Maryland, College Park（马里兰大学帕克分校）

An Answer is just the Start: Related Insight Generation for Open-Ended Document-Grounded QA

答案只是开始：面向开放性文档引导问答的相关洞察生成

Saransh Sharma, Pritika Ramu, Aparna Garimella, Koyel Mukherjee

机构 * Adobe Research（Adobe研究） ； University of Maryland, College Park（马里兰大学学院公园分校） 纠错

AI总结 本文提出文档引导相关洞察生成任务，通过构建主题表示和选择相关上下文生成多样化洞察，提升开放性问答体验。

Comments Paper accepted at ACL Findings 2026

Take Out Your Calculators: Estimating the Real Difficulty of Question Items with LLM Student Simulations

拿出计算器：利用LLM学生模拟估算问题的真实难度

Christabel Acquaye, Yi Ting Huang, Marine Carpuat, Rachel Rudinger

机构 * University of Maryland, College Park（马里兰大学学院公园分校） 纠错

AI总结 本文探讨利用开源大语言模型评估数学选择题难度的方法，通过模拟不同年级学生角色扮演，利用IRT模型对比预测难度与实际难度，发现模型性能受学生命名策略和数学能力影响。

Personalized Embodied Navigation for Portable Object Finding

面向便携物品寻找的个性化具身导航

Vishnu Sashank Dorbala, Bhrij Patel, Amrit Singh Bedi, Dinesh Manocha

机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； University of Central Florida（中央佛罗里达大学） 纠错

AI总结 本文提出了一种面向动态环境的个性化习惯学习方法，通过引入Transit-Aware Planning算法提升便携物品寻找的性能，在模拟和现实环境中均取得显著效果。

Comments 10 pages