高校专区
轨迹引导扩散：多层文档中保留前景的背景生成
机构 * University of Maryland at College Park（马里兰大学学院市分校）
AI总结 本文提出轨迹引导扩散方法，通过潜在空间设计实现多层文档中前景保留和背景生成的风格一致性。
Comments 47 pages, 36 figures
DRIFT：用于事实真实性检测的表征不一致检测
机构 * University of Maryland, College Park, MD, USA（马里兰大学） ； University of Chicago, Chicago, IL, USA（芝加哥大学） ； University of Florida, Gainesville, FL, USA（佛罗里达大学）
AI总结 DRIFT通过分析LLM中间层的置信度信号，提出轻量级探针和路由器，实现高效事实真实性检测，提升多个基准测试的AUROC性能。
FreeFix: 通过无微调扩散模型提升3D高斯散射
机构 * Zhejiang University（浙江大学） ； University of Maryland, College Park（马里兰大学学院 park 分校） ； Huawei（华为）
AI总结 FreeFix通过无微调扩散模型提升3D高斯散射，实现高质量视图合成与强泛化能力。
Comments Our project page is at https://xdimlab.github.io/freefix
MemCtrl: 使用 MLLMs 作为具身智能体的主动内存控制器
机构 * University of Maryland, College Park（马里兰大学 College Park分校）
AI总结 MemCtrl 通过使用 MLLMs 的可训练内存头 μ 实现在线内存修剪，提升具身智能体在复杂指令下的任务完成能力。
我们是否正确评估了LLM模型编辑的编辑局部性？
机构 * National University of Singapore（新加坡国立大学） ； Huazhong University of Science（华中科技大学） ； Central China Normal University ； University of Maryland, College Park（马里兰大学学院市分校）
AI总结 本文提出了一种改进的LLM模型编辑特异性评估协议，以更准确地衡量知识保留能力。
面向感知的潜在HRTF表示
机构 * University of Rochester（罗切斯特大学） ； Meta Reality Labs Research（Meta现实实验室） ； University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 本文提出了一种基于感知引导的潜在空间方法，用于提升HRTF个性化中的感知兼容性与重建效果。
Comments Accepted by IEEE WASPAA 2025, camera-ready version
SonoEdit：基于空域约束的知识编辑用于LLM基于TTS的发音纠正
机构 * TU Darmstadt（图宾根大学） ； UMD（马里兰大学） ； Smallest AI（最小AI）
AI总结 SonoEdit通过空域约束编辑技术，无需重新训练即可修正预训练TTS模型中特定词汇的发音错误，同时保持其他行为不变。
为社会公益服务的NLP：挑战、机遇与负责任部署的综述与展望
机构 * University of Copenhagen（哥本哈根大学） ； University of Michigan-Ann Arbor（密歇根大学安娜堡分校） ； ETH Zurich（苏黎世联邦理工学院） ； University of North Texas（北卡罗来纳州立大学） ； Sony Computer Science Laboratories - Paris（索尼计算机科学实验室-巴黎） ； Santa Clara University（圣克拉拉大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Dataminr（DataMinr公司） ； United Nations Development Programme (UNDP)（联合国开发计划署） ； University of Maryland, College Park（马里兰大学学院市分校） ； Max Planck Institute for Intelligent Systems, Tübingen（智能系统马克斯·普朗克研究所，图宾根） ； Vector Institute（向量研究所） ； University of Toronto（多伦多大学） ； University of Washington（华盛顿大学） ； Queen Mary University of London（伦敦大学玛丽女王学院） ； IIT Kharagpur（印度理工学院Kharagpur分校） ； University of California San Diego（加州大学圣地亚哥分校） ； Princeton University（普林斯顿大学） ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； University of Alicante（阿利坎特大学） ； University of Michigan-Flint（密歇根大学弗林特分校） ； University of Southern California（南加州大学） ； Technical University of Munich（慕尼黑技术大学）
AI总结 本文综述了NLP在社会公益领域的应用现状，指出包容性和AI危害是研究热点，同时呼吁跨学科合作以促进公众福祉。
Comments Accepted to EACL 2026
朝着理解视觉-语言模型量化最佳实践
机构 * University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 本研究探讨了视觉-语言模型量化方法对多模态流水线性能的影响，发现LLM低位量化在减少bpw时仍保持高精度，为高效部署MLLMs提供实践指导。
Comments 15 pages, 12 figures, 1 table
通过多任务学习实现噪声鲁棒的语音反向转换
机构 * Department of Electrical and Computer Engineering, University of Maryland, College Park, USA（电气与计算机工程系，马里兰大学， College Park, USA）
AI总结 本文提出通过多任务学习整合语音增强与语音反向转换，提升噪声环境下语音处理的鲁棒性。
Comments Accepted for presentation at ICASSP 2026
PersonaLedger: 通过基于人设的LLM和规则驱动的反馈生成逼真的财务交易
机构 * Capital One ； Google（谷歌） ； University of Maryland, College Park（马里兰大学学院 park 分校）
AI总结 PersonaLedger通过基于人设的LLM和规则驱动的反馈生成逼真的财务交易，提供隐私保护的数据集和基准测试，支持金融AI的创新与评估。
Protocode: 为LLMs中的代码生成提供原型驱动的可解释性
机构 * University of Maryland, College Park（马里兰大学 College Park分校）
AI总结 Protocode通过原型驱动的ICL采样提升代码生成的可解释性和性能。
OptimAI：利用LLM驱动的AI代理进行自然语言优化
机构 * Department of Computer Science University of Maryland at College Park（计算机科学系大学马里兰大学学院公园分校） ； Department of Mathematics University of Maryland at College Park（数学系大学马里兰大学学院公园分校） ； Department of Mathematics Department of Computer Science University of Maryland at College Park（数学系计算机科学系大学马里兰大学学院公园分校）
AI总结 OptimAI通过LLM驱动的AI代理解决自然语言描述的优化问题，实现88.1%的准确率，显著降低错误率。
强化反散射
机构 * School of Industrial and Systems Engineering（工业与系统工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Department of Statistics（统计学系） ； University of Chicago（芝加哥大学） ； Department of Mathematics（数学系） ； Department of Computer Science（计算机科学系） ； University of Maryland College Park（马里兰大学 College Park 分校）
AI总结 本文通过强化学习智能优化传感器位置和波频，提升反散射成像的重建质量与资源利用效率。
高维希尔伯特度量中的分类器
机构 * Department of Computer Science, University of Maryland, College Park, USA（计算机科学系，马里兰大学，College Park，美国）
AI总结 本文提出了一种高效的基于线性规划的算法，用于在高维希尔伯特度量中解决大边距支持向量机问题，并探讨了相关函数度量的应用。
量子核机学习在自主材料科学中的应用
机构 * Department of Materials Science and Engineering, University of Maryland, College Park, Maryland, 20742, USA（材料科学与工程系，马里兰大学，学院 park，马里兰，20742，美国） ； IonQ, 4505 Campus Dr, College Park, Maryland, 20740, USA（IonQ，4505校园大道，学院 park，马里兰，20740，美国） ； Materials Measurement Science Division, National Institute of Standards and Technology, Gaithersburg, Maryland, 20899, USA（材料测量科学 division，国家标准与技术研究院，盖瑟斯堡，马里兰，20899，美国） ； Quantum Materials Center, University of Maryland, College Park, Maryland, 20742, USA（量子材料中心，马里兰大学，学院 park，马里兰，20742，美国）
AI总结 本研究比较了量子和经典核在自主材料科学中用于连续相空间导航的实用性，验证了量子核模型在材料发现中的优势。
神经缩放定律的起源：从随机图到自然语言
机构 * Meta Superintelligence Labs, FAIR（Meta超智能实验室，FAIR） ； Department of Physics, University of Maryland, College Park（大学物理系，马里兰大学College Park分校） ； Joint Quantum Institute（联合量子研究所）
AI总结 本文研究了从随机图到自然语言的神经缩放定律起源，发现即使在无幂律结构的数据中，简化设置也能产生缩放定律，并展示了语言复杂性降低时缩放指数的单调变化。
Comments 33 pages
VideoLoom：一种用于联合空间-时间理解的视频大语言模型
机构 * Fudan University（复旦大学） ； University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 VideoLoom是一种用于联合空间-时间理解的视频大语言模型，通过LoomData-8.7k数据集和LoomBench基准测试，在多个视频理解任务中取得优异性能。
在量化下的鲁棒均值估计
机构 * Department of Mathematics, University of California Irvine（加州大学尔湾分校数学系） ； Department of Mathematics, University of Maryland, College Park（马里兰大学学院市分校数学系）
AI总结 本文提出在量化和对抗性污染下最优的多变量鲁棒均值估计方法，分别针对单比特和部分量化设置。
SeePerSea：用于自主水面车辆的水下物体多模态感知数据集
机构 * Department of Computer Science, Dartmouth College（达特茅斯学院计算机科学系） ； IQT Labs（IQT实验室） ； Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） ； Department of Computer Science, University of Maryland College Park（马里兰大学计算机科学系） ； The Institute for Human and Machine Cognition and The University of West Florida（人机认知研究所与西佛罗里达大学） ； School of Computing, Binghamton University（宾夕法尼亚州立大学计算学院）
AI总结 SeePerSea数据集为自主水面车辆提供多模态水下物体感知数据，通过训练测试现有深度学习算法，推动海洋自主技术发展。
Comments Topic: Special Issue on ICRA 2024 Workshop on Field Robotics
Journal ref IEEE Transactions on Field Robotics 2 (2025) - 737-752
子采样矩阵的积累及其在统计计算中的应用
机构 * Departments of Mathematics and Computer Science, Hong Kong Baptist University（香港 Baptist 大学数学与计算机科学系） ； Department of Mathematics, University of Maryland, College Park（马里兰大学 College Park 分校数学系）
AI总结 本文提出积累子采样方法，通过累积多个子采样投影，提升统计效率并控制有效矩阵大小，应用于统计模型中实现计算效率的提升。
具有人格意识和可解释性的自行车适应性评估：一种视觉-语言模型方法
机构 * University of Alabama（阿拉巴马大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； Stony Brook University（石溪大学） ； University of Florida（佛罗里达大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出一种视觉-语言模型框架，通过人格意识和可解释性方法评估自行车适应性，解决道路环境复杂性和用户感知异质性问题。
是谁的故事？通过推断作者风格实现个性化故事生成
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 本文提出通过推断作者风格实现个性化故事生成，利用作者写作表和定制规则提升生成故事的风格相似性，实验表明其在捕捉作者风格和相似性方面优于基线方法。
Comments Accepted to IJCNLP-AACL 2025 (Main)
通过动态结构剪枝将密集大语言模型转换为专家混合架构
机构 * Department of Computer Science, Florida State University（佛罗里达州立大学计算机科学系） ； Department of Computer Science and Engineering, University of Notre Dame（圣母大学计算机科学与工程系） ； Department of Computer Science, University of Maryland, College Park（马里兰大学学院市计算机科学系） ； Samsung Research America（三星美国研究机构） ； Department of Computer Science, University of Central Florida（中央佛罗里达大学计算机科学系） ； Department of Health Outcomes and Biomedical Informatics, University of Florida（佛罗里达大学健康结果与生物医学信息学系）
AI总结 通过动态结构剪枝将密集大语言模型转换为专家混合架构，提升模型效率与性能。
迈向自主的大量子点器件时间校准：检测、实时反馈和噪声谱学
机构 * Department of Physics, University of Maryland, College Park, Maryland 20742, USA（大学物理系，马里兰大学，学院公园，马里兰州，20742，美国） ； Joint Center for Quantum Information and Computer Science, University of Maryland, College Park, Maryland 20742, USA（量子信息与计算机科学联合中心，马里兰大学，学院公园，马里兰州，20742，美国） ； Kavli Institute of Nanoscience, Delft University of Technology, P.O. Box 5046, 2600 GA Delft, The Netherlands（纳米科学研究所，代尔夫特理工大学，P.O. Box 5046，2600 GA 代尔夫特，荷兰） ； Netherlands Organisation for Applied Scientific Research (TNO), Delft, The Netherlands（荷兰应用科学研究院（TNO），代尔夫特，荷兰） ； National Institute of Standards and Technology, Gaithersburg, Maryland 20899, USA（国家标准技术研究院，盖瑟斯堡，马里兰州，20899，美国） ； NNF Quantum Computing Programme, Niels Bohr Institute, University of Copenhagen, Blegdamsvej 17, 2100 Copenhagen, Denmark（NNF 量子计算计划，尼尔斯·波尔研究所，哥本哈根大学，Blegdamsvej 17，2100 哥本哈根，丹麦）
AI总结 本研究提出了一种自主时间校准方法，利用量子点电荷稳定性图进行实时反馈和噪声谱学分析，实现对大尺度量子点器件的稳定运行和噪声诊断。
Comments 12 pages, 4 figures
CAML: 多智能体系统中的协同辅助模态学习
机构 * University of Maryland, College Park（马里兰大学 College Park 分校） ； Adobe Research（Adobe 研究院） ； North Carolina State University（北卡罗来纳州立大学）
AI总结 CAML通过多智能体协作和共享多模态数据，提升多模态学习在资源受限环境下的性能，实现事故检测和语义分割的显著改进。
ReVEAL: 基于图学习的乘法器架构反向工程以提升优化乘法器的代数电路验证
机构 * University of Maryland, College Park, USA（美国马里兰大学College Park分校） ； TU Wien, Austria（奥地利维也纳技术大学） ； NVIDIA（英伟达公司） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
AI总结 ReVEAL通过图学习方法实现乘法器架构反向工程，提升优化乘法器的代数电路验证效率和准确性。
Comments Accepted by TACAS 2026
AdvPrefix: 一种面向 nuanced LLM 模型 jailbreak 的目标
机构 * University of Maryland, College Park（马里兰大学 College Park分校） ； FAIR, Meta（Meta的FAIR）
AI总结 AdvPrefix 提出了一种新的目标，通过结合高预填充攻击成功率和低负对数似然来选择模型依赖的前缀，以提升 jailbreak 攻击的精确性和有效性。
动态反馈引擎：分层控制用于自调节持续学习
机构 * University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 本文提出一种基于熵感知的动态反馈机制，通过分层控制缓解持续学习中的过拟合和欠拟合问题，提升模型泛化能力。
Comments 14 pages
使大语言模型成为高效密集检索器
机构 * University of Amsterdam（阿姆斯特丹大学） ； University of Maryland, College Park（马里兰大学 College Park 分校） ； Johns Hopkins University, HLTCOE（约翰霍普金斯大学 HLTCOE）
AI总结 EffiR通过粗到细的MLP压缩策略和检索特定微调，使大语言模型在保持性能的同时显著减少模型大小和推理成本。
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