高校专区
一种用于定向耦合器设计的LLM编排智能体，具有自洽本征模和FDTD验证
机构 * Department of Mechanical Engineering, University of Maryland, College Park（马里兰大学学院市机械工程系） ； Apsidal LLC ； Department of Radiation Oncology, Stanford University（斯坦福大学放射肿瘤科）
AI总结 提出一种由大语言模型编排的智能体，结合本征模求解器和FDTD验证，自动设计SOI 2×2定向耦合器，实现高精度50/50分束。
保持物理特性的潜在压缩：三维湍流零样本分辨率迁移
机构 * The University of Alabama（阿拉巴马大学） ； University of Pittsburgh（匹兹堡大学） ； University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 提出PPLC框架，利用惯性区尺度相似性，通过分块局部变分自编码器实现从低分辨率训练到高分辨率测试的零样本迁移，保持物理诊断量准确性。
Comments 10 pages, 6 figures, 4 tables
PolicyGuard：面向强化学习智能体的测试时和步级对抗防御
机构 * Computer Science, University of Maryland College Park, USA（计算机科学，马里兰大学学院市）
AI总结 提出PolicyGuard，一种基于高斯过程后验方差的测试时步级后门防御方法，通过自适应伪轨迹计算单步不确定性，在七种RL游戏中达到平均AUROC 0.856和0.859。
Guava: 一种有效且通用的具身操作工具框架
机构 * University of Maryland College Park（马里兰大学帕克分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Waterloo（滑铁卢大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Amazon FAR（亚马逊 FAR）
AI总结 提出Guava框架，通过迭代感知-推理-行动循环、语义动作抽象和多模态观测三大关键设计，将具身操作能力蒸馏到4B开源模型中，在仿真和真实环境中性能媲美前沿专有模型。
AUTOGATE：基于翻转感知的LLM驱动RTL重写的自动时钟门控
机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； NVIDIA（英伟达）
AI总结 提出AUTOGATE框架，通过ML-LLM协同设计将波形翻转迹线转化为紧凑表示，指导LLM进行RTL重写，实现层次化代码库中的时钟门控优化，平均降低动态功耗49.31%。
Comments 9 pages, 6 figures, 7 tables
大型音频语言模型时间理解失败模式的深入分析
机构 * University of Maryland, College Park（马里兰大学帕克分校）
AI总结 本文通过行为与因果机制分析，揭示大型音频语言模型在时间推理中因模态不平衡而失败，并提出注意力重分配方法提升准确率。
Comments Accepted to Interspeech 2026
$\mu_0$: 一种可扩展的3D交互轨迹世界模型
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Seoul National University（首尔大学）
AI总结 提出基于3D轨迹的可扩展世界模型$\mu_0$，通过预测交互点轨迹实现跨本体机器人学习，无需动作标签，性能媲美有监督模型。
说服指数：一个理论指导的说服分析框架
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； New York University（纽约大学）
AI总结 提出基于心理学和传播学理论的15维说服指数（PI）及55个子特征实现，在四个数据集上验证其能解释说服相关修辞模式，并提供轻量级预测信号。
自演化视觉提问器
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Peking University（北京大学） ； Arena ； MBZUAI（穆罕默德·本·扎耶德人工智能大学）
AI总结 提出自演化框架，让视觉语言模型作为提问器和过滤器，无需外部监督即可生成更难、更信息丰富、更视觉中心的问题，并保持探索多样性以避免训练崩溃，显著提升自主提问质量和难度边界。
Comments 21 pages, including references and appendix. Project Page is available at https://joliang17.github.io/SelfEvolvingVQG/
利用深度学习薛定谔桥改进月球地形
机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（佐治亚理工学院H. Milton Stewart工业与系统工程系） ； NASA Goddard Space Flight Center（美国国家航空航天局戈达德太空飞行中心） ； Center for Research and Exploration in Space Science and Technology (CRESST II), University of Maryland, College Park（马里兰大学帕克分校空间科学与技术研究与探索中心（CRESST II）） ； National Institute for Astrophysics (INAF), Astrophysical Observatory of Turin（意大利国家天体物理研究所（INAF）都灵天体物理天文台）
AI总结 提出基于扩散薛定谔桥的生成模型，结合光学影像约束，实现月球地形超分辨率重建，并提供像素级不确定性估计。
Journal ref The Planetary Science Journal 7.6 (2026): 139
EquiDexFlow: 基于接触的SE(3)-等变灵巧抓取生成流
机构 * Institute for Systems Research, University of Maryland, College Park（马里兰大学帕克分校系统研究所）
AI总结 提出EquiDexFlow，一种SE(3)-等变流匹配模型，联合预测腕部姿态、关节角度、指尖接触、表面法线和接触力，通过将接触投影到物体表面并将力约束在库仑摩擦锥内，确保物理稳定抓取，在16自由度Allegro手上实现零摩擦违规和最佳综合分数。
Comments 22 pages, 11 figures, 11 tables. Project page with videos, code, and checkpoints: https://equidexflow.github.io
定位语言模型中的锚定路径
机构 * University of Maryland, College Park（马里兰大学帕克分校）
AI总结 研究提示中无关数字如何影响语言模型数值推理的锚定效应，通过logit差值度量和电路归因定位，发现边级方法优于节点级方法，并揭示锚定路径的共享与迁移特性。
帮助图表讲述它们的故事！基于论文的视频生成解释复杂科学图表
机构 * University of Maryland, College Park（马里兰大学学院市分校）
AI总结 提出MINARD流水线，从图表及其论文生成基于区域分解的叙述性视频，并发布FigTalk基准，在自动和人工评估中优于现有方法。
Comments Webpage: https://minard.vercel.app/
你的大模型何时可操控？
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； MBZUAI, UAE（穆罕默德·本·扎耶德人工智能大学）
AI总结 提出通过模型生成初期的内部状态预测激活操控是否成功，并利用该预测器优化操控强度搜索，降低解码成本。
FlowBank: 通过预计算与复用实现查询自适应智能体工作流优化
机构 * University of Maryland, College Park（马里兰大学哥伦比亚公园分校） ； Amazon（亚马逊）
AI总结 提出FlowBank框架，通过预计算多样化工作流并压缩为紧凑组合，在推理时自适应选择最优工作流，平衡性能与成本，在五个基准上平均得分最高且成本可控。
城市热微型数据立方体：面向城市热研究的人工智能就绪数据集
机构 * Department of Atmospheric and Oceanic Science, University of Maryland, College Park, MD, USA（大学大气科学与海洋科学系，马里兰大学，学院公园，MD，美国） ； Department of Computer Science, University of Maryland, College Park, MD, USA（大学计算机科学系，马里兰大学，学院公园，MD，美国） ； NASA Goddard Space Flight Center, Greenbelt, MD, USA（NASA戈达德航天飞行中心，格林贝尔特，MD，美国） ； NASA Marshall Space Flight Center, Huntsville, AL, USA（NASA马歇尔航天飞行中心，亨茨维尔，AL，美国）
AI总结 提出Urban Heat MiniCubes数据集，整合多源卫星数据（Landsat 8/9、Sentinel-1、GOES-R等），为48个城市提供90×90公里网格化数据立方体，支持机器学习在城市热研究中的应用。
Comments 53 pages, 26 figures, Submitted to Nature Scientific Data
IDEAL: 深度对齐实现离散表示自编码器
机构 * Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究所） ； Shanghai Innovation Institute（上海创新研究院） ； University of Maryland, College Park（马里兰大学帕克分校）
AI总结 提出IDEAL框架，通过联合对齐量化令牌与浅层和深层VFM特征，提升离散表示自编码器的重建质量，在ImageNet上实现0.61 rFID，并创下自回归图像生成新纪录（gFID 1.89）。
Comments Code is available at https://github.com/Row11n/IDEAL
推理是否保持对齐？关于大型推理模型的可信度研究
机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of Central Florida（中佛罗里达大学） ； University of Maryland College Park（马里兰大学帕克分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 研究通过监督微调、强化学习和蒸馏生成的推理模型在安全、偏见、隐私等六个可信度维度上是否保持对齐，发现推理模型常出现对齐退化，如毒性增加、刻板印象加剧等。
基于上下文学习的民意数据插补方法
机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of Mannheim（曼海姆大学） ； Institute for Employment Research (IAB)（就业研究所（IAB）） ； University of Maryland, College Park（马里兰大学帕克分校）
AI总结 提出通过上下文学习（ICL）插补调查缺失数据，在150个意见变量上评估，相比MICE PMM方法，在所有缺失机制下绝对误差更低，尤其非随机缺失时优势显著。
ChinaHeritaQA：面向中国世界遗产地的文化基础视觉问答数据集
机构 * LMU Munich（慕尼黑大学） ； FAU Erlangen-Nuremberg（埃尔朗根-纽伦堡大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； University of Tübingen & Tübingen AI Center（图宾根大学与图宾根人工智能中心） ； Sun Yat-sen University（中山大学） ； University of Copenhagen（哥本哈根大学） ； University of Maryland, College Park（马里兰大学帕克分校）
AI总结 提出ChinaHeritaQA多模态基准数据集，包含2279张图像和14133个双语多项选择题，覆盖七个认知维度，评估视觉语言模型在中国世界遗产上的文化推理能力。
基于锚点条件的景观图像生成组合控制
机构 * Rutgers University–New Brunswick（罗格斯大学新布朗斯维克分校） ； University of Maryland–College Park（马里兰大学帕克分校） ； University of Technology Sydney（悉尼科技大学）
AI总结 提出锚点条件微调框架，通过解耦交叉注意力机制注入四维组合锚点向量，实现景观图像生成中的组合控制，在水平线检测和三分法对齐上取得最优性能。
Comments Accepted to the International Conference on Computational Creativity, ICCC 2026
IDDMBSE：集成数据驱动和基于模型的系统工程用于可信自主网络物理系统
机构 * Institute for Systems Research, University of Maryland, College Park（系统研究所，马里兰大学，College Park）
AI总结 提出IDDMBSE方法，将MBSE V流程与数据驱动循环结合，通过开源工具链PERFECT、TRADES-X和VERITAS实现，在自主地面机器人全生命周期验证其有效性。
Comments 9 pages, 11 figures. This work has been submitted to the IEEE for possible publication
FIGMA：迈向细粒度音乐检索
机构 * University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 针对现有音乐检索模型无法处理细粒度属性查询的问题，提出多视角对比架构FIGMA，通过联合优化全局音频-文本对齐和帧级标记对齐，在统一表示空间中捕获高层语义和细粒度音乐属性，并在新构建的细粒度音乐描述数据集上取得显著提升。
Comments Accepted to ACL 2026. Project Website: https://nishitanand.github.io/figma-website/
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