CANVAS: Continuity-Aware Narratives via Visual Agentic Storyboarding
CANVAS：通过视觉代理脚本实现连续性叙事
机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； Google（谷歌）
AI总结 CANVAS通过多代理框架实现多镜头叙事中的视觉连续性，提升背景、角色和道具的一致性，优于现有基准，背景连续性提升21.6%。
高校专区
University of Maryland, College Park（马里兰大学帕克分校）
Ternary Logic Encodings of Temporal Behavior Trees with Application to Control Synthesis
三值逻辑的时间行为树编码及其在控制综合中的应用
机构 * University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 本文提出基于三值信号时序逻辑的三值逻辑时间行为树编码，用于构建线性动态系统的正确-by-设计控制策略，通过混合整数优化解决最优控制问题。
Comments 8 pages, 4 figures. This work has been submitted to the IEEE for possible publication
Ambiguity Detection and Elimination in Automated Executable Process Modeling
自动可执行过程建模中的歧义检测与消除
机构 * Fujitsu Research of America（富士通美国研究院） ； University of Maryland, College Park（马里兰大学帕克分校） ； Fujitsu Limited（富士通株式会社）
AI总结 本文提出一种基于诊断的框架，通过分析关键性能指标的分布检测行为不一致，定位逻辑分歧并修复文本，以减少生成模型行为的变异。
Replicable Composition
可复制组合
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Google Research（谷歌研究院）
AI总结 研究解决如何在保持可复制性的同时联合解决多个问题，提出新的组合定理并改进样本复杂度。
Comments Abstract shortened due to Arxiv requirements
GaNI: Global and Near Field Illumination Aware Neural Inverse Rendering
GaNI：全局和近场照明感知的神经逆渲染
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 本文提出GaNI，一种能从共位光相机拍摄的场景图像中重建几何、反照率和粗糙度参数的神经逆渲染技术。通过两阶段方法解决多物体场景中全局和近场照明建模问题，改进神经体积渲染和逆神经辐射度算法，提升反射率和几何重建效果。
Catalog-Native LLM: Speaking Item-ID Dialect with Less Entanglement for Recommendation
基于目录的LLM：以更少的纠缠进行推荐的口语化项ID表达
机构 * University of Maryland - College Park（马里兰大学帕克分校） ； Roblox ； University of Cambridge（剑桥大学）
AI总结 本文提出IDIOMoE模型，通过将物品交互历史视为语言空间中的本地方言，结合预训练LLM的文本理解和协作信号，提升推荐性能。
CodeScout: Contextual Problem Statement Enhancement for Software Agents
CodeScout: 为软件代理提供上下文化的问题陈述增强
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Amazon Web Services (AWS)（亚马逊云服务（AWS）） ； Databricks
AI总结 CodeScout通过轻量级预探索将模糊请求转化为完整问题陈述，提升软件代理性能，实验表明其在解决率上提升20%。
Structured Uncertainty guided Clarification for LLM Agents
结构不确定性引导的LLM代理澄清
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Adobe Research（Adobe研究院）
AI总结 本文提出结构不确定性框架，通过量化潜在问题的澄清价值，提升LLM代理在模糊任务中的推理效率和训练效率，展示了其在SAGE-Agent和ClarifyBench中的有效性。
What Drives Representation Steering? A Mechanistic Case Study on Steering Refusal
是什么驱动了表示引导？对引导拒绝的机制性案例研究
机构 * University of Maryland, College Park（马里兰大学帕克分校）
AI总结 研究通过机制性案例分析，探讨引导向量如何通过注意力机制影响模型输出，揭示引导向量主要作用于OV电路而非QK电路，并发现引导向量可被稀疏化而不影响性能。
Comments 9 pages + appendix, 7 figures
Bridging Natural Language and Interactive What-If Interfaces via LLM-Generated Declarative Specification
通过LLM生成的声明性规范桥接自然语言与交互式假设分析接口
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Adobe Research（Adobe研究院） ； Microsoft Research（微软研究院） ； AWS AI Labs（AWS人工智能实验室） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
AI总结 本文提出一种两阶段工作流，通过Praxa规范语言将自然语言假设分析问题转化为交互式可视化界面，提升假设分析工具的交互性和准确性。
Comments 17 pages 17 figures
Flow Matching is Adaptive to Manifold Structures
流匹配适应于流形结构
机构 * Booth School of Business, University of Chicago（芝加哥大学布斯商学院） ； Department of Statistics, University of Michigan（密歇根大学统计系） ； Department of Mathematics, University of Maryland, College Park（马里兰大学帕克分校数学系）
AI总结 本文研究流匹配在流形支持下的收敛性，证明其在高维数据中适应数据几何并避免维度灾难。
LangDriveCTRL: Natural Language Controllable Driving Scene Editing with Multi-modal Agents
LangDriveCTRL: 通过多模态代理实现自然语言可控的驾驶场景编辑
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； NEC Labs America（NEC美国实验室） ； UC San Diego（加州大学圣迭戈分校）
AI总结 LangDriveCTRL通过多模态代理实现驾驶视频的自然语言可控编辑，生成多样化的交通场景，提升真实感和交通场景的真实性。
Comments Project Page: https://yunhe24.github.io/langdrivectrl/
Before Humans Join the Team: Diagnosing Coordination Failures in Healthcare Robot Team Simulation
在人类加入团队之前：医疗机器人团队模拟中的协调失败诊断
机构 * Cornell Tech（康奈尔科技校区） ； Department of Information Science, Cornell University（康奈尔大学信息科学系） ； University of Maryland, College Park（马里兰大学帕克分校） ； Imperial College London（伦敦帝国学院）
AI总结 本文通过模拟方法研究医疗机器人团队的协调失败问题，发现团队结构是协调的主要瓶颈，并提出安全的人机协作设计方法。
Comments Revised version incorporating new analysis and restructuring
Splatblox: Traversability-Aware Gaussian Splatting for Outdoor Robot Navigation
Splatblox：面向户外机器人导航的可通行性感知高斯点绘制
机构 * University of Maryland, College Park（马里兰大学帕克分校）
AI总结 Splatblox通过融合RGB图像和LiDAR点云，构建了具有几何和语义信息的可通行性感知ESDF，实现户外复杂环境下的实时自主导航，实验表明其在可通行性判断和路径规划方面优于现有方法。
Artificial Intelligence and the Structure of Mathematics
人工智能与数学的结构
机构 * Meta Superintelligence Labs, Fundamental AI Research（Meta超级智能实验室，基础人工智能研究） ； Department of Physics and Joint Quantum Institute, University of Maryland, College Park（马里兰大学帕克分校物理系与联合量子研究所） ； Center for Mathematical Sciences and Applications, Harvard University（哈佛大学数学科学与应用中心）
AI总结 本文探讨人工智能如何通过构建新的路径，补充数学逻辑，揭示数学的全球结构。提出AI在数学发现中的关键要素及标准，并反思数学的本质。
Comments 45 pages
SABER: A Stealthy Agentic Black-Box Attack Framework for Vision-Language-Action Models
SABER：一种针对视觉-语言-动作模型的隐秘代理黑盒攻击框架
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of Southern California（南加州大学） ； University of Central Florida（中佛罗里达大学）
AI总结 SABER通过生成最小有效指令修改，评估VLA模型的鲁棒性，展示小幅度指令扰动可显著降低机器人执行效果，且代理黑盒方法在红队测试中表现高效且可扩展。
Risk-Constrained Belief-Space Optimization for Safe Control under Latent Uncertainty
在潜在不确定性下安全控制的风险约束信念空间优化
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 本文提出一种风险敏感的信念空间MPPI控制器，通过在信念分布下规划并施加CVaR约束，以确保轨迹安全边际。该方法在物理仿真中实现了高风险规避下的高成功率。
Comments 8 pages, 4 figures
Enhancing Robustness of Federated Learning via Server Learning
通过服务器学习增强联邦学习的鲁棒性
机构 * National Institute of Standards and Technology (NIST)（美国国家标准与技术研究院） ； University of Maryland, College Park（马里兰大学帕克分校） ； Tata Consultancy Services Research（塔塔咨询服务公司研究院） ； University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
AI总结 本文提出结合服务器学习与客户端更新过滤的启发式算法，通过几何中位数聚合提升联邦学习在恶意攻击下的模型准确率，即使在恶意客户端比例高达50%且服务器数据集较小的情况下也有效。
An Independent Safety Evaluation of Kimi K2.5
Kimi K2.5 的独立安全性评估
机构 * Constellation ； Anthropic Fellows Program（Anthropic研究员项目） ； Brown University（布朗大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Imperial College London（伦敦帝国学院） ； University of Maryland, College Park（马里兰大学帕克分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Bar Ilan University（巴伊兰大学） ； University of Toronto（多伦多大学） ； University of Oxford（牛津大学）
AI总结 Kimi K2.5作为开源大模型，在安全评估中显示出潜在风险，包括CBRNE滥用、网络安全漏洞及政治偏见，但其在拒绝恶意请求方面表现较弱，凸显开源模型的安全挑战。
Do Audio-Visual Large Language Models Really See and Hear?
音频视觉大语言模型真的能看见和听见吗？
机构 * University of Maryland, College Park（马里兰大学帕克分校）
AI总结 研究探讨了音频视觉大语言模型中音频与视觉特征的融合机制，发现当音频与视觉冲突时，最终文本生成中音频信息无法有效表露，揭示了多模态LLM在整合音频和视觉时的模态偏见。
Comments CVPR Findings
Bridging the Divide: End-to-End Sequence-Graph Learning
弥合鸿沟：端到端序列图学习
机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Maryland, College Park（马里兰大学帕克分校）
AI总结 本文提出BRIDGE模型，通过整合序列与图学习，解决实体间序列与关系数据的联合建模问题，在关系预测和欺诈检测中优于传统方法。
Code Comprehension then Auditing for Unsupervised LLM Evaluation
代码理解后审计用于无监督LLM评估
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Princeton University（普林斯顿大学） ； University of Central Florida（中佛罗里达大学）
AI总结 本文提出CoCoA框架，通过先理解代码功能再评估任务对齐，提升无监督LLM评估的准确性与F1分数。
Comments 19 pages
Long-Horizon Geometry-Aware Navigation among Polytopes via MILP-MPC and Minkowski-Based CBFs
基于MILP-MPC和Minkowski基础CBF的多面体间长周期几何感知导航
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； KAUST（阿卜杜拉国王科技大学）
AI总结 本文提出一种分层规划控制框架，结合MILP-MPC生成轨迹并利用Minkowski差空间的符号距离CBF确保几何安全，实验证明在复杂环境中实现安全实时导航。
Comments 8 pages, 3 figures
Principal Prototype Analysis on Manifold for Interpretable Reinforcement Learning
流形上的主原型分析用于可解释的强化学习
机构 * University of Maryland College park（马里兰大学帕克分校）
AI总结 本文提出一种自动选择最优原型的方法，用于增强强化学习的可解释性，无需人工定义原型，实验显示其性能与现有方法相当。
SIMPACT: Simulation-Enabled Action Planning using Vision-Language Models
SIMPACT：基于视觉-语言模型的仿真增强动作规划
机构 * UMD（马里兰大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Harvard（哈佛大学） ； Amazon FAR（亚马逊FAR） ； UPenn（宾夕法尼亚大学）
AI总结 SIMPACT通过仿真循环世界建模赋予视觉-语言模型物理推理能力，实现高效动作规划，优于现有通用机器人操作模型，在五个复杂真实世界任务中表现优异。
Comments Accepted to CVPR 2026; camera-ready version
TransFIRA: Transfer Learning for Face Image Recognizability Assessment
TransFIRA: 用于人脸图像可识别性评估的迁移学习
机构 * Systems and Technology Research（系统与技术研究公司） ； University of Maryland, College Park（马里兰大学帕克分校） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 TransFIRA提出一种轻量且无需标注的框架，通过嵌入空间定义可识别性，改进了人脸和身体识别的可识别性评估，实现了高准确性和解释性。
Comments Project Page: https://transfira.github.io/
Journal ref Proceedings of the IEEE International Conference on Automatic Face and Gesture Recognition (FG), 2026
Audio Hallucination Attacks: Probing the Reliability of Large Audio Language Models
音频幻觉攻击：测试大型音频语言模型的可靠性
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Adobe Research（Adobe研究院）
AI总结 本文提出Audio Hallucination Attacks，通过6500个问答对测试大型音频语言模型是否真实基于音频输入生成响应，发现其可靠性与基准性能存在差距，并提出AHA-Guard数据集降低攻击成功率。
Differentiable Initialization-Accelerated CPU-GPU Hybrid Combinatorial Scheduling
可微初始化加速的CPU-GPU混合组合调度
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of Colorado, Boulder（科罗拉多大学博尔德分校）
AI总结 本文提出一种混合CPU-GPU框架，用于解决以整数线性规划（ILP）形式化的组合调度问题。通过结合可微优化与经典ILP求解，利用可微预处理快速生成高质量部分解，作为商业ILP求解器的热启动，从而显著提升早期剪枝效果。
Comments 7 pages, 4 figures, 8 equations, 3 tables
SonoWorld: From One Image to a 3D Audio-Visual Scene
SonoWorld：从一张图像到一个三维音频视觉场景
机构 * University of Maryland, College Park（马里兰大学帕克分校）
AI总结 本文提出Image2AVScene任务，通过SonoWorld框架生成三维音频视觉场景，结合图像生成全景、三维场景构建、语言引导声音锚点和空间音频渲染，实现沉浸式体验。
Comments Accepted by CVPR 2026, project page: https://humathe.github.io/sonoworld/
NARVis: Neural Accelerated Rendering for Real-Time Scientific Point Cloud Visualization
NARVis：神经加速渲染用于实时科学点云可视化
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） ； NASA（美国国家航空航天局） ； Hampton University（汉普顿大学）
AI总结 NARVis通过神经后处理提升大规模点云渲染效率，实现高速高保真可视化，适用于多维流场和地形扫描。
