arXivDaily arXiv每日学术速递 周一至周五更新

高校专区

University of Michigan(密歇根大学安娜堡分校)

2026-04-15 至 2026-04-15 共收录 6
2604.12857 2026-04-15 cs.AI cs.RO cs.SY eess.SY

Artificial Intelligence for Modeling and Simulation of Mixed Automated and Human Traffic

人工智能在混合自动化与人类交通建模与模拟中的应用

Saeed Rahmani, Shiva Rasouli, Daphne Cornelisse, Eugene Vinitsky, Bart van Arem, Simeon C. Calvert

机构 * Department of Transport & Planning, Delft University of Technology(代尔夫特理工大学交通与规划系) Department of Industrial and Systems Engineering, University of Michigan, Dearborn(密歇根大学迪尔伯恩分校工业与系统工程系) Tandon School of Engineering, New York University(纽约大学Tandon工程学院)

AI总结 本文探讨了人工智能在混合自动化与人类交通模拟中的应用,提出了一种分类方法,涵盖行为模型、环境模拟和认知物理方法,旨在填补现有研究的空白。

Comments This work has been submitted to the IEEE for possible publication

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.13793 2026-04-15 cs.CV cs.CR cs.LG

NoisePrints: Distortion-Free Watermarks for Authorship in Private Diffusion Models

NoisePrints: 用于私有扩散模型作者身份验证的无损水印

Nir Goren, Oren Katzir, Abhinav Nakarmi, Eyal Ronen, Mahmood Sharif, Or Patashnik

机构 * Tel Aviv University(特拉维夫大学) University of Michigan(密歇根大学)

AI总结 本文提出NoisePrints,一种轻量级水印方案,利用扩散过程的随机种子作为作者身份证明,通过哈希函数确保种子无法从内容中恢复,实现无损水印验证。

Comments code available at: https://github.com/nirgoren/NoisePrints

详情

展开后加载摘要…

URL PDF HTML 收藏
2510.11715 2026-04-15 cs.CV

Point Prompting: Counterfactual Tracking with Video Diffusion Models

点提示:基于视频扩散模型的反事实跟踪

Ayush Shrivastava, Sanyam Mehta, Daniel Geng, Andrew Owens

机构 * University of Michigan(密歇根大学) Cornell University(康奈尔大学)

AI总结 本文提出利用视频扩散模型进行零样本点跟踪,通过提示模型在视频中标记移动点,实现反事实生成,实验表明其跟踪效果优于传统方法且能克服遮挡。

Comments ICLR 2026. Project link: https://point-prompting.github.io

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12337 2026-04-15 cs.LG cs.CY

Identifying and Mitigating Gender Cues in Academic Recommendation Letters: An Interpretability Case Study

识别和缓解学术推荐信中的性别线索:一个可解释性案例研究

Charlotte S. Alexander, Shane Storks, Souradip Pal, Sayak Chakrabarty, Arushi Sharma, Mlen-Too Wesley, Bailey Russo

机构 * Scheller College of Business(施谢尔商学院) Georgia Institute of Technology(佐治亚理工学院) Weinberg Institute for Cognitive Science(认知科学研究所) University of Michigan - Ann Arbor(密歇根大学安娜堡分校) School of Electrical and Computer Engineering(电气与计算机工程学院) Purdue University(普渡大学) Department of Computer Science(计算机科学系) Northwestern University(西北大学) Iowa State University(爱荷华州立大学) College of Computing(计算学院)

AI总结 本研究探讨Transformer编码器模型和大语言模型在去除姓名和代词后,能否从匿名推荐信中推断出申请人的性别,发现存在显著的性别泄露,并通过移除隐含性别线索降低模型准确性,但性别预测仍优于随机猜测。

Comments 17 pages, 3 figures

详情

展开后加载摘要…

URL PDF HTML 收藏
2604.12331 2026-04-15 cs.CV

HyperLiDAR: Adaptive Post-Deployment LiDAR Segmentation via Hyperdimensional Computing

HyperLiDAR: 一种基于超维度计算的自适应部署后激光雷达分割方法

Ivannia Gomez Moreno, Yi Yao, Ye Tian, Xiaofan Yu, Flavio Ponzina, Michael Sullivan, Jingyi Zhang, Mingyu Yang, Hun Seok Kim, Tajana Rosing

机构 * UCSD(加州大学圣迭戈分校) UC Merced(加州大学默塞德分校) SDSU(南达科他州立大学) UMich(密歇根大学)

AI总结 本文提出HyperLiDAR,一种基于超维度计算的轻量级激光雷达分割框架,解决部署后适应性问题,通过缓冲区选择策略提升效率,实现实时适应与高效率重训练。

详情

展开后加载摘要…

URL PDF HTML 收藏
2601.14004 2026-04-15 cs.CL

Locate, Steer, and Improve: A Practical Survey of Actionable Mechanistic Interpretability in Large Language Models

定位、引导与改进:大型语言模型中可操作机制可解释性的一项实用调查

Hengyuan Zhang, Zhihao Zhang, Mingyang Wang, Zunhai Su, Yiwei Wang, Qianli Wang, Shuzhou Yuan, Ercong Nie, Xufeng Duan, Feijiang Han, Qibo Xue, Zeping Yu, Chenming Shang, Xiao Liang, Jing Xiong, Hui Shen, Chaofan Tao, Zhengwu Liu, Senjie Jin, Zhiheng Xi, Dongdong Zhang, Sophia Ananiadou, Tao Gui, Ruobing Xie, Hayden Kwok-Hay So, Hinrich Schütze, Xuanjing Huang, Qi Zhang, Ngai Wong

机构 * The University of Hong Kong(香港大学) Fudan University(复旦大学) LMU Munich(慕尼黑大学) Tsinghua University(清华大学) Technische Universität Darmstadt(达姆施塔特技术大学) Technische Universität Berlin(柏林技术大学) Technische Universität Dresden(德累斯顿技术大学) The Chinese University of Hong Kong(香港中文大学) University of Pennsylvania(宾夕法尼亚大学) Nanjing University(南京大学) University of Manchester(曼彻斯特大学) Dartmouth College(达特茅斯学院) University of California Los Angeles(加州大学洛杉矶分校) University of Michigan(密歇根大学) Microsoft(微软) Tencent(腾讯)

AI总结 本文提出一个实用调查,围绕'定位、引导与改进'流程,系统分类定位和引导方法,展示如何通过该框架提升模型对齐、能力和效率。

详情

展开后加载摘要…

URL PDF HTML 收藏