University of Michigan（密歇根大学安娜堡分校）

Context Over Content: Exposing Evaluation Faking in Automated Judges

上下文而非内容：揭示自动化评判中的评估造假

Manan Gupta, Inderjeet Nair, Lu Wang, Dhruv Kumar

机构 * BITS Pilani（比特学院） ； University of Michigan（密歇根大学） 纠错

AI总结 研究揭示自动化评判中因后果信号导致的宽大偏见，指出评判模型在不知情情况下受后果影响而降低评判标准，核心贡献是提出控制实验框架以检测此类评估造假。

Comments Under Review

Timescale Separation Enables Deep Reinforcement Learning Control of Rotating Detonation Engine Mode Transitions

时间尺度分离使深度强化学习能够控制旋转爆震发动机模式转换

Kristian Holme, Jean Rabault, Ricardo Vinuesa, Mikael Mortensen

机构 * University of Oslo（奥斯陆大学） ； University of Michigan（密歇根大学） 纠错

AI总结 本文通过时间尺度分离方法，利用移动参考系框架实现深度强化学习对旋转爆震发动机多尺度动态控制，有效诱导模式转换。

Social Story Frames: Contextual Reasoning about Narrative Intent and Reception

社交故事框架：关于叙事意图和接受的上下文推理

Joel Mire, Maria Antoniak, Steven R. Wilson, Zexin Ma, Achyutarama R. Ganti, Andrew Piper, Maarten Sap

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Colorado Boulder（科罗拉多大学博尔德分校） ； University of Michigan-Flint（密歇根大学弗林特分校） ； University of Connecticut（康涅狄格大学） ； McGill University（麦吉尔大学） 纠错

AI总结 本文提出SocialStoryFrames框架，通过对话上下文和叙事理论等理论，构建了读者反应的正式化模型，用于分析社交媒体中的叙事意图和接受情况。

Comments ACL 2026 (Main)

Cornfigurator: Automated Planning for Any-to-Any Multimodal Model Serving

Cornfigurator：任意到任意多模态模型服务的自动化规划

Jeff J. Ma, Jae-Won Chung, Jisang Ahn, Yizhuo Liang, Runyu Lu, Akshay Jajoo, Myungjin Lee, Mosharaf Chowdhury

机构 * University of Michigan（密歇根大学） ； University of Southern California（南加州大学） ； Cisco Research（思科研究） 纠错

AI总结 Cornfigurator是首个针对通用任意到任意模型推理服务的部署规划器，通过统计评估最大化服务吞吐量，比现有系统和专家调优方案提升1.12至6.32倍。

Comments Open-source at https://github.com/cornserve-ai/cornfigurator