University of Michigan（密歇根大学安娜堡分校）

Breaking the Rigid Prior: Towards Articulated 3D Anomaly Detection

打破刚性先验：迈向具有铰链或滑动关节的3D异常检测

Jinye Gan, Bozhong Zheng, Xiaohao Xu, Junye Ren, Zixuan Zhang, Na Ni, Yingna Wu

机构 * ShanghaiTech University（上海科技大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

AI总结 本文提出ArtiAD基准，通过15229个点云数据和六种结构异常类型，解决铰链或滑动关节物体的3D异常检测问题，引入SPA-SDF方法，通过连续姿态条件隐式场实现刚性先验的替代，提升检测性能。

How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks

AI代理如何花费你的钱？分析和预测代理编码任务中的令牌消耗

Longju Bai, Zhemin Huang, Xingyao Wang, Jiao Sun, Rada Mihalcea, Erik Brynjolfsson, Alex Pentland, Jiaxin Pei

机构 * University of Michigan（密歇根大学） ； Stanford University（斯坦福大学） ； All Hands AI ； Google Deepmind（谷歌DeepMind） ； Microsoft AI（微软AI） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文研究了代理编码任务中令牌消耗模式，发现代理任务消耗远高于代码推理和代码聊天，且模型在任务执行前难以准确预测自身令牌使用。

Out-of-Distribution Generalization of In-Context Learning: A Low-Dimensional Subspace Perspective

上下文学习的分布外泛化：一个低维子空间视角

Soo Min Kwon, Alec S. Xu, Can Yaras, Laura Balzano, Qing Qu

机构 * Department of Electrical and Computer Engineering, University of Michigan（密歇根大学电气与计算机工程系） 纠错

AI总结 本文从低维子空间角度研究上下文学习的分布外泛化能力，提出一个数学模型证明了在特定条件下上下文学习能泛化到分布外数据，同时通过实验验证了模型在非线性函数类中的扩展性。

Comments AISTATS 2026

Similarity Choice and Negative Scaling in Supervised Contrastive Learning for Deepfake Audio Detection

对比学习中的相似性选择与负样本缩放在深度伪造音频检测中的应用

Jaskirat Sudan, Hashim Ali, Surya Subramani, Hafiz Malik

机构 * University of Michigan, Dearborn（密歇根大学迪尔伯恩分校） 纠错

AI总结 本文研究了对比学习中相似性选择和负样本缩放对深度伪造音频检测的影响，通过实验发现使用余弦相似度和延迟队列能有效降低EER，而角相似度在无队列负样本时表现优异，表明对大规模负样本集的依赖减少。

SCOUT: A Defense Against Data Poisoning Attacks in Fine-Tuned Language Models

SCOUT：一种对抗微调语言模型数据中毒攻击的防御方法

Mohamed Afane, Abhishek Satyam, Ke Chen, Tao Li, Junaid Farooq, Juntao Chen

机构 * Department of Computer and Information Sciences, Fordham University（福特汉姆大学计算机与信息科学系） ； Department of Electrical Engineering, Zhejiang University（浙江大学电子工程系） ； Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； Department of Electrical and Computer Engineering, University of Michigan-Dearborn（密歇根大学迪尔伯恩分校电气与计算机工程系） 纠错

AI总结 本文提出SCOUT框架，通过令牌级显著性分析检测数据中毒攻击，有效识别隐含触发器，提升对复杂攻击的防御能力。

Comments 9 pages, 3 figures

Journal ref 2025 IEEE International Conference on Big Data (BigData), 2025

GNC-Pose: Geometry-Aware GNC-PnP for Accurate 6D Pose Estimation

GNC-Pose：基于几何的GNC-PnP用于精确的6D姿态估计

Xiujin Liu

机构 * University of Michigan（密歇根大学） 纠错

AI总结 本文提出GNC-Pose，一种无需学习的单目6D物体姿态估计管道，结合渲染初始化、几何感知对应加权和鲁棒GNC优化，通过几何先验和加权策略提升优化稳定性，实现高精度姿态估计。

Comments 1 figures, 2 tables, 14pages

Journal ref Proc. Int. Conf. Pattern Recognit. (ICPR), 2026