University of Michigan（密歇根大学安娜堡分校）

Framework for Collaborative Operation of Autonomous Delivery Vehicles Within a Marshaling Yard

自主配送车辆在调车场内协同运作的框架

James O'Hara, Karl Wunderlich, Gregory Stevens

机构 * Autonomous Systems Research Center（自主系统研究中心） ； M-City ； University Of Michigan（密歇根大学） 纠错

AI总结 本文提出一种基于动态优先级分配的协同框架，通过优化车辆任务分配提升通行效率并减少设施故障。

Revisiting RaBitQ and TurboQuant: A Symmetric Comparison of Methods, Theory, and Experiments

重新审视RaBitQ和TurboQuant：方法、理论和实验的对称比较

Jianyang Gao, Yutong Gou, Yuexuan Xu, Jifan Shi, Yongyi Yang, Shuolin Li, Raymond Chi-Wing Wong, Cheng Long

机构 * ETH Zurich（苏黎世联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of Michigan（密歇根大学） ； Tsinghua University（清华大学） ； HKUST（香港科技大学） 纠错

AI总结 本文对比了RaBitQ和TurboQuant在方法、理论和实验证据上的表现，发现TurboQuant在内积估计、最近邻搜索和KV缓存量化任务中表现不如RaBitQ，并指出TurboQuant论文中的一些运行时间和召回率结果无法复现。

FP-IRL: Fokker--Planck Inverse Reinforcement Learning -- A Physics-Constrained Approach to Markov Decision Processes

FP-IRL：Fokker--Planck反强化学习——一种受物理约束的马尔可夫决策过程方法

Chengyang Huang, Siddhartha Srivastava, Kenneth K. Y. Ho, Kathy E. Luker, Gary D. Luker, Xun Huan, Krishna Garikipati

机构 * Department of Mechanical Engineering, University of Michigan（密歇根大学机械工程系） ； Department of Aerospace Engineering, Auburn University（奥本大学航空航天工程系） ； Department of Radiology, University of Michigan（密歇根大学放射学系） ； Department of Aerospace and Mechanical Engineering, University of Southern California（南加州大学航空航天与机械工程系） 纠错

AI总结 本文提出FP-IRL，一种基于Fokker-Planck动态的反强化学习框架，通过轨迹数据直接推断奖励和转移函数，无需预先获取转移信息，提升未知动态下的学习效率与物理可解释性。

Journal ref Computer Methods in Applied Mechanics and Engineering, 458, 119010 (2026)

Iterative Definition Refinement for Zero-Shot Classification via LLM-Based Semantic Prototype Optimization

基于LLM的语义原型优化的零样本分类迭代定义细化

Naeem Rehmat, Muhammad Saad Saeed, Ijaz Ul Haq, Khalid Malik

机构 * University of Michigan-Flint（密歇根大学弗林特分校） 纠错

AI总结 本文提出一种无需训练的迭代定义优化框架，通过优化类别定义提升零样本网页内容分类性能，引入三种定义优化策略，并在13种前沿嵌入模型上验证了定义质量对分类效果的关键影响。

Comments Accepted at CVPR NeXD Workshop (2026)

Semantic Structure of Feature Space in Large Language Models

大语言模型特征空间的语义结构

Austin C. Kozlowski, Andrei Boutyline

机构 * Knowledge Lab University of Chicago（芝加哥大学知识实验室） ； Department of Sociology University of Michigan（密歇根大学社会学系） 纠错

AI总结 研究发现大语言模型隐藏状态中语义特征的几何关系与人类心理关联相似，通过360个词的特征向量投影32个语义轴，发现其与人类评分高度相关，且语义轴间余弦相似度预测了尺度间相关性，同时显示语义轴在低维子空间中存在显著变异，且词在某一轴上的操控会引发其在其他尺度上的评分变化。

MAEO: Multiobjective Animorphic Ensemble Optimization for Scalable Large-scale Engineering Applications

MAEO：多目标非形集合优化用于可扩展的大规模工程应用

Omer F. Erdem, Dean Price, Paul Seurin, Majdi I. Radaideh

机构 * Department of Nuclear Engineering and Radiological Sciences, University of Michigan, Ann Arbor, MI 48109, United States（核工程与辐射科学系，密歇根大学，安阿伯，MI 48109，美国） ； Department of Computer Science and Engineering, University of Michigan, Ann Arbor, MI 48109, United States（计算机科学与工程系，密歇根大学，安阿伯，MI 48109，美国） ； Department of Nuclear Science and Engineering, Massachusetts Institute of Technology, 60 Vassar St., Cambridge, MA 02139（核科学与工程系，麻省理工学院，60 Vassar街，剑桥，MA 02139） ； Idaho National Laboratory, Idaho Falls, ID 83415, United States（爱达荷国家实验室，爱达荷福尔斯，ID 83415，美国） 纠错

AI总结 MAEO通过非形集合策略统一先进进化算法，解决多目标优化中收敛性、多样性与计算效率的平衡问题，经基准测试和核反应堆优化验证其有效性。

Comments 33 pages, 9 figures, 5 tables, under peer review

Coverage-Aware Web Crawling for Domain-Specific Supplier Discovery via a Web--Knowledge--Web Pipeline

面向领域供应商发现的覆盖感知网络爬虫：通过网络-知识-网络流水线

Yijiashun Qi, Yijiazhen Qi, Tanmay Wagh

机构 * University of Michigan（密歇根大学） ； The University of Hong Kong（香港大学） ； Santa Clara University（圣克拉拉大学） 纠错

AI总结 本文提出网络-知识-网络流水线，通过迭代爬取领域网页、提取知识并引导爬虫，提高中小企业发现的覆盖率和精度，实验显示其在半导体设备制造领域表现优异。

Comments Accepted by 2026 7th International Conference on Computer Information and Big Data Applications