DiscoverLLM: From Executing Intents to Discovering Them
DiscoverLLM：从执行意图到发现意图
机构 * University of Michigan（密歇根大学）
AI总结 DiscoverLLM通过引入新的用户模拟器，帮助用户形成和发现意图，提升任务性能并减少对话长度。
Comments Accepted at ICML 2026
高校专区
University of Michigan（密歇根大学安娜堡分校）
Dual-Pathway Circuits of Object Hallucination in Vision-Language Models
视觉语言模型中物体幻觉的双路径电路
机构 * UIUC（伊利诺伊大学香槟分校） ； UMich（密歇根大学） ； Stanford（斯坦福大学） ； HKUST（香港科技大学） ； PKU（北京大学） ； NUS（新加坡国立大学） ； Marquette（马quette大学） ； Southampton（南安普顿大学）
AI总结 研究通过双路径电路分析框架揭示视觉语言模型中物体幻觉的机制，发现视觉接地路径与幻觉路径的交互特性，并通过抑制幻觉路径组件降低幻觉发生率。
SECOND-Grasp: Semantic Contact-guided Dexterous Grasping
SECOND-Grasp：语义接触引导的灵巧抓取
机构 * Korea University（韩国大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Michigan（密歇根大学） ； Hanyang University（翰阳大学）
AI总结 本文提出SEmantic CONtact-guided Dexterous Grasping框架，通过语义推理与物理可行性结合，提升机器人手部抓取的稳定性和语义理解能力。
Online Conformal Prediction: Enforcing monotonicity via Online Optimization
在线置信预测：通过在线优化强制单调性
机构 * University of Michigan（密歇根大学）
AI总结 本文提出两种新的在线置信预测方法，生成不同置信水平下的嵌套预测集，实现整个风险范围的不确定性量化。方法通过在线优化控制后悔，提高统计效率。
Evaluation of Prompt Injection Defenses in Large Language Models
对大型语言模型中提示注入防御措施的评估
机构 * Swept AI ； University of Michigan（密歇根大学）
AI总结 研究通过构建自适应攻击者测试了九种防御配置，发现依赖模型自我保护的防御均失效，而输出过滤通过硬编码规则在应用代码中检查响应，实现了零泄露。
Comments 14 pages, 9 figures
MCLR: Improving Conditional Modeling via Inter-Class Likelihood-Ratio Maximization and Unifying Classifier-Free Guidance with Alignment Objectives
MCLR：通过类间似然比最大化和统一分类器免费引导与对齐目标改进条件建模
机构 * University of Michigan（密歇根大学） ； Michigan State University（密歇根州立大学）
AI总结 本文提出MCLR，通过训练时最大化类间似然比来改进扩散模型的条件建模，实现无引导条件生成的提升，并理论证明CFG是MCLR目标的最优解。
Aligning Forest and Trees in Images & Long Captions for Visually Grounded Understanding
对图像与长描述中的森林和树木进行对齐以实现视觉基础理解
机构 * Agency for Defense Development（国防发展局） ； University of Michigan（密歇根大学） ； POSTECH
AI总结 本文提出CAFT模型，通过分层视觉语言学习原理，解决长描述中细节丰富的场景理解问题，实现图像与文本的细粒度对齐，取得六个长文本检索基准的最优性能。
Comments Preprint
Validating remotely sensed biomass estimates with forest inventory data in the western US
利用地面调查数据验证美国西部地区遥感生物量估计
机构 * School for Environment and Sustainability, University of Michigan（环境可持续发展学院，密歇根大学） ； terraPulse, Inc.（terraPulse公司）
AI总结 本研究利用美国森林调查数据对terraPulse公司的生物量数据进行独立验证，发现两者在不同尺度上均表现出高度一致性，为全球生物量监测提供了新的基准。
Comments 32 pages, 5 figures
Journal ref Science of Remote Sensing, Volume 13, June 2026, 100441
