高校专区
神经网络作为线性回归：统计学家的入门介绍
机构 * Department of Mathematics Statistics and Computer Science（数学统计与计算机科学系） ； Macalester College（麦克莱斯特学院） ； Department of Biostatistics（生物统计学系） ； University of Michigan（密歇根大学）
AI总结 本文从频率学派统计学视角，通过将神经网络近似为线性回归来降低入门门槛，并介绍常见定制化方法作为进一步学习的基础。
非语言发声中的说话人身份：条件蒸馏与专家混合方法
机构 * University of Michigan（密歇根大学） ； National Taiwan University（国立台湾大学） ； Signal Analysis and Interpretation Laboratory (SAIL)（信号分析与解释实验室） ； University of Southern California（南加州大学） ； National Taiwan University Artificial Intelligence Center of Research Excellence（国立台湾大学人工智能研究中心）
AI总结 针对非语言发声的说话人验证难题，提出结合冻结Data2Vec自监督特征、ECAPA-TDNN和专家混合模块的框架，通过条件蒸馏和对比损失，将等错误率从38.93%降至22.66%。
Comments Accepted by INTERSPEECH 2026
编织系统中涌现力学的降阶模型
机构 * Department of Mechanical Engineering, University of Michigan（密歇根大学机械工程系） ； Department of Civil and Environmental Engineering, University of Michigan（密歇根大学土木与环境工程系） ； Department of Robotics, University of Michigan（密歇根大学机器人学系） ； Department of Ecology and Evolutionary Biology, Museum of Zoology, University of Michigan（密歇根大学动物学博物馆生态与进化生物学系）
AI总结 提出一种降阶模型，通过节点和四个物理可解释的刚度单元捕捉编织结构中的各向异性刚度、剪切锁定等涌现力学行为，校准后与实验误差在5%以内，并展示了连续模型无法实现的能力。
PIVOTSBench：评估多模态大语言模型中的细粒度人际关系推理
机构 * Sun Yat-sen University（中山大学） ； University of Michigan（密歇根大学） ； Tsinghua University（清华大学）
AI总结 提出PIVOTS基准，基于Social-IQ 2.0和YouTube数据，评估多模态大语言模型在心理学研究基础上预测双向人际关系维度的能力，并包含辅助任务分析关键视觉线索。
Foresight: 基于动作条件世界模型潜在变量的长时程机器人操作故障检测
机构 * University of Michigan（密歇根大学） ； Princeton University（普林斯顿大学） ； University of Virginia（弗吉尼亚大学）
AI总结 提出Foresight框架，利用动作条件世界模型的潜在表征监测操作轨迹，仅用最终任务级标签训练，结合函数共形预测自适应校准阈值，在仿真和真实机器人长时程任务中实现高效故障检测。
理解后训练中的知识蒸馏：何时有效与何时失败
机构 * University of Michigan（密歇根大学） ； Zoom Video Communications（Zoom视频通信公司）
AI总结 本文系统研究后训练阶段的知识蒸馏，发现低数据场景下KD优于SFT，但数据充足时优势减弱；从更强教师蒸馏可恢复增益，并提出两阶段KD策略提升数据稀缺环境下的学生模型性能。
机器中的CASPER：LLM生成故事中角色多样性的洞察
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Michigan（密歇根大学）
AI总结 本文借用叙事学定义，从八个维度分析LLM与人类创作故事中角色的刻画，发现两者在角色类型和多样性上既有相似也有差异。
Comments Proceedings of ACL, 2026
超越时间序列：基于多模态学习的空间推理用于流行病预测
机构 * University of Michigan（密歇根大学）
AI总结 提出M-SPICE框架，通过注意力机制融合区域级时序数据与空间辅助信号，在COVID-19、流感和ILI预测任务上超越现有基线。
Comments To appear in the Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026), AI for Science Track
语言-能量鸿沟：衡量多语言大模型推理的能量成本
机构 * University of Michigan（密歇根大学） ； University of Cambridge（剑桥大学） ； University of Aberdeen（阿伯丁大学）
AI总结 系统研究多语言LLM推理的能量消耗，发现不同语言间每token能耗差异达8.3倍，总能耗差异达179倍，低资源语言能耗高且准确率低，建议将能量作为评估指标。
SurGE: 基于代理梯度引导的并行弹性腿式机器人协同设计进化
机构 * University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校）
AI总结 提出SurGE框架，通过可微运动动力学模型和设计感知控制策略计算代理梯度，并注入CMA-ES实现非可微协同设计，在跳跃机器人上降低37.65%的设计目标。
Comments 8 pages, 7 figures. Accepted for publication at IROS 2026. Website at https://arcad-lab-um.github.io/surge-codesign/
零样本视觉语言模型用于课堂投入度识别：提示敏感性与跨数据集泛化的基准研究
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； Magna International（麦格纳国际）
AI总结 本研究系统评估五种视觉语言模型在零样本条件下识别课堂投入度的表现，发现三个主要失败模式：个体学生识别近乎随机、类别崩溃和极端提示敏感性，但场景级分类效果较好。
Comments 11 pages, 6 figures, including supplementary material. Presented as a non-archival paper at the CV4Edu Workshop, CVPR 2026
Mat-Pref: 可验证奖励训练提升无机材料中的组合推理能力
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Michigan（密歇根大学）
AI总结 提出Mat-Pref基准，通过可验证奖励强化学习（GRPO）提升无机材料组合推理，在结构泛化和属性迁移上超越大模型。
Comments 10 pages, 4 figures, Accepted at ICML AI4Physics 2026 Workshop
MammoExpert：乳腺X线诊断中的思维链推理基准测试
机构 * State Key Laboratory of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院通用人工智能国家重点实验室） ； School of Computer Science and Engineer, Beijing University of Aeronautics and Astronautics（北京航空航天大学计算机科学与工程学院） ； Center for Data Science, Peking University（北京大学数据科学中心） ； Yizhun co. ltd（医准有限公司） ； International School, Beijing University of Post and Telecommunications（北京邮电大学国际学院） ； School of Public Health, University of Michigan, Ann Arbor（密歇根大学安娜堡分校公共卫生学院） ； Future Technology College, Xi'an Jiaotong University（西安交通大学未来技术学院） ； Peking University（北京大学）
AI总结 提出首个包含思维链推理标注的乳腺X线数据集MammoExpert，覆盖2379张图像和67种病理亚型，通过三阶段推理提升病灶分类准确率，在多个数据集上验证了有效性。
Comments KDD 2026
Vesta: 一种通用具身推理模型
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Michigan（密歇根大学） ； Nanyang Technological University（南洋理工大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Tübingen（图宾根大学）
AI总结 提出统一的基础模型Vesta，整合定位、空间推理、导航和长时规划能力，通过大规模空间感知语料库和简单多模态记忆机制，在多个基准上平均优于专用模型20%以上，在真实机器人任务中成功率提升35%。
注意特权到摄像头的差距：面向摄像头优先开环路径预测的以参与者为中心的侧车监督
机构 * University of Michigan-Dearborn（密歇根大学迪尔伯恩分校）
AI总结 针对摄像头优先开环路径预测中缺乏对道路参与者显式监督的问题，提出侧车监督方法，利用模拟器生成的参与者标签（如相关性、短时运动）训练模型，在部署时无需额外输入，最终将终点位移误差降低32.6%。
Mirage：针对LiDAR 3D目标检测的干净标签后门攻击
机构 * University of Michigan - Dearborn（密歇根大学迪尔伯恩分校）
AI总结 提出Mirage，一种黑盒、干净标签的后门攻击方法，通过注入少量标签一致的毒化样本，使LiDAR 3D目标检测模型学习触发器与目标类别的恶意关联，实现73%误分类成功率且仅需0.5%毒化率。
SPARC：用于电路问答的多智能体系统
机构 * University of Michigan（密歇根大学） ； Bangladesh University of Engineering and Technology（孟加拉工程与技术大学）
AI总结 提出SPARC多智能体系统，通过可执行的物理仿真程序进行推理，在电路问答任务上实现83%准确率，较基线提升高达58%。
扩散模型在灵活系数选择下适应低维结构
机构 * Department of Industrial and Operations Engineering, University of Michigan（工业与运营工程系，密歇根大学） ； Department of Statistics and Data Science, Chinese University of Hong Kong（统计与数据科学系，中国香港大学）
AI总结 本文证明扩散模型在广泛系数选择下，仅需O(k/ε)次迭代即可生成ε-精确样本，独立于环境维度，从而验证了其适应低维结构的鲁棒性。
ARCO-Mars：统一云优化的火星大气再分析档案
机构 * University of Michigan, Department of Climate and Space Sciences and Engineering（密歇根大学气候与空间科学与工程系）
AI总结 提出ARCO-Mars，一个统一的分析就绪云优化数据集，整合三种火星大气再分析产品（EMARS、MACDA、OpenMARS），覆盖火星年24-35，以Zarr v3格式存储于HuggingFace，支持高效云访问，并比较了系统差异。
安全监控器在更新后是否仍可靠？激活监控器陈旧性的基准测试与预测
机构 * University of Michigan（密歇根大学）
AI总结 研究语言模型更新后激活监控器是否仍可靠，发现量化更新影响小，微调更新常导致监控器失效，且可通过预部署特征预测退化。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈