高校专区
语义驱动的尺度与空间选择实现指代遥感图像分割中的高效跨模态对齐
机构 * University of Liverpool, UK（利物浦大学） ； University of Michigan, USA（密歇根大学） ； University of Twente, NL（埃因霍温理工大学） ； University of Bath, UK（巴斯大学）
AI总结 提出S4ECA框架，通过参数高效微调的双编码器适配器架构，利用语言引导的尺度与空间选择机制实现跨模态对齐，仅更新2.4%骨干参数即在RRSIS-D和RefSegRS数据集上达到最优性能。
Comments Submitted
CogSENet: 基于模糊条件语义路由和显式频率融合的盲图像去模糊
机构 * University of Science and Technology of China（中国科学技术大学） ； Westlake University（西交大学） ； University of Michigan（密歇根大学）
AI总结 提出CogSENet，通过模拟鹰视觉系统的语义驱动状态空间模块和双频融合块，实现空间变化模糊下的自适应恢复，在去模糊、去雾、去雨和去噪任务上优于现有方法。
Comments ECCV 2026
超冗余软体机械臂的实时柔顺性与位置控制
机构 * Department of Mechanical Engineering, University of Michigan（密歇根大学机械工程系）
AI总结 提出一种七连杆软体机械臂，通过拮抗气动肌肉实现关节角度与刚度独立控制，结合统一逆运动学与逆柔顺控制器，实现末端柔顺性与位置的实时定量控制。
SEVA: 具有过程奖励的自进化验证代理用于事实归因
机构 * University of Southern California, Los Angeles, USA（美国南加州大学，洛杉矶） ； University of Michigan, Ann Arbor, USA（美国密歇根大学，安娜堡）
AI总结 提出SEVA，一种结构化验证代理，通过过程奖励解决多组件输出中的优势崩溃问题，实现自我进化循环，在7B模型上验证了奖励粒度必须匹配输出粒度的原则。
Comments Accepted at AI4GOOD@ICML 2026 and FAGEN@ICML 2026. Code: https://github.com/Justin0504/Verifiable_agent
一场景，两深度：探究单目基础模型中的几何歧义性
机构 * University of Michigan（密歇根大学） ； Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学） ； Vanderbilt University（范德比大学）
AI总结 本文提出稀疏双层序数基准MD-3k，用于测量单目深度基础模型的深度层偏好和多层空间关系准确性，发现不同模型对同一分层几何结构有不同解析，且拉普拉斯视觉提示可改变冻结模型的输出层。
Comments 49 pages, 25 figures; Accepted by European Conference on Computer Vision (ECCV) 2026
AI 如何解决了最古老 SGD 算法的复杂度问题
机构 * University of Michigan（密歇根大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文利用现代 AI 模型（如 ChatGPT 和 Gemini）协作，发现了 Kaczmarz 算法（最早 SGD 算法）的最坏情况复杂度。
TAP-VLA：面向视觉语言动作模型的触觉标注提示
机构 * Robotics Department, University of Michigan（密歇根大学机器人系） ； Computer Science and Engineering Department, University of Michigan（密歇根大学计算机科学与工程系）
AI总结 提出TAP-VLA框架，通过将触觉剪切场叠加到RGB图像上作为视觉增强，无需修改架构或触觉预训练，即可将触觉反馈融入VLA模型，在接触丰富任务中成功率78%，显著优于基线。
Comments 8 pages + references
弱主导平衡：用于鲁棒识别动态一致流体流动结构
机构 * Department of Mechanical Engineering, University of Washington, Seattle, WA, USA（华盛顿大学机械工程系） ； AI Institute in Dynamic Systems, University of Washington, Seattle, WA, USA（动态系统人工智能研究所） ； Lynn Booth and Kent Kresa Department of Aerospace, California Institute of Technology, Pasadena, CA, USA（加州理工学院航空航天系） ； Department of Mechanical and Aerospace Engineering, University of California, Los Angeles, CA, USA（加州大学洛杉矶分校机械与航空航天工程系） ； Department of Aerospace Engineering, University of Michigan, Ann Arbor, MI, USA（密歇根大学航空航天工程系）
AI总结 提出弱主导平衡框架，通过弱形式投影避免数值微分噪声，实现从高噪声数据中识别物理机制，并成功应用于湍流管道流动的三阶偏微分方程分解。
用于开发和评估因果AI的神经影像模拟框架
机构 * Biomedical Engineering Graduate Program, University of Calgary（卡莱尔大学生物医学工程研究生项目） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） ； Department of Radiology, University of Michigan（密歇根大学放射科）
AI总结 提出一种生成具有已知因果结构的合成神经影像框架，通过模拟T1加权MRI中的体积变化实现因果控制，为因果AI方法提供基准测试数据。
Comments 10 pages, 5 figures, submitted to the Journal of Biomedical and Health Informatics, Code available at https://github.com/erynl-s/SCAR
抗干扰的PRB预留用于延迟关键型O-RAN网络切片
机构 * 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）
AI总结 针对O-RAN下行链路中的恶意干扰导致PRB容量降低和延迟违规问题，提出一种基于预留的弹性框架，通过近实时RIC xApp控制预留PRB池，结合主动清除积压和被动分配预留容量，并采用掩蔽深度Q网络学习非平稳干扰下的最优策略，显著降低URLLC延迟违规并提高预留效率。
Comments Accepted at ML-Spec Workshop in IEEE DySPAN 2026
Journal ref Proc. 2026 IEEE International Symposium on Spectrum Innovation (DySPAN), Washington, DC, USA, May 11--14, 2026
在拜占庭故障下鲁棒的多智能体大语言模型
机构 * Department of Robotics, University of Michigan, Ann Arbor, USA（密歇根大学机器人系，安娜堡，美国） ； Thomas Lord Department of Computer Science, University of Southern California, USA（南加州大学计算机科学托马斯·劳德系，美国）
AI总结 本文提出Self-Anchored Consensus算法，通过去中心化迭代过滤和优化协议提升多智能体系统在拜占庭故障下的鲁棒性，实验表明其在数学和常识推理任务中表现优异。
通过非适应性子集查询进行聚类
机构 * CUNY Baruch College（纽约市立大学巴鲁克学院） ； UC San Diego（加州大学圣迭戈分校） ； University of Michigan（密歇根大学）
AI总结 本文提出首个非适应性子集查询聚类算法，通过O(n log k·(log k + log log n)^2)次查询实现改进，同时考虑查询规模限制和平衡聚类情况。
Comments Minor fixes
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