University of Michigan（密歇根大学安娜堡分校）

Efficient Domain-Adaptive Policy Learning via Kernel Representation with Application to Quadrotor Control under Non-Stationary Disturbances

基于核表示的高效域自适应策略学习及其在非平稳扰动下四旋翼控制中的应用

Hongyu Zhou, Mingtian Tan, Vasileios Tzoumas

机构 * University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

AI总结 提出一种基于核表示的高效域自适应策略学习算法，通过随机傅里叶特征建模未知扰动，离线训练仅需50秒，在线通过最小二乘估计实时更新参数，在四旋翼轨迹跟踪任务中有效应对非平稳扰动。

The 3D Mirage: Probing and Taming 3D Hallucinations

真实场景中的逼真幻影道路：从物理几何中解构3D幻觉

Hoang Nguyen, Xiaohao Xu, Xiaonan Huang

机构 * University of Michigan（密歇根大学） 纠错

AI总结 本文提出首个端到端框架，用于探测、量化和抑制单目深度模型中因几何平面输入而产生的3D幻觉现象，通过引入3D-幻影基准和基于拉普拉斯的评估框架，提升深度模型的结构和上下文鲁棒性。

Comments Accepted to ECCV 2026

When Ethics and Payoffs Diverge: LLM Agents in Morally Charged Social Dilemmas

当伦理与收益相悖时：道德两难情境下的大语言模型智能体

Steffen Backmann, David Guzman Piedrahita, Terry Jingchen Zhang, Emanuel Tewolde, Rada Mihalcea, Bernhard Schölkopf, Zhijing Jin

机构 * ETH Zürich（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan（密歇根大学） ； Max Planck Institute for Intelligent Systems, Tübingen（图宾根人工智能研究所） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

AI总结 研究道德要求与利润激励冲突时LLMs在道德两难博弈中的行为，引入\msim评估九个模型，通过ATEs估计因果效应、分析推理轨迹，发现模型道德行为有情境脆弱性，揭示了部署风险。