University of Michigan（密歇根大学安娜堡分校）

OpenG2G: A Simulation Platform for AI Datacenter-Grid Runtime Coordination

OpenG2G：用于AI数据中心-电网运行协调的仿真平台

Jae-Won Chung, Zhirui Liang, Yanyong Mao, Jiasi Chen, Mosharaf Chowdhury, Vladimir Dvorkin

机构 * University of Michigan（密歇根大学） 纠错

AI总结 本文提出OpenG2G平台，用于研究AI数据中心与电网的协调策略，通过模拟不同控制方法评估AI模型对数据中心灵活性的影响。

Comments Open-source at https://github.com/gpu2grid/openg2g

Convexity in Disguise: A Theoretical Framework for Nonconvex Low-Rank Matrix Estimation

伪装的凸性：非凸低秩矩阵估计的理论框架

Chengyu Cui, Gongjun Xu

机构 * Department of Statistics, University of Michigan（密歇根大学统计系） 纠错

AI总结 本文提出了一种理论框架，揭示了非凸方法在低秩估计中的内在凸性机制，通过良性正则化器提供新的理论保证。

Conditional Diffusion Under Linear Constraints: Langevin Mixing and Information-Theoretic Guarantees

在线性约束下条件扩散：兰杰文混合与信息论保证

Ahmad Aghapour, Erhan Bayraktar, Asaf Cohen

机构 * University of Michigan（密歇根大学） 纠错

AI总结 本文研究预训练扩散模型在零样本条件下对线性逆问题（如修复和超分辨率）的采样，提出通过投影-切线分解分析得分函数，证明误差上界与条件互信息关系，提出投影-兰杰文初始化和引导反向去噪方法提升修复和超分辨率性能。

Cooperative Profiles Predict Multi-Agent LLM Team Performance in AI for Science Workflows

协同特征预测多智能体LLM团队在AI for Science工作流中的性能

Shivani Kumar, Adarsh Bharathwaj, David Jurgens

机构 * University of Michigan（密歇根大学） 纠错

AI总结 本文通过六种行为经济学游戏评估35个LLM的协同特征，发现其能有效预测AI for Science任务中的团队表现，特别是在数据处理、建模和报告生成中，协同策略优于贪心策略。

Feeling the Space: Egomotion-Aware Video Representation for Efficient and Accurate 3D Scene Understanding

感知空间：面向高效准确3D场景理解的自我运动感知视频表示

Shuyao Shi, Kang G. Shin

机构 * Department of Computer Science（计算机科学系） ； University of Michigan（密歇根大学） ； University of Michigan Ann Arbor（密歇根大学安阿伯分校） 纠错

AI总结 本文提出Motion-MLLM框架，结合IMU数据与视觉特征，通过运动-视觉关键帧过滤模块和异构跨模态融合模块，提升3D场景理解与空间推理的效率和准确性。

Comments 22 pages, 10 figures

A Greedy PDE Router for Blending Neural Operators and Classical Methods

一种用于融合神经算子和经典方法的贪心PDE路由器

Sahana Rayan, Yash Patel, Ambuj Tewari

机构 * Department of Statistics（统计系） ； University of Michigan（密歇根大学） ； Ann Arbor, MI 48104, USA（安阿伯, MI 48104, 美国） 纠错

AI总结 本文提出一种贪心PDE路由器，通过在每次迭代中选择求解器来融合神经算子和经典方法，减少计算误差和误差曲线面积，提升求解效率与稳定性。

Foundation Models for Discovery and Exploration in Chemical Space

化学空间发现与探索中的基础模型

Alexius Wadell, Anoushka Bhutani, Victor Azumah, Austin R. Ellis-Mohr, Andrew J. Stier, Kareem Hegazy, Alexander Brace, Hancheng Zhao, Celia Kelly, Anuj K. Nayak, Yuhan Chen, Dimitrios Simatos, Hongyi Lin, Murali Emani, Venkatram Vishwanath, Kevin Gering, Melisa Alkan, Tom Gibbs, Jack Wells, Wesley W. Qian, Richard C. Gerkin, Benjamin Amorelli, Alexander B. Wiltschko, Lav R. Varshney, Bharath Ramsundar, Karthik Duraisamy, Michael W. Mahoney, Arvind Ramanathan, Venkatasubramanian Viswanathan

机构 * Department of Mechanical Engineering, University of Michigan（密歇根大学机械工程系） ； Department of Chemical Engineering, University of Michigan（密歇根大学化学工程系） ； Department of Electrical and Computer Engineering, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校电子与计算机工程系） ； The Santa Fe Institute（圣菲研究所） ； International Computer Science Institute（国际计算机科学研究所） ； Department of Statistics, University of California, Berkeley（加州大学伯克利分校统计学系） ； Department of Computer Science, University of Chicago（芝加哥大学计算机科学系） ； Argonne National Laboratory（阿贡国家实验室） ； Idaho National Laboratory（爱达荷国家实验室） ； NVIDIA Corporation（英伟达公司） ； Osmo Labs, PBC ； AI Innovation Institute, Stony Brook University（石溪大学AI创新研究所） ； Brookhaven National Laboratory（布鲁赫斯研究所） ； Deep Forest Sciences, Palo Alto, CA（帕洛阿尔托的Deep Forest Sciences） ； Department of Aerospace Engineering, University of Michigan（密歇根大学航空航天工程系） ； Lawrence Berkeley National Laboratory（伯克利劳伦斯国家实验室） 纠错

AI总结 本文提出MIST模型，通过大规模无标签数据训练，实现对化学空间中多种分子性质的预测，展示了其在多目标电解质溶剂筛选和立体化学推理中的应用，以及在超参数感知贝叶斯神经缩放定律下的高效训练能力。

Comments Main manuscript: 30 pages (including references), 7 tables and 5 figures. Supplementary information: 158 pages (including references), 15 tables and 128 figures

MiniVLA-Nav v1: A Multi-Scene Simulation Dataset for Language-Conditioned Robot Navigation

MiniVLA-Nav v1：一种多场景模拟数据集用于语言条件的机器人导航

Ali Al-Bustami, Jaerock Kwon

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） 纠错

AI总结 本文提出MiniVLA-Nav v1数据集，用于语言引导的物体接近导航任务，包含四个逼真环境，提供同步图像、深度图和分割掩码，支持多种评估分割。

Comments 9 pages, 12 figures, 7 tables. Dataset paper

OTSS: Output-Targeted Soft Segmentation for Contextual Decision-Weight Learning

OTSS：面向输出的软分割用于上下文决策权重学习

Renjun Hu, Hyun-Soo Ahn

机构 * University of Michigan, Ross School of Business（密歇根大学商学院） 纠错

AI总结 本文提出OTSS模型，通过学习可解释的决策因素权重向量，改进上下文决策权重学习，实验显示其在多个基准测试中均取得最低均后悔值，且效率显著高于EM方法。

Comments 23 pages, 2 figures

Network Digital Untwinning: Towards Backward Optimization of Digital Twins

网络数字解双：面向数字孪生的逆向优化

Zifan Zhang, Dianwei Chen, Anjun Gao, Manhua Wang, Mingzhe Chen, Minghong Fang, Xianfeng Yang, Yuchen Liu

机构 * North Carolina State University（北卡罗来纳州立大学） ； University of Maryland（马里兰大学） ； University of Louisville（路易斯维尔大学） ； University of Michigan（密歇根大学） ； University of Miami（迈阿密大学） 纠错

AI总结 本文提出网络数字解双框架，通过单请求和并行请求机制实现数字孪生的精准删除，同时保证模型完整性，并通过实验验证其有效性。

Comments Accepted by ICDCS 2026

Doubly robust identification of treatment effects from multiple environments

从多个环境中稳健地识别治疗效应

Piersilvio De Bartolomeis, Julia Kostin, Javier Abad, Yixin Wang, Fanny Yang

机构 * Department of Statistics, University of Michigan（密歇根大学统计系） 纠错

AI总结 本文提出RAMEN算法，通过利用多数据源的异质性，无需了解潜在因果图即可获得无偏治疗效应估计，通过双重稳健识别方法提升因果推断的准确性。

Comments Accepted for presentation at the International Conference on Learning Representations (ICLR) 2025

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

Breaking the Rigid Prior: Towards Articulated 3D Anomaly Detection

打破刚性先验：迈向具有铰链或滑动关节的3D异常检测

Jinye Gan, Bozhong Zheng, Xiaohao Xu, Junye Ren, Zixuan Zhang, Na Ni, Yingna Wu

机构 * ShanghaiTech University（上海科技大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

AI总结 本文提出ArtiAD基准，通过15229个点云数据和六种结构异常类型，解决铰链或滑动关节物体的3D异常检测问题，引入SPA-SDF方法，通过连续姿态条件隐式场实现刚性先验的替代，提升检测性能。

How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks

AI代理如何花费你的钱？分析和预测代理编码任务中的令牌消耗

Longju Bai, Zhemin Huang, Xingyao Wang, Jiao Sun, Rada Mihalcea, Erik Brynjolfsson, Alex Pentland, Jiaxin Pei

机构 * University of Michigan（密歇根大学） ； Stanford University（斯坦福大学） ； All Hands AI ； Google Deepmind（谷歌DeepMind） ； Microsoft AI（微软AI） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 本文研究了代理编码任务中令牌消耗模式，发现代理任务消耗远高于代码推理和代码聊天，且模型在任务执行前难以准确预测自身令牌使用。

Out-of-Distribution Generalization of In-Context Learning: A Low-Dimensional Subspace Perspective

上下文学习的分布外泛化：一个低维子空间视角

Soo Min Kwon, Alec S. Xu, Can Yaras, Laura Balzano, Qing Qu

机构 * Department of Electrical and Computer Engineering, University of Michigan（密歇根大学电气与计算机工程系） 纠错

AI总结 本文从低维子空间角度研究上下文学习的分布外泛化能力，提出一个数学模型证明了在特定条件下上下文学习能泛化到分布外数据，同时通过实验验证了模型在非线性函数类中的扩展性。

Comments AISTATS 2026

Similarity Choice and Negative Scaling in Supervised Contrastive Learning for Deepfake Audio Detection

对比学习中的相似性选择与负样本缩放在深度伪造音频检测中的应用

Jaskirat Sudan, Hashim Ali, Surya Subramani, Hafiz Malik

机构 * University of Michigan, Dearborn（密歇根大学迪尔伯恩分校） 纠错

AI总结 本文研究了对比学习中相似性选择和负样本缩放对深度伪造音频检测的影响，通过实验发现使用余弦相似度和延迟队列能有效降低EER，而角相似度在无队列负样本时表现优异，表明对大规模负样本集的依赖减少。

SCOUT: A Defense Against Data Poisoning Attacks in Fine-Tuned Language Models

SCOUT：一种对抗微调语言模型数据中毒攻击的防御方法

Mohamed Afane, Abhishek Satyam, Ke Chen, Tao Li, Junaid Farooq, Juntao Chen

机构 * Department of Computer and Information Sciences, Fordham University（福特汉姆大学计算机与信息科学系） ； Department of Electrical Engineering, Zhejiang University（浙江大学电子工程系） ； Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； 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） 纠错

AI总结 本文提出SCOUT框架，通过令牌级显著性分析检测数据中毒攻击，有效识别隐含触发器，提升对复杂攻击的防御能力。

Comments 9 pages, 3 figures

Journal ref 2025 IEEE International Conference on Big Data (BigData), 2025

GNC-Pose: Geometry-Aware GNC-PnP for Accurate 6D Pose Estimation

GNC-Pose：基于几何的GNC-PnP用于精确的6D姿态估计

Xiujin Liu

机构 * University of Michigan（密歇根大学） 纠错

AI总结 本文提出GNC-Pose，一种无需学习的单目6D物体姿态估计管道，结合渲染初始化、几何感知对应加权和鲁棒GNC优化，通过几何先验和加权策略提升优化稳定性，实现高精度姿态估计。

Comments 1 figures, 2 tables, 14pages

Journal ref Proc. Int. Conf. Pattern Recognit. (ICPR), 2026

Quantum circuit complexity and unsupervised machine learning of topological order

量子电路复杂性与拓扑序的无监督机器学习

Yanming Che, Clemens Gneiting, Xiaoguang Wang, Franco Nori

机构 * Department of Physics, University of Michigan, Ann Arbor, Michigan 48109-1040, USA（密歇根大学物理系，安娜堡，密歇根州，48109-1040，美国） ； Center for Quantum Computing, RIKEN, Wako-shi, Saitama 351-0198, Japan（日本理化学研究所量子计算中心，武藏野市，埼玉县，351-0198，日本） ； Department of Physics, Zhejiang Sci-Tech University, Hangzhou 310018, China（浙江科技学院物理系，杭州310018，中国） 纠错

AI总结 本文探讨量子电路复杂性作为理解拓扑序无监督机器学习的工具，提出两个定理连接量子路径规划与量子鱼跃复杂度及纠缠生成，展示了基于保真度和纠缠度的相似性度量在量子相变研究中的优越性能。

Comments Updated version; With enriched Supplementary Information; 23 pages; 5 figures. Code is available upon reasonable request, and will be open-sourced along with the publication. Comments are welcome

Journal ref Nature Communications (2026)

Learning to Adapt: In-Context Learning Beyond Stationarity

学习以适应：超越平稳性的上下文学习

Zhen Qin, Jiachen Jiang, Zhihui Zhu

机构 * Michigan Institute for Computational Discovery and Engineering（密歇根计算发现与工程研究所） ； Department of Electrical Engineering and Computer Science（电气工程与计算机科学系） ； Department of Statistics（统计学系） ； University of Michigan（密歇根大学） ； Department of Computer Science and Engineering（计算机科学与工程系） ； The Ohio State University（俄亥俄州立大学） 纠错

AI总结 本文研究了非平稳回归问题中上下文学习的理论机制，揭示了门控线性注意力机制在动态环境下的适应性优势。

Journal ref The Fourteenth International Conference on Learning Representations, 2026

Cornserve: A Distributed Serving System for Any-to-Any Multimodal Models

Cornserve：一种用于任意到任意多模态模型的分布式服务系统

Jae-Won Chung, Jeff J. Ma, Jisang Ahn, Yizhuo Liang, Akshay Jajoo, Myungjin Lee, Mosharaf Chowdhury

机构 * University of Michigan（密歇根大学） ； University of Southern California（南加州大学） ； Cisco Research（思科研究） 纠错

AI总结 本文提出Cornserve，一种支持任意到任意多模态模型的分布式服务系统，通过灵活的任务抽象和组件解耦实现高效部署，提升了吞吐量和延迟性能。

Comments CAIS 2026 Demo track | Open source at https://github.com/cornserve-ai/cornserve | Demo video at https://www.youtube.com/watch?v=nb8R-vztLRg

A Multi-Dimensional Audit of Politically Aligned Large Language Models

对政治倾向大型语言模型的多维审计

Lisa Korver, Mohamed Mostagir, Sherief Reda

机构 * Brown University（布朗大学） ； University of Michigan（密歇根大学） ； Ross School of Business（罗斯商学院） 纠错

AI总结 本文提出基于哈贝马斯沟通行动理论的多维框架，评估政治倾向语言模型在有效性、公平性、真实性及说服力四方面的表现，揭示大模型在政治角色扮演中更有效但更偏颇的权衡问题。

TRINITY: An Evolved LLM Coordinator

TRINITY：一个进化的人工智能语言模型协调器

Jinglue Xu, Qi Sun, Peter Schwendeman, Stefan Nielsen, Edoardo Cetin, Yujin Tang

机构 * Sakana AI ； University of Michigan（密歇根大学） ； Institute of Science Tokyo（东京科学研究所） 纠错

AI总结 TRINITY通过轻量级协调器高效分配角色，提升多轮查询处理能力，在多个任务中超越单一模型和现有方法，实现卓越性能。

Comments To appear at the 14th International Conference on Learning Representation (ICLR 2026)

Grammar-Constrained Refinement of Safety Operational Rules Using Language in the Loop: What Could Go Wrong

基于语言闭环的安全操作规则语法约束细化：可能发生的问题

Khouloud Gaaloul, Zaid Ghazal, Madhu Latha Pulimi, Sam Emmanuel Kathiravan

机构 * University of Michigan--Dearborn（密歇根大学迪尔伯恩分校） 纠错

AI总结 本文提出结合反事实推理与语法约束循环的框架，用于安全操作规则的细化，通过自主驾驶控制系统案例展示其在解决不一致规则中的有效性，并强调语法约束与语义验证的重要性。

Comments 6 pages, 1 figure, 2 tables. Accepted at SEAMS 2026

Journal ref Proc. 21st International Conference on Software Engineering for Adaptive and Self-Managing Systems (SEAMS 2026), ACM, 2026, 6 pages