Information Discernment in Large Language Models
大语言模型中的信息辨别
机构 * University of Michigan（密歇根大学）
AI总结 研究大语言模型在与外部知识源结合时的信息辨别问题，提出Learn2Discern框架及基准，通过用户研究和大量模型试验发现模型在来源和真相辨别上存在问题，识别出简单干预措施，发布数据集和调查作为测试平台。
高校专区
University of Michigan（密歇根大学安娜堡分校）
Stochastic Multi-Objective Kinodynamic Planning Against Adversaries
针对对手的随机多目标运动动力学规划
机构 * University of Michigan（密歇根大学）
AI总结 研究在含随机混合对手环境下的多目标运动动力学规划，核心方法是将规划空间转移到闭环策略序列，通过蒙特卡洛粒子展开评估风险，引入SMO-RRT和SMO-SST算法，推导有限样本界，实现概率安全规划。
Comments 8 pages, 1 figure, accepted to CDC 2026
How Does Alignment Tuning Shape Representations of Sycophancy and Related Cue-Induced Biases in LLMs?
对齐调整如何塑造大语言模型中谄媚及相关线索诱导偏差的表征？
机构 * University of Michigan（密歇根大学） ； Jinesis Lab, University of Toronto & Vector Institute（多伦多大学Jinesis实验室和向量研究所） ； Max-Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所）
AI总结 研究大语言模型中谄媚及相关线索诱导偏差的位置，通过从隐藏状态提取偏差方向并经探测等三种方法三角测量，发现易感性由对齐调整而非预训练导致，还能适度去偏，偏差是对齐调整安装的不同因果活性方向。
Test-Time Scaling for World Action Models via Zero-Shot Geometric Evaluation
通过零样本几何评估实现世界行动模型的测试时缩放
机构 * University of Michigan（密歇根大学） ； NVIDIA（英伟达）
AI总结 研究针对世界行动模型，提出无需训练的选择性测试时缩放框架\methodgated，基于预测未来的跨视图深度重投影一致性排序，经实验验证该方法能提高任务成功率，同时减少额外采样决策点，还识别出相关失败模式。
Comments Extened version of CVPR 2026 EAI workshop
A Synthetic 3D Gear Dataset for Manufacturing Quality Inspection (MFGNet-Gear)
用于制造质量检测的合成3D齿轮数据集（MFGNet-Gear）
机构 * University of Michigan（密歇根大学）
AI总结 研究针对智能制造中基于深度学习的零件质量检测数据难题，提出构建MFGNet-Gear合成3D数据集，通过参数化生成齿轮几何形状与缺陷，涵盖多种设计和质量等级，提供标注数据，助力相关检测、学习及基准测试，推动3D计量学发展。
Scalable Open-Source Visuotactile Sensor for 6-Axis Contact Wrench Estimation in Tensegrity Robots
用于张拉整体机器人六轴接触力扳手估计的可扩展开源视觉触觉传感器
机构 * University of Michigan（密歇根大学）
AI总结 本文针对张拉整体机器人提出可扩展开源视觉触觉传感系统，通过集成弹性体外壳等部件及螺旋状填充粘结技术，利用触觉到扳手的神经网络实现六轴力扳手估计，实验验证其准确性和稳定性，提升了机器人触觉反馈实用性。
Comments 8 pages, 10 figures, IROS 2026
E3DGS: Unified Geometric-Photometric Equivariance for 3D Gaussian Splatting via Color-as-Geometry Embedding
E3DGS：通过颜色作为几何嵌入实现3D高斯点云的统一几何-光度等变性
机构 * University of Michigan（密歇根大学）
AI总结 研究针对3D高斯点云构建等变架构的表示瓶颈问题，提出基于表示理论的统一解决方案，通过将光度学与几何张量同构等方法，引入统一矩阵嵌入，构建E3DGS架构，提升了相机帧变化下的鲁棒性和数据效率。
Comments 31 pages, 7 figures, 5 tables
Mutable Low-Rank Sketches for Retrain-Free Recommendation
用于无再训练推荐的可变低秩草图
机构 * University of Michigan（密歇根大学） ； Criteo
AI总结 研究两阶段推荐中嵌入陈旧性问题，提出可变草图方法，将用户偏好存于KP树，一次拟合低秩投影，即时重算嵌入。证明可收紧预测误差范围，实验显示该方法在KuaiRec上效果好、更新快，新用户获推荐快，还比较了不同采样策略。
Comments 6 pages, 3 figures, 8 tables
Mixed-Agent Museum Tour Guide Design Improves Gendered Learning Outcomes and Visitor Preferences
混合智能体博物馆导游设计提升性别化学习成果及游客偏好
机构 * University of Michigan（密歇根大学） ； Incheon National University（仁川国立大学）
AI总结 研究博物馆中机器人导游，提出结合实体与虚拟智能体的混合导游系统，经30人受试者内研究验证，发现其提升女性学习表现，各条件下参与度和体验质量一致，且无论性别参与者都更偏好混合智能体团队。
Comments Accepted on IROS 2026, 8 pages
Dysco: Dynamic Subspace Boosting to Mitigate LoRA Interference in Federated Learning
Dysco：动态子空间增强以减轻联邦学习中的LoRA干扰
机构 * University of Michigan（密歇根大学） ； Cornell University（康奈尔大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 研究针对联邦学习中异构客户端使LoRA聚合不稳定的问题，提出动态子空间增强方法Dysco，通过联邦动态分配特定客户端LoRA子空间，经实验验证其能减少干扰、降低训练损失、提升算法性能且开销小。
Comments 33 pages, 10 figures, 11 tables
Learning Speaker Identity Beyond Language and Modality Constraints: Insights from the POLY-SIM 2026 Challenge
超越语言和模态限制学习说话者身份：来自POLY-SIM 2026挑战赛的见解
机构 * Institute of Computational Perception, Johannes Kepler University（约翰内斯·开普勒大学计算感知研究所） ； University of Michigan-Flint（密歇根大学弗林特分校） ； BDO DIGITAL Gmbh（BDO数字有限公司） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Fortemedia（富特媒体公司） ； College of Computing, Mohammed VI Polytechnic University（穆罕默德六世理工大学计算学院） ； IT:U Interdisciplinary Transformation University（IT:U跨学科转型大学） ； University of Augsburg（奥格斯堡大学）
AI总结 POLY-SIM 2026挑战赛旨在解决多模态说话者识别中语言和模态限制问题，针对实际应用中信息缺失、多语言等挑战，为比较解决方案提供标准化设置。
Comments Accepted at ACM MM 2026
VAMP-MR: Vector-Accelerated Motion Planning and Execution for Multi-Robot-Arms
VAMP-MR：多机器人手臂的向量加速运动规划与执行
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； University of Michigan（密歇根大学）
AI总结 针对多机器人手臂运动规划这一关键挑战，结合经典规划算法与矢量化碰撞检查技术，引入新运动规划器，基于CPU SIMD指令加速碰撞检查，在运动规划和执行后处理中实现加速，并发布实现降低研发门槛。
Comments 8 pages, 6 figures, 3 tables. To appear in the Proceedings of IROS 2026
Design and Characterization of a Limb Encircling Actuator
肢体环绕式致动器的设计与特性
机构 * University of Michigan（密歇根大学）
AI总结 研究重新思考致动几何结构使外骨骼更贴合身体的方法，开发肢体环绕式致动器（LEA）并表征其特性，其虽有高扭矩密度和创新布局，但贴近身体仍有困难，为外骨骼设计提供见解。
Comments 10 pages, 6 figures
EMAGN: Efficient Multi-Attention Graph Network via Learned Clustering for Scalable Traffic Forecasting
EMAGN：基于学习聚类的高效多注意力图网络用于可扩展交通流量预测
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； University of California, Berkeley（加利福尼亚大学伯克利分校） ； Cornell University（康奈尔大学） ； Technische Universität Dresden（德累斯顿工业大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 针对交通流量预测中自注意力机制扩展性有限的问题，提出EMAGN，通过学习聚类矩阵将空间注意力机制线性化，降低复杂度，实验表明其在准确性和效率上优于其他模型，扩展了可行模型配置。
GaitSpan: Growing Humanoid Locomotion from Walking to Running
GaitSpan：将类人机器人的运动从行走扩展到跑步
机构 * University of Michigan（密歇根大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 研究如何让类人机器人从行走扩展到跑步，提出GaitSpan框架，将预训练行走策略扩展，通过节奏生成、步幅塑造和残差适应三方面实现，能跨形态、跨地形零样本部署，相比基线学习更快且步态性能更强。
Comments Project Page: https://gaitspan2026.github.io/
LIDAR-AD: A Decoder-Free Latent-Interaction Dreamer with Action-Residual Chains for Autonomous Driving
LIDAR-AD：一种用于自动驾驶的无解码器潜在交互梦想家与动作残差链
机构 * School of Mechanical Engineering, Southeast University（东南大学机械工程学院） ； Department of Civil and Environmental Engineering, University of Michigan（密歇根大学土木与环境工程系） ； Xheart Technology Co., Ltd.（芯驰科技有限公司）
AI总结 研究针对自动驾驶中多源观测冗余问题，提出LIDAR-AD，用减少冗余的潜在对齐取代观测重建，将车辆控制建模为残差动作更新，经实验验证其在模拟场景和现实布局下性能优异，能提升风险感知等能力。
Inside the Unfair Judge: A Mechanistic Interpretability Account of LLM-as-Judge Bias
剖析不公平的评判者：基于大语言模型作为评判者的偏差的机械可解释性分析
机构 * AMAP, Alibaba Group（阿里巴巴集团AMAP实验室） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Southern California（南加州大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
AI总结 研究大语言模型作为评判者的偏差，提出偏差在隐藏状态有表示层面解释。通过七位评判者等实验发现，偏差输入沿特定子空间移动，操纵隐藏状态可控制评分，线性投影能预测评判失败，统一多方面内容。
Comments 58 pages, 13 figures, 30 tables; project page: https://xzx34.github.io/unfair-judge/
MET: Theory-Grounded and Culture-Aware Multilingual Moral Reasoning
MET：基于理论和文化感知的多语言道德推理
机构 * University of Michigan（密歇根大学）
AI总结 研究针对语言模型用于跨语言文化道德决策时存在的多语言性忽视问题，提出MET两步提示法及MET-D自我蒸馏训练，引入MCLASH基准，实验表明MET-D提升模型性能，揭示不同文化有益依据差异，为多语言道德推理开辟道路。
Comments Published as a conference paper at COLM 2026
Adapting Evidential Neural Networks to Test-Time Neighbor Fusion Improves Molecular Property Prediction
使证据神经网络适应测试时的邻居融合可改善分子性质预测
机构 * Department of Chemical Engineering, University of Michigan（美国密歇根大学化学工程系） ； Michigan Institute for Data & AI in Society, University of Michigan（美国密歇根大学数据与社会人工智能研究所） ； Department of Statistics, University of Michigan（美国密歇根大学统计系）
AI总结 研究如何利用证据神经网络在测试时通过邻居融合优化分子性质预测，提出PG-EVIKAL方法，学习性质距离度量重排邻居，经实验验证该方法能降低RMSE、改善校准，还能在连续测定场景中优化预测，证明证据不确定性分解可用于测试时分子性质预测优化。
Comments 45 pages (18 main, 27 SI); 11 figures (7 main, 4 SI); 14 tables (0 main, 14 SI); 61 equations (15 main, 46 SI)
Imaging-101: Benchmarking LLM Coding Agents on Scientific Computational Imaging
成像101：在科学计算成像上对大语言模型编码智能体进行基准测试
机构 * College of Future Technology and the National Biomedical Imaging Center, Peking University（北京大学未来技术学院和国家生物医学成像中心） ； AI for Science Institute (AISI)（科学人工智能研究所） ； University of Michigan（密歇根大学） ； State Key Laboratory of Acoustics and Marine Information, Institute of Acoustics, Chinese Academy of Sciences（中国科学院声学研究所声场声信息国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Astronautics, Beihang University（北京航空航天大学宇航学院） ； Key Laboratory of Spacecraft Design Optimization and Dynamic Simulation Technologies, Ministry of Education（教育部航天器设计优化与动态仿真技术重点实验室）
AI总结 研究针对计算成像构建正确重建管道费力的问题，引入含57个任务的Imaging-101基准及三个评估轨道，评估七个前沿大语言模型，发现应用编码智能体于计算成像存在系统性挑战，指出技能增强、领域专业化智能体是可靠成像辅助的途径。
Neural Posterior Estimation for Inferring Weak Lensing Shear
用于推断弱引力透镜切变的神经后验估计
机构 * Department of Statistics, University of Michigan（密歇根大学统计学系） ； Department of Physics, University of Michigan（密歇根大学物理学系）
AI总结 研究提出用神经后验估计（NPE）推断弱引力透镜切变，训练深度神经网络将模拟多波段图像映射到切变场变分分布，整合多步骤为隐式推理，实验表明在复杂观测效应下NPE能产生准确校准的后验近似，是可行的切变估计方法。
Comments 17 pages, 10 figures, 3 tables
AUTOPILOT VQA: Benchmarking Vision-Language Models for Incident-Centric Dashcam Understanding
自动驾驶视觉问答：以事件为中心的行车记录仪理解视觉语言模型基准测试
机构 * University of Colorado Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校） ； University of Michigan（密歇根大学） ； University of Notre Dame（圣母大学）
AI总结 针对评估视觉语言模型对安全关键事件推理能力的挑战，提出AUTOPILOT-VQA基准，通过围绕真实驾驶事件的结构化问题评估系统，涵盖多安全相关类别，推动向安全意识推理发展，为自动驾驶系统评估提供标准，助力相关视觉语言系统开发。
Comments CVPR Autopilot Workshop
Learning Adaptive Solvers for Distributed Factor Graph Optimization on Matrix Lie Groups
学习用于矩阵李群上分布式因子图优化的自适应求解器
机构 * University of Michigan（密歇根大学）
AI总结 针对机器人感知中大规模几何优化问题，提出DeepCORD框架，通过展开黎曼优化器为可微迭代，学习自监督反馈策略动态调整参数，实验证明该方法在分布式因子图优化上效果优于现有基线。
Do Transformations Reveal the Truth? Generative Residual Learning for Generalized AI-Generated Image Detection
变换能揭示真相吗？用于广义人工智能生成图像检测的生成残差学习
机构 * University of Michigan Flint（密歇根大学弗林特分校） ； Korea Aerospace University（韩国航空航天大学）
AI总结 针对生成式AI带来的威胁及AIGI检测难题，提出GenRes框架，通过神经张量网络建模关系特征增强泛化；引入GenRes++，用注意力机制聚合多变换样本特征；利用PE-Core提取特征，实验证明GenRes++性能优于现有方法。
Structure Learning on Clustered Data
聚类数据上的结构学习
机构 * University of Technology Sydney（悉尼科技大学） ； University of Michigan（密歇根大学）
AI总结 针对现有技术无法用于聚类数据结构学习的问题，提出新方法，将经典混合模型框架扩展到结构学习，通过可微图耦合机制、收敛一阶方法等，在聚类数据中检测到其他估计器遗漏的依赖关系。
CausalDS: Benchmarking Causal Reasoning in Data-Science Agents
因果DS：数据科学智能体中的因果推理基准测试
机构 * Department of Statistics University of Michigan（统计学系密歇根大学）
AI总结 介绍用于评估数据科学智能体因果推理的CausalDS基准，由含观测数据的结构因果模型和合成自然语言故事构成场景，导出跨越Pearl三个层级的任务，联合评估符号因果推理、数据科学等多方面能力。
Comments 55 pages, 10 figures
Validating LLMs in social science: Epistemic threats and emerging norms
在社会科学中验证大语言模型：认知威胁与新兴规范
机构 * School of Information, University of Michigan（信息学院，密歇根大学） ； Center for the Study of Complex Systems, University of Michigan（复杂系统研究中心，密歇根大学）
AI总结 研究探讨大语言模型对社会科学方法论的重塑，通过分析八本旗舰期刊论文语料库，发现其生成测量在实证分析中核心作用凸显，但验证实践存问题，进而概述补充策略以完善大语言模型在社会科学应用的规范标准。
Comments 28 pages, 2 figures. Main text: 11 pages, Appendix: 11 pages, References: 6 pages
STEMbot: A Compliant Robot for Under-Canopy Plant Navigation
STEMbot：一种用于树冠下植物导航的柔顺机器人
机构 * Robotics Department, University of Michigan（密歇根大学机器人系）
AI总结 针对有机农业虫害监测难题，提出STEMbot微型攀爬机器人系统，集成全几何PIN-SLAM管道和语义八叉树，用流形约束A*规划器实现分支感知遍历与遮挡目标检测，经实验验证可可靠导航并实现高保真几何重建。
Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Project page: https://um-arm-lab.github.io/stembot-site/
Kime-Representation Formulations of Three Open Problems in the Foundations of Classical Mechanics: Uncertainty, Invariant Entropy, and Directional Degrees of Freedom
经典力学基础中三个开放问题的复时（kime）表示公式：不确定性、不变熵和定向自由度
机构 * University of Michigan（密歇根大学）
AI总结 该研究在复时（kime）表示下探讨经典力学基础的三个问题，包括熵不确定性原理扩展、坐标不变测度与熵表征及构建经典相对论定向自由度，通过多种数学方法证明相关关系和结论，并提出精确开放问题。
On the feasibility of dependency parsing of non-human sequences without a gold standard. Is evaluation possible in other species?
关于无黄金标准的非人类序列依存句法分析的可行性。在其他物种中是否可以进行评估？
机构 * Universitat Politècnica de Catalunya（加泰罗尼亚理工大学） ； University of St Andrews（圣安德鲁斯大学） ； University of Michigan（密歇根大学） ； Western University（韦仕敦大学）
AI总结 探讨无黄金标准下非人类序列依存句法分析的可行性，应用网络科学进展，发现非人类灵长类动物发声或手势序列因序列长度分布快速衰减，解析器检索正确边比例高，可无黄金标准评估，人类语言序列则不然。
Comments typos corrected
