Adapting Feature Attenuation to NLP
适应特征衰减到NLP
机构 * University of Michigan（密歇根大学） ； University of Colorado Colorado Springs（科罗拉多州立大学）
AI总结 本文将特征衰减假设从计算机视觉移植到NLP，评估了COSTARR等方法在文本开放集识别中的表现，发现其在不重新训练的情况下效果有限，但指出了需要更大模型和定制策略的改进方向。
高校专区
University of Michigan（密歇根大学安娜堡分校）
Dynamic Graph Neural Networks for Physiological Based Pharmacokinetic Modeling: A Novel Data Driven Approach to Drug Concentration Prediction
动态图神经网络用于基于生理的药代动力学建模：一种新颖的数据驱动方法用于药物浓度预测
机构 * Independent Researcher（独立研究者） ； University of Michigan -- Ann Arbor（密歇根大学安娜堡分校） ； Texas A\&M University（德克萨斯农工大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of California -- Irvine（加州大学伊尔弗分校）
AI总结 本文提出动态图神经网络用于基于生理的药代动力学建模，通过数据驱动方法提升药物浓度预测的准确性与稳定性。
GRACE: Discriminator-Guided Chain-of-Thought Reasoning
GRACE: 基于判别器的链式推理
机构 * University of Michigan（密歇根大学） ； LG AI Research（LG人工智能研究） ； University of Illinois at Chicago（伊利诺伊大学香槟分校）
AI总结 GRACE通过引入判别器引导链式推理，有效提升多步推理任务中答案的准确性和中间推理的正确性。
Comments Fixed typos
Neuromorphic Cybersecurity with Semi-supervised Lifelong Learning
类脑安全与半监督终身学习
机构 * School of EECS（电子工程与科学学院） ； The Pennsylvania State University（宾夕法尼亚州立大学） ； Dept. of EECS（电子工程与科学系） ； University of Michigan（密歇根大学） ； Quantum Ventura, Inc.（Quantum Ventura 公司） ； University of Texas at Arlington Research Institute（德克萨斯大学阿灵顿研究 institute）
AI总结 本文提出一种基于类脑机制的脉冲神经网络架构，通过半监督终身学习实现网络入侵检测，提升持续学习中的适应性和准确性。
Comments Accepted at ACM International Conference on Neuromorphic Systems (ICONS) 2025
CREPES-X: Hierarchical Bearing-Distance-Inertial Direct Cooperative Relative Pose Estimation System
CREPES-X：分层的方位-距离-惯性直接协作相对位姿估计系统
机构 * State Key Laboratory of Industrial Control Technology, Institute of Cyber-Systems and Control, Zhejiang University（工业控制技术国家重点实验室，系统与控制研究所，浙江大学） ； Huzhou Institute of Zhejiang University（浙江大学湖州研究院） ； University of Michigan（密歇根大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 CREPES-X通过分层估计器实现多机器人系统的鲁棒且高效的相对位姿估计，适用于复杂环境下的高精度定位。
Comments 21 pages, 23 figures, journal
Simultaneous Extrinsic Contact and In-Hand Pose Estimation via Distributed Tactile Sensing
通过分布式触觉感知同时估计外在接触和手持姿态
机构 * Robotics Department, University of Michigan（密歇根大学机器人系） ； Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
AI总结 本文提出了一种基于分布式触觉感知的方法，通过结合局部观察与物理约束，实现外在接触和手持姿态的同步估计。
Comments 8 pages. IEEE Robotics and Automation Letters, 2026
GrOMP: Grasped Object Manifold Projection for Multimodal Imitation Learning of Manipulation
GrOMP：抓取物体流形投影用于多模态模仿学习的操控
机构 * Mechanical Engineering Department at the University of Michigan（密歇根大学机械工程系） ； Robotics & Automation Research Department at the Ford Motor Company（福特汽车公司机器人与自动化研究部） ； Robotics Department at the University of Michigan（密歇根大学机器人系）
AI总结 GrOMP通过抓取物体流形投影技术，提升多模态模仿学习中操控任务的精度和鲁棒性，基于累积误差界理论，利用触觉反馈在多个装配任务中验证其有效性。
Comments 8 pages, 8 figures, 2 tables
InDRiVE: Reward-Free World-Model Pretraining for Autonomous Driving via Latent Disagreement
InDRiVE: 通过潜在分歧进行无奖励世界模型预训练以实现自动驾驶
机构 * Department of Electrical and Computer Engineering, University of Michigan-Dearborn（电气与计算机工程系，密歇根大学-迪尔伯恩分校）
AI总结 InDRiVE通过潜在分歧进行无奖励世界模型预训练，提升了自动驾驶在零样本迁移和少量样本适应中的鲁棒性。
Driving Beyond Privilege: Distilling Dense-Reward Knowledge into Sparse-Reward Policies
超越特权：将密集奖励知识蒸馏到稀疏奖励策略中
机构 * Department of Electrical and Computer Engineering, University of Michigan-Dearborn（电气与计算机工程系，密歇根大学迪尔伯恩分校）
AI总结 本文提出通过密集奖励蒸馏学习稀疏奖励策略，提升自动驾驶在稀疏目标上的泛化能力。
View Selection for 3D Captioning via Diffusion Ranking
通过扩散排名进行3D描述生成的视图选择
机构 * University of Michigan LG AI Research（密歇根大学LG人工智能研究）
AI总结 本文提出DiffuRank方法，通过评估3D物体与2D视图的对齐度，提升3D描述生成的准确性与细节，同时扩展数据集规模并优于CLIP模型。
Comments Dataset link: https://huggingface.co/datasets/tiange/Cap3D
A Closer Look at Model Collapse: From a Generalization-to-Memorization Perspective
对模型崩溃的深入观察：从泛化到记忆的视角
机构 * University of Michigan（密歇根大学） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 本文提出基于熵的数据选择策略，缓解扩散模型中从泛化到记忆的转变，防止模型崩溃。
Comments NeurIPS 2025 Spotlight paper
An Equivariance Toolbox for Learning Dynamics
学习动力学的等变工具箱
机构 * University of Michigan（密歇根大学） ； Massachusetts Institute of Technology（麻省理工学院） ； NTT Research（NTT研究所）
AI总结 本文提出了一种通用的等变工具箱，用于分析学习动力学中一阶和二阶约束，统一守恒定律与隐式偏置关系，并揭示变换结构与优化几何的关系。
Linking Faces and Voices Across Languages: Insights from the FAME 2026 Challenge
跨语言关联面孔与声音：来自FAME 2026挑战的见解
机构 * Johannes Kepler University Linz（约翰·凯普勒大学林茨） ； National University of Computer and Emerging Sciences（国家计算机与新兴科学大学） ； University of Michigan（密歇根大学） ； Fortemedia Singapore（Fortemedia新加坡） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Engineering and Technology Taxila（塔希尔工程与技术大学） ； Linz Institute of Technology（林茨技术学院）
AI总结 FAME 2026挑战旨在解决多语言环境下面孔与声音关联问题，通过开发适应不同语言的算法提升跨语言识别性能。
Comments Accepted at ICASSP 2026
Cost-TrustFL: Cost-Aware Hierarchical Federated Learning with Lightweight Reputation Evaluation across Multi-Cloud
跨多云环境的成本感知联邦学习：轻量级声誉评估的分层联邦学习
机构 * Westcliff University（韦斯特克莱夫大学） ； University of Virginia（弗吉尼亚大学） ； University of Washington（华盛顿大学） ； Northeastern University（东北大学） ； University of Michigan（密歇根大学）
AI总结 Cost-TrustFL通过轻量级声誉评估和成本感知聚合策略，在多云环境中实现模型性能与通信成本的联合优化，有效防御中毒攻击。
Optimal Anytime-Valid Tests for Composite Nulls
复合零假设下的最优任意时间检验
机构 * EECS Department University of Michigan, Ann Arbor（密歇根大学电子工程与计算机科学系）
AI总结 本文提出了一种基于e过程的构造性方法，用于设计复合零假设下的最优任意时间检验，该方法在α趋近于0时达到理论下限。
Comments 24 pages, 1 figure
Counterfactual LLM-based Framework for Measuring Rhetorical Style
反事实LLM框架用于测量修辞风格
机构 * School of Information University of Michigan（信息学院密歇根大学） ； CSAIL MIT（MIT计算机科学与人工智能实验室）
AI总结 本文提出基于LLM的反事实框架，用于量化机器学习论文中的修辞风格，并发现修辞风格显著影响后续关注度，且2023年后修辞强度因LLM写作辅助而显著上升。
GenEnv: Difficulty-Aligned Co-Evolution Between LLM Agents and Environment Simulators
GenEnv：LLM代理与环境模拟器之间的难度对齐共进化
机构 * Princeton University（普林斯顿大学） ； Columbia University（哥伦比亚大学） ； University of Michigan（密歇根大学） ； University of Chicago（芝加哥大学）
AI总结 GenEnv通过动态生成任务与代理能力对齐的共进化机制，在减少数据使用量的同时显著提升代理性能。
Comments Our codes are available at https://github.com/Gen-Verse/GenEnv
Next-Embedding Prediction Makes Strong Vision Learners
下一步嵌入预测使视觉学习更强
机构 * University of Michigan（密歇根大学） ； New York University（纽约大学） ； Princeton University（普林斯顿大学） ； University of Virginia（弗吉尼亚大学）
AI总结 本文提出NEPA方法，通过生成嵌入进行预测任务，实现强大的视觉自监督学习效果。
Comments Project Page: https://sihanxu.me/nepa
Improving Local Training in Federated Learning via Temperature Scaling
通过温度缩放改进联邦学习中的本地训练
机构 * School of Integrated Technology, Yonsei University（燕尼大学整合技术学院） ； BK21 Graduate Program in Intelligent Semiconductor Technology, Yonsei University（燕尼大学智能半导体技术研究生项目） ； Department of Electrical Engineering and Computer Science, University of Michigan（密歇根大学电气工程与计算机科学系）
AI总结 FLex&Chill通过温度缩放方法提升联邦学习中本地训练的收敛速度和推理精度。
Comments 56 pages
DeliveryBench: Can Agents Earn Profit in Real World?
DeliveryBench: 代理在现实世界中能否获利？
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Michigan（密歇根大学）
AI总结 DeliveryBench通过模拟现实世界中的食品配送任务，评估基于VLM的具身代理在长期规划和约束管理方面的性能，发现其与人类存在显著差距。
Context-Aware Initialization for Reducing Generative Path Length in Diffusion Language Models
基于上下文的初始化以减少扩散语言模型中的生成路径长度
机构 * University of Michigan（密歇根大学）
AI总结 本文提出基于上下文的初始化方法，通过注入提示条件先验来减少扩散语言模型生成路径长度，提升解码效率并解决预热启动的准确性问题。
Systematic Benchmarking of SUMO Against Data-Driven Traffic Simulators
对SUMO与数据驱动交通模拟器的系统性基准测试
机构 * University of Michigan（密歇根大学）
AI总结 本文系统性比较SUMO与数据驱动交通模拟器，展示SUMO在现实感和稳定性上的优势，适用于自动驾驶模拟。
Comments Source code is available at https://github.com/LuminousLamp/SUMO-Benchmark
Local Patches Meet Global Context: Scalable 3D Diffusion Priors for Computed Tomography Reconstruction
局部片段与全局上下文：用于计算机断层扫描重建的可扩展3D扩散先验
机构 * EECS Department, University of Michigan（密歇根大学电子工程与计算机科学系）
AI总结 本文提出一种3D片段基扩散模型，通过学习3D片段先验实现高效高分辨率3D CT重建，优于现有方法。
Embodied4C: Measuring What Matters for Embodied Vision-Language Navigation
Embodied4C: 评估具身视觉-语言导航中至关重要的因素
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； UAS Esslingen（埃森嫩大学） ； TU Wien（维也纳技术大学） ； Dr. Ing. h.c. F. Porsche AG（保时捷股份有限公司） ； University of Michigan（密歇根大学） ； Voxel51 Inc.（Voxel51公司）
AI总结 Embodied4C通过三种异构具身评估VLMs的具身能力，发现跨模态对齐和指令微调比规模更重要，而空间和时间推理是可靠具身能力的主要瓶颈。
Unifying Deep Predicate Invention with Pre-trained Foundation Models
统一深度谓词发明与预训练基础模型
机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Computer Science and Engineering Division, University of Michigan（密歇根大学计算机科学与工程系） ； Department of Computer Science, University of Pittsburgh（匹兹堡大学计算机科学系） ； Centaur AI Institute（Centaur人工智能研究所） ； Department of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程系）
AI总结 UniPred通过双层学习框架统一深度谓词发明与预训练基础模型，提升机器人任务的可扩展性和灵活性。
Comments 18 pages, 11 figures
Mapping the Podcast Ecosystem with the Structured Podcast Research Corpus
通过结构化播客研究语料库映射播客生态系统
机构 * School of Information University of Michigan（信息学院密歇根大学）
AI总结 本文通过构建大规模播客语料库，分析播客生态系统的结构、内容及响应性，为后续计算研究提供数据支持。
Comments 9 pages, 3 figures
SNOW: Spatio-Temporal Scene Understanding with World Knowledge for Open-World Embodied Reasoning
SNOW：基于世界知识的时空场景理解用于开放世界具身推理
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Esslingen University of Applied Sciences（埃斯林根应用科学大学） ； Dr. Ing. h.c. F. Porsche AG（德意志联邦汽车工业联合会） ； University of Michigan（密歇根大学） ； Voxel51 Inc.（Voxel51公司）
AI总结 SNOW通过整合视觉语言模型与点云几何，实现统一的4D场景理解，提升开放世界具身推理的性能。
Open Ad-hoc Categorization with Contextualized Feature Learning
开放性即需分类与上下文化特征学习
机构 * University of Michigan（密歇根大学） ； UC Berkeley（加州大学伯克利分校） ； Bosch Center for AI（博世人工智能中心）
AI总结 OAK通过引入上下文标记和结合CLIP与GCD目标，实现了开放性即需分类的高准确率和可解释性。
Comments 26 pages, 17 figures
Journal ref CVPR 2025
R4: Retrieval-Augmented Reasoning for Vision-Language Models in 4D Spatio-Temporal Space
R4：在4D时空空间中为视觉语言模型引入检索增强推理
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Esslingen University of Applied Sciences（埃斯林根应用科学大学） ； Dr. Ing. h.c. F. Porsche AG（德意志联邦汽车工业协会） ； University of Michigan（密歇根大学） ； Voxel51 Inc.（Voxel51公司）
AI总结 R4通过构建4D时空知识库，使视觉语言模型具备结构化终身记忆，实现无需训练的检索增强推理，提升动态环境中的具身推理能力。
Easy Come, Easy Go? Examining the Perceptions and Learning Effects of LLM-based Chatbot in the Context of Search-as-Learning
易得易失？在搜索即学习情境下考察基于大语言模型的聊天机器人感知与学习效果
机构 * Computer Science and Engineering, University of Michigan（密歇根大学计算机科学与工程系） ； Humanities, Arts, and Social Sciences, Yonsei University（延世大学人文、艺术与社会科学系）
AI总结 本研究探讨了基于大语言模型的聊天机器人在搜索即学习情境下的感知与学习效果，发现尽管即时回答提升了学习效率，但并未导致长期知识保留的劣化。
Comments 25 pages, 9 figures
