Better World Models Can Lead to Better Post-Training Performance
更好的世界模型可以导致更好的训练后性能
机构 * University of Michigan（密歇根大学） ； Princeton University（普林斯顿大学） ； Harvard University（哈佛大学）
AI总结 本研究通过比较不同世界建模策略，发现显式建模能提升Transformer的状态表示质量，从而增强强化学习后训练的效果。
高校专区
University of Michigan（密歇根大学安娜堡分校）
In Situ Quantum Analog Pulse Characterization via Structured Signal Processing
原位量子类比脉冲特性表征 via 结构化信号处理
机构 * Department of Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI 48109, USA（电气工程与计算机科学系，密歇根大学，安阿伯，MI 48109, USA） ； Department of Computer Science, University of Chicago, Chicago, IL 60637, USA（计算机科学系，芝加哥大学，芝加哥，IL 60637, USA） ； Google Quantum AI, Venice, California 90291, USA（Google量子AI，威尼斯，加利福尼亚州90291, USA） ； Department of Computer Science, University of California, Santa Barbara, California, 93106, USA（计算机科学系，加州大学圣芭芭拉分校，加利福尼亚州93106, USA）
AI总结 本文提出了一种基于量子信号处理框架的原位学习脉冲轨迹表征方法，通过结合逻辑层类比-数字映射范式，实现了高精度、强效率的脉冲重建，提升了类比量子模拟器的验证能力。
Comments 48 pages, 10 figures
A Definition of AGI
AGI 的定义
机构 * Center for AI Safety（AI安全中心） ； University of California, Berkeley（加州大学伯克利分校） ； Virtue AI ； Morph Labs（Morph实验室） ； University of Michigan（密歇根大学） ； LG AI Research（LG人工智能研究） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Gray Swan AI ； Carnegie Mellon University（卡内基梅隆大学） ； Cornell University（康奈尔大学） ； Hong Kong Baptist University（香港 Baptist大学） ； HKUST（香港科技大学） ； Nanyang Technological University（南洋理工大学） ； KAIST（韩国科学技术院） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Tübingen（图宾根大学） ； University of Washington（华盛顿大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Beneficial AI Research（有益AI研究） ； Conjecture ； Institute for Applied Psychometrics（应用心理测量研究所） ； New York University（纽约大学） ； CSER ； Université de Montréal（蒙特利尔大学） ； LawZero
AI总结 本文提出了一种基于卡特尔-霍恩-卡罗尔理论的可量化框架，定义AGI为与受过良好教育的成年人认知能力相匹配，并通过心理测量电池评估AI系统，揭示当前AI在基础认知机制上的不足。
Flow to the Mode: Mode-Seeking Diffusion Autoencoders for State-of-the-Art Image Tokenization
流到模式：用于最新图像标记化的模式寻求扩散自编码器
机构 * Stanford University（斯坦福大学） ； University of Michigan（密歇根大学）
AI总结 FlowMo是一种基于Transformer的扩散自编码器，通过模式匹配和模式寻求阶段实现图像标记化的新SOTA，无需卷积、对抗损失等。
Comments ICCV 2025, 19 pages
Cross-Lingual Prompt Steerability: Towards Accurate and Robust LLM Behavior across Languages
跨语言提示引导性：迈向跨语言的准确且稳健的大语言模型行为
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan（密歇根大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； LG AI Research（LG人工智能研究）
AI总结 本文提出了一种统一的四维评估框架，通过大规模实验揭示了提示组件对跨语言行为的影响，并开发了提示优化框架以提升多语言LLM的准确性和稳健性。
Computational Copyright: Towards A Royalty Model for Music Generative AI
计算版权：面向音乐生成AI的一种版税模型
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan（密歇根大学） ； Harvard University（哈佛大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出Generative Content ID框架，用于音乐生成AI的版税归因，通过因果归因方法解决可持续经济激励问题。
hls4ml: A Flexible, Open-Source Platform for Deep Learning Acceleration on Reconfigurable Hardware
hls4ml：一种灵活、开源的深度学习在可重构硬件上加速平台
机构 * Purdue University（普渡大学） ； ETH Zurich（苏黎世联邦理工学院） ； California Institute of Technology（加州理工学院） ； Fermi National Accelerator Lab（费米国家加速器实验室） ； European Organization for Nuclear Research (CERN)（欧洲核子研究中心） ； University of California San Diego（加州大学圣地亚哥分校） ； Imperial College London（伦敦帝国理工学院） ； National Technical University of Athens（希腊国家技术大学） ； University of Geneva（日内瓦大学） ； Altera Corporation（阿尔特拉公司） ； Discovery Partners Institute（发现伙伴研究所） ； Massachusetts Institute of Technology（麻省理工学院） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； Northwestern University（西北大学） ； Princeton University（普林斯顿大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Michigan（密歇根大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Washington（华盛顿大学）
AI总结 hls4ml是一种开源平台，用于将深度学习模型转换为可重构硬件上的HLS代码，以实现低延迟、低资源消耗的ML推理加速。
Bridging Human and LLM Judgments: Understanding and Narrowing the Gap
弥合人类与大语言模型判断之间的鸿沟：理解和缩小差距
机构 * Department of Statistics, University of Michigan（密歇根大学统计学系） ； Institute of Foundation Models, MBZUAI（基础模型研究院）
AI总结 Bridge通过统一统计框架弥合人类与LLM判断差距，改进评分并揭示系统性差异。
Comments NeurIPS 2025
Sloth: scaling laws for LLM skills to predict multi-benchmark performance across families
Sloth: LLM技能的缩放定律用于跨家族预测多基准性能
机构 * Department of Statistics, University of Michigan（密歇根大学统计学系） ； MIT-IBM Watson AI Lab, IBM Research（MIT-IBM Watson AI实验室，IBM研究） ； Computer Science and Artificial Intelligence Laboratory, MIT（MIT计算机科学与人工智能实验室） ； Institute of Foundation Models, MBZUAI（基础模型研究所，MBZUAI）
AI总结 Sloth提出一种基于低维潜在技能的LLM缩放定律，通过跨基准相关性提升预测准确性，减少多家族训练需求。
Comments NeurIPS 2025
Human Decision-making is Susceptible to AI-driven Manipulation
人类决策易受AI驱动的操控
机构 * The CoAI Group, DCST, Institute for Artificial Intelligence, Tsinghua University, Beijing, China（CoAI小组、DCST、人工智能研究所、清华大学、北京中国） ； State Key Laboratory of Brain and Cognitive Sciences, The University of Hong Kong, Hong Kong SAR, China（脑与认知科学国家重点实验室、香港大学、香港特别行政区中国） ； The LIT Group, Department of Computer Science and Engineering, University of Michigan, Ann Arbor（LIT小组、计算机科学与工程系、密歇根大学、安阿伯） ； Paul G. Allen School of Computer Science and Engineering, University of Washington, Seattle, WA, USA（保罗·G·阿伦计算机科学与工程学院、华盛顿大学、西雅图华盛顿州美国） ； ANT Group（ANT集团）
AI总结 研究发现人类在金融和情感决策中易受AI操控，操控代理显著提高了用户对隐藏激励的评分，表明需加强伦理监管以保护自主权。
Comments Work in progress
Chain of Unit-Physics: A Primitive-Centric Approach to Scientific Code Synthesis
单元物理链：一种以基础原理为中心的科学代码合成方法
机构 * University of Michigan（密歇根大学）
AI总结 本研究提出单元物理链框架，通过以基础原理为中心的多代理系统，有效解决科学代码生成中的可靠性问题，实现高精度和高效能的代码生成。
DeepPersona: A Generative Engine for Scaling Deep Synthetic Personas
DeepPersona: 一个用于扩展深度合成人设的生成引擎
机构 * UCSD（加州大学圣地亚哥分校） ； KU Leuven（鲁汶大学） ； SJTU（上海交通大学） ； University of Michigan（密歇根大学） ； Denison University（德尼森大学） ； Amazon（亚马逊） ； Meta
AI总结 DeepPersona通过双阶段分类学引导方法生成深度合成人设，提升LLM个性化和人类模拟的准确性与多样性。
Comments add an author[Update], 12 pages, 5 figures, accepted at LAW 2025 Workshop (NeurIPS 2025) Project page: https://deeppersona-ai.github.io/
Journal ref LAW 2025 Workshop, NeurIPS 2025
Adaptive Legged Locomotion via Online Learning for Model Predictive Control
通过在线学习的自适应四肢运动控制
机构 * Department of Aerospace Engineering, University of Michigan（密歇根大学航空航天工程系） ； Institute for Robotics and Intelligent Machines, Georgia Institute of Technology（佐治亚理工学院机器人与智能机器研究所）
AI总结 该研究提出了一种通过在线学习和模型预测控制实现自适应四肢运动的算法，能够处理未知负载和不规则地形下的复杂任务。
Comments IEEE Robotics and Automation Letters
Large Language Models for Power System Security: A Novel Multi-Modal Approach for Anomaly Detection in Energy Management Systems
用于电力系统安全的大型语言模型：一种用于能源管理系统异常检测的新型多模态方法
机构 * Department of Electrical and Computer Engineering, University of Michigan -- Dearborn, MI, 48128 USA.（电气与计算机工程系，密歇根大学迪尔伯恩分校） ； Department of Electrical Sustainable Energy, Technische Universiteit Delft, 2628 CD Delft, Netherlands.（可持续能源系，代尔夫特理工大学） ； Bradley Department of Electrical and Computer Engineering, Virginia Polytechnic Institute and State University, Blacksburg, VA 24061, USA.（布雷德利电气与计算机工程系，弗吉尼亚理工学院和州立大学） ； Smart Grid Research Division System Reliability Research Team, Korea Electrotechnology Research Institute (KERI), Gwangju-si, 61751, South Korea.（智能电网研究分会系统可靠性研究团队，韩国电力技术研究所（KERI））
AI总结 本文提出了一种基于大型语言模型的多模态方法，用于电力系统中能源管理系统的安全防护和异常检测。
Comments 10 Figures; 6 Tables; Accepted, IEEE ACCESS 2025
A Digital Twin Framework for Generation-IV Reactors with Reinforcement Learning-Enabled Health-Aware Supervisory Control
用于第四代反应堆的数字孪生框架：基于强化学习的健康意识监督控制
机构 * organization= Department of Aerospace Engineering, University of Michigan , addressline= 1320 Beal Ave , city= Ann Arbor , postcode= 48109 , state= MI , country= USA ； Engineering Division, U.S. DOE Idaho National Laboratory , addressline= 1955 N. Fremont Ave. , city= Idaho Falls , postcode= 83415 , state= ID , country= USA ； organization= Michigan Institute for Computational Discovery \& Engineering (MICDE), University of Michigan , addressline= 915 E Washington St, Suite 3530 , city= Ann Arbor , postcode= 48109 , state= MI , country= USA
AI总结 本文提出基于强化学习的数字孪生框架，用于第四代反应堆的健康意识监督控制，通过替代建模、强化学习和贝叶斯推断优化运行和维护策略，提升核电站的运行效率和安全性。
Comments 39 pages, 22 figures
Stabilizing black-box model selection with the inflated argmax
用膨胀argmax稳定黑盒模型选择
机构 * Data Science Institute, University of Chicago（芝加哥大学数据科学研究所） ； Department of Statistics, University of Michigan（密歇根大学统计学系） ； Department of Statistics, University of Chicago（芝加哥大学统计学系） ； Department of Computer Science, University of Chicago（芝加哥大学计算机科学系）
AI总结 本文提出了一种基于bagging和膨胀argmax的稳定模型选择方法，通过理论保证提高模型选择的稳定性，在多个实验中表现出优于传统方法的性能。
Are LLMs Good Safety Agents or a Propaganda Engine?
LLMs是安全代理还是宣传引擎？
机构 * SMU ； University of Trieste（特里este大学） ； AREA Science Park（AREA科学园） ； CMU（卡内基梅隆大学） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； MPI for Intelligent Systems（智能系统研究所） ； University of Michigan（密歇根大学）
AI总结 本文通过PSP数据集研究LLMs在政治敏感内容上的拒绝行为，发现大多数模型存在审查倾向，并分析了影响拒绝分布的关键因素。
Comments 15 pages, 7 tables, 4 figures
MARVO: Marine-Adaptive Radiance-aware Visual Odometry
MARVO: 适应海洋环境的辐射感知视觉里程计
机构 * University of Michigan Ann Arbor, USA（密歇根大学安阿伯分校） ； Vellore Institute of Technology（韦洛雷理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Sri Sivasubramaniya Nadar College of Engineering（Sri Sivasubramaniya工程学院）
AI总结 MARVO通过融合物理建模、可微匹配和强化学习优化，实现水下环境下的实时视觉里程计，提升在混浊水体中的定位精度。
Comments 10 pages, 5 figures, 3 tables, Submitted to CVPR2026
CURENet: Combining Unified Representations for Efficient Chronic Disease Prediction
CURENet：结合统一表示以实现高效的慢性疾病预测
机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Can Tho University（Cần Thơ 大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； University of Michigan（密歇根大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Florida International University（佛罗里达国际大学） ； Southern Utah University（南方犹他大学） ； Far Eastern Memorial Hospital（东方纪念医院） ； Yuan Ze University（元智大学）
AI总结 CURENet通过整合多模态EHR数据，利用LLMs和Transformer编码器提升慢性疾病预测的准确率，达到94%以上的预测效果。
Toward Equitable Access: Leveraging Crowdsourced Reviews to Investigate Public Perceptions of Health Resource Accessibility
迈向公平获取：利用众包评论研究公众对健康资源可及性的感知
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Renmin University of China（中国人民大学） ； University of Liverpool（利物浦大学） ； University of Michigan（密歇根大学） ； Northwestern University（西北大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Harvard Medical School（哈佛医学院） ； Rutgers University（新泽西州立大学罗格斯大学） ； University of South Florida（佛罗里达州立大学）
AI总结 本研究利用众包评论和NLP技术，分析公众对健康资源可及性的时空感知，揭示疫情对健康资源可及性的影响及社会经济因素的作用。
Journal ref The 6th International Conference on Social Computing (ICSC 2025)
Adaptive Dueling Double Deep Q-networks in Uniswap V3 Replication and Extension with Mamba
在Uniswap V3复制与扩展中应用自适应对战双深Q网络与Mamba
机构 * Department of Mathematics, University of Michigan（数学系，密歇根大学）
AI总结 本文在Uniswap V3中扩展了自适应对战双深Q网络，结合Mamba与新奖励函数，提升了模型的理论支持和部分测试性能。
Comments 12 pages, 5 figures
A Multiscale Geometric Method for Capturing Relational Topic Alignment
一种多尺度几何方法用于捕捉关系主题对齐
机构 * University of Michigan（密歇根大学） ； Pacific Northwest National Laboratory（太平洋西北国家实验室）
AI总结 本文提出一种多尺度几何方法，结合多模态文本和合著者网络数据，以捕捉关系主题对齐并识别罕见话题结构。
Comments 5 pages, 3 figures, 2025 IEEE International Workshop on Computational Advances in Multi-Sensor Adaptive Processing
Temporal Consistency for LLM Reasoning Process Error Identification
LLM推理过程错误识别中的时序一致性
机构 * Department of Electrical & Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程系） ； AI Lab, Princeton University（普林斯顿大学人工智能实验室） ； Department of Computer Science & Engineering, University of Michigan（密歇根大学计算机科学与工程系）
AI总结 本文提出了一种基于时序一致性的LLM推理过程错误识别方法，通过迭代自我反思提升验证准确性，在多个基准测试中实现了优于基线方法的性能。
OVAL-Grasp: Open-Vocabulary Affordance Localization for Task Oriented Grasping
OVAL-Grasp：面向任务的开放词汇表征定位抓取
机构 * University of Michigan, Ann Arbor, MI, USA（密歇根大学） ； J.P. Morgan AI Research（摩根大通AI研究）
AI总结 OVAL-Grasp通过结合大语言模型和视觉-语言模型，实现面向任务的开放词汇表征抓取，有效识别物体部分并提高抓取成功率。
Comments 10 pages, 7 figures, 3 tables. Presented at the 2025 International Symposium on Experimental Robotics (ISER)
Personalized Image Generation for Recommendations Beyond Catalogs
推荐超越目录的个性化图像生成
机构 * University of Michigan（密歇根大学）
AI总结 REBECA通过直接学习隐含反馈信号实现高效个性化图像生成，无需微调扩散模型，提升大规模用户群体的个性化效果。
A Physics-Informed Loss Function for Boundary-Consistent and Robust Artery Segmentation in DSA Sequences
一种用于DSA序列中边界一致且鲁棒动脉分割的物理信息损失函数
机构 * College of Innovation and Technology（创新与技术学院） ； University of Michigan-Flint（密歇根大学弗林特分校）
AI总结 本文提出了一种基于物理的损失函数，用于提高DSA序列中动脉分割的边界一致性和鲁棒性。
Power-Efficient Autonomous Mobile Robots
低功耗自主移动机器人
机构 * Department of Computer Science and Engineering, University of Michigan, USA（计算机科学与工程系，密歇根大学） ； Department of Computer and Information Sciences, University of Delaware, USA（计算机与信息科学系，特拉华大学）
AI总结 本文提出pNav系统，通过联合优化自主移动机器人物理和网络子系统，显著提升其功率效率，实测显示功率消耗降低38.1%。
Comments 13 pages, 16 figures
Rethinking Message Passing Neural Networks with Diffusion Distance-guided Stress Majorization
重新思考基于扩散距离引导的压力主要化的消息传递神经网络
机构 * Hong Kong Baptist University（香港 Baptist 大学） ； University of Michigan（密歇根大学）
AI总结 本文提出DDSM模型，通过引入扩散距离和压力主要化技术，解决MPNNs中的过度平滑和相关性问题，并在多种图结构上取得优异性能。
Comments Accepted by SIGKDD 2026. The code is available at https://github.com/HaoranZ99/DDSM
SLOFetch: Compressed-Hierarchical Instruction Prefetching for Cloud Microservices
SLOFetch：面向云微服务的压缩分层指令预取
机构 * University of Michigan（密歇根大学） ； Santa Clara University（圣克拉拉大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 SLOFetch通过压缩分层指令预取技术，优化云微服务的指令预取效率，减少芯片状态并提升网络化服务的性能。
LoRA-based methods on Unet for transfer learning in Subarachnoid Hematoma Segmentation
基于LoRA的方法在Unet上的应用用于亚急性硬膜下出血的迁移学习
机构 * University of Michigan（密歇根大学）
AI总结 本研究提出基于LoRA的Unet方法，用于亚急性硬膜下出血的迁移学习，通过参数高效的方法提升分割性能。
