New York University（纽约大学）

QNAS: A Neural Architecture Search Framework for Accurate and Efficient Quantum Neural Networks

QNAS：一种用于准确且高效的量子神经网络的神经架构搜索框架

Kooshan Maleki, Alberto Marchisio, Muhammad Shafique

机构 * Department of Computer Engineering, Amirkabir University of Technology（阿米尔卡比尔理工大学计算机工程系） ； eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD)（纽约大学阿布扎比分校工程学院eBRAIN实验室） ； Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute, NYUAD（纽约大学阿布扎比分校NYUAD研究所量子与拓扑系统中心） 纠错

AI总结 QNAS通过统一硬件感知评估、多目标优化和切割开销意识，解决量子神经网络在准确性和部署性上的挑战，发现平衡精度、效率和实际部署的架构。

Comments To appear at the IEEE International Joint Conference on Neural Networks (IJCNN), Maastricht, The Netherlands, June 2026

Balancing Efficiency and Restoration: Lightweight Mamba-Based Model for CT Metal Artifact Reduction

平衡效率与恢复：基于Mamba的轻量模型用于CT金属伪影减少

Weikai Qu, Sijun Liang, Xianfeng Li, Cheng Pan, An Yan, Ahmed Elazab, Shanzhou Niu, Dong Zeng, Xiang Wan, Changmiao Wang

机构 * New York University（纽约大学） ； BaiyunPort（白云港） ； University of Technology Sydney（悉尼科技大学） ； Sanda University（上海杉达学院） ； Shan Dong Xiehe College（山东协和学院） ； Tsinghua University（清华大学） ； Gannan Normal University（赣南师范大学） ； Southern Medical University（南方医科大学） ； Shenzhen Research Institute of Big Data（深圳市大数据研究院） 纠错

AI总结 本文提出MARMamba模型，通过多尺度Mamba模块有效减少CT图像中的金属伪影，同时优化计算资源与恢复效率的平衡，提升图像质量与诊断准确性。

Comments Accepted by IEEE Transactions on Radiation and Plasma Medical Sciences

BDI-Kit Demo: A Toolkit for Programmable and Conversational Data Harmonization

BDI-Kit Demo: 一个用于可编程和对话式数据协调的工具包

Roque Lopez, Yurong Liu, Christos Koutras, Juliana Freire

机构 * New York University（纽约大学） 纠错

AI总结 BDI-Kit通过Python API和AI辅助对话界面，解决数据协调中的异构问题，展示如何通过自动化匹配、AI推理和用户优化实现数据协调。

The Human Condition as Reflected in Contemporary Large Language Models

人类境况在当代大语言模型中的反映

W. Russell Neuman

机构 * New York University（纽约大学） 纠错

AI总结 本文通过分析六个领先生成模型对人类文化行为的回应，揭示了大语言模型中隐藏的文化结构，探讨了人类社会生活的压缩表征。

Evaluating In-Context Translation with Synchronous Context-Free Grammar Transduction

基于上下文的翻译评估：同步上下文无关文法转换

Jackson Petty, Jaulie Goe, Tal Linzen

机构 * New York University（纽约大学） 纠错

AI总结 本文研究LLM在低资源语言翻译中的挑战，通过构建形式文法模型评估翻译性能，发现语法规模、句子长度及语言差异显著影响翻译准确性。

A Lightweight Library for Energy-Based Joint-Embedding Predictive Architectures

一种轻量级的用于基于能量的联合嵌入预测架构库

Basile Terver, Randall Balestriero, Megi Dervishi, David Fan, Quentin Garrido, Tushar Nagarajan, Koustuv Sinha, Wancong Zhang, Mike Rabbat, Yann LeCun, Amir Bar

机构 * Meta FAIR ； INRIA（法国国家信息与自动化研究所） ； New York University（纽约大学） 纠错

AI总结 本文提出EB-JEPA库，展示如何将图像级自监督学习的表示学习技术扩展到视频和动作条件世界模型，通过实验验证其在任务中的有效性。

Comments v2: clarify confusion in definition of JEPAs vs. regularization-based JEPAs v3: Camera-ready of ICLR world models workshop, fixed formatting and ViT config / results

Trust Through Transparency: Explainable Social Navigation for Autonomous Mobile Robots via Vision-Language Models

通过透明实现信任：通过视觉语言模型实现自主移动机器人的可解释社交导航

Oluwadamilola Sotomi, Devika Kodi, Aliasghar Arab

机构 * New York University, Tandon School of Engineering（纽约大学坦登工程学院） ； General Autonomy Inc.（通用自主公司） 纠错

AI总结 本文提出一种多模态可解释模块，结合视觉语言模型和热图提升自主导航的透明度，通过自然语言总结使机器人感知、分析并表达观察结果，实验表明实时解释能提升用户信任和理解。

Comments Submitted to IEEE Conferences

A Virtual Fencing Framework for Safe and Efficient Collaborative Robotics

一种安全高效的协作机器人虚拟围栏框架

Vineela Reddy Pippera Badguna, Aliasghar Arab, Durga Avinash Kodavalla

机构 * New York University（纽约大学） 纠错

AI总结 本文提出一种虚拟围栏框架，通过检测和预测人体运动来确保协作机器人安全运行，采用优化问题模型解决安全与性能的权衡，实验验证其在保持安全的同时减少操作暂停。

ManeuverGPT Agentic Control for Safe Autonomous Stunt Maneuvers

ManeuverGPT 代理控制用于安全的自动驾驶特技动作

Shawn Azdam, Pranav Doma, Aliasghar Moj Arab

机构 * New York University（纽约大学） ； Tandon School of Engineering, New York University（纽约大学坦登工程学院） ； General Autonomy Inc.（通用自主公司） ； Azdam AI 纠错

AI总结 本文提出ManeuverGPT框架，利用大语言模型代理生成并执行高动态特技动作，通过迭代提示法优化车辆控制参数，实现安全的J-turn等特技动作执行。

Comments 6 Pages, Submitted to IROS