New York University（纽约大学）

Global drivers and barriers to the public acceptance of autonomous vehicles: Evidence from 17 countries

全球公众对自动驾驶汽车接受度的驱动因素和障碍：来自17个国家的证据

Antonios Saravanos

机构 * Division of Applied Undergraduate Studies, New York University（纽约大学应用本科研究系） 纠错

AI总结 研究公众对3级有条件自动驾驶汽车的接受度，通过L3Pilot全球用户接受度调查，利用基于UTAUT2的结构方程模型分析来自17个国家的数据，发现其接受度主要受绩效期望、社会影响和享乐动机驱动，而非人口特征等。

Delocalization of bias in unadjusted Hamiltonian Monte Carlo and underdamped Langevin

无调整哈密顿蒙特卡罗和欠阻尼朗之万中偏差的离域化

Yifan Chen, Xiaoou Cheng, Jonathan Niles-Weed, Jonathan Weare

机构 * Department of Mathematics, University of California, Los Angeles, CA 90095, USA（加州大学洛杉矶分校数学系） ； Courant Institute, New York University, NY 10012, USA（纽约大学Courant研究所） 纠错

AI总结 研究将偏差离域化现象从过阻尼朗之万算法扩展到无调整哈密顿蒙特卡罗和欠阻尼朗之万算法，表明在特定假设下控制高维分布K维边际偏差\(O(\sqrt{K})\)积分步即可，用矩阵多项式框架解决离散时间积分器技术难题。

Probing Spatial Structure in Pretrained Audio Representations

探究预训练音频表示中的空间结构

Chuyang Chen, Sivan Ding, Adrian S. Roman, Juan P. Bello

机构 * Music and Audio Research Laboratory, New York University, USA（音乐与音频研究实验室，纽约大学，美国） 纠错

AI总结 通过提出SARL基准，系统评估预训练音频模型对空间信息的编码能力，发现源因素比房间因素更易解码，且不同编码器对空间变化响应存在异质性。

Comments Accepted to Interspeech 2026

From Stateless to Situated: Building a Psychological World for LLM-Based Agents

从无状态到情境化：构建基于LLM的情感支持心理世界

Boning Zhao, Yutong Hu, Xinnuo Li

机构 * Tandon School of Engineering New York University New York, USA ； College of Arts \& Science New York University New York, USA 纠错

AI总结 本文提出LEKIA 2.0架构，通过分离认知层与执行层，构建可持续更新的情境结构，提升多轮交互中的稳定性与可控性，实现31%的改进。

Comments Accepted by WAICA 2026

InfoFlow KV: Information-Flow-Aware KV Recomputation for Long Context

InfoFlow KV：面向长上下文的信息流感知KV重计算

Xin Teng, Canyu Zhang, Shaoyi Zheng, Danyang Zhuo, Tianyi Zhou, Shenji Wan

机构 * New York University（纽约大学） ； Duke University（杜克大学） 纠错

AI总结 提出将选择性KV重计算建模为信息流问题，利用查询的注意力范数信号识别语义相关且结构上能传播信息的token，并引入信息流引导的块重排序策略，在LLM和VLM基准上优于现有方法。

Comments In proceedings of the 43rd International Conference on Machine Learning (ICML 2026). Project page: https://infoflow-kv.github.io