New York University（纽约大学）

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