New York University（纽约大学）

Judge, Retrieve, or Abstain: Uncertainty-Guarded LLM Judging with Provable Risk Guarantees

判断、检索或弃权：带有可证明风险保证的不确定性引导大语言模型（LLM）判断

Sher Badshah, Ali Emami, Hassan Sajjad

机构 * Dalhousie University（达尔豪斯大学） ； New York University Abu Dhabi（纽约大学阿布扎比分校） ； Emory University（埃默里大学） 纠错

AI总结 本研究针对无参考LLM评判的可靠性问题，提出带可证明风险保证的不确定性引导双模式风险控制框架，在维持目标错误率的同时提升了判决覆盖率。

Comments Accepted at Conference on Language Modelling 2026

Procedural Content Metageneration via Program Search and Continual Abstraction Discovery

通过程序搜索与持续抽象发现实现过程式内容元生成

Matthew Siper, Ahmed Khalifa, Julian Togelius

机构 * New York University（纽约大学） ； University of Malta（马耳他大学） 纠错

AI总结 该研究在推箱子等4款游戏中，提出持续抽象发现（CAD）方法，结合2×2实验，证实其可提升进化程序搜索的适应度，且学习到的库能被后续程序复用。

Comments Accepted for publication in IEEE Conference on Games 2026

UniVerse: Benchmarking and Enhancing LALMs on Culturally Inclusive Low-Resource Music Understanding

UniVerse：针对文化包容性低资源音乐理解的基准测试与增强

Ziya Zhou, Shangda Wu, Shenyang Xu, Yutong Zheng, Dafang Liang, Suin Chung, Danbinaerin Han, Junyan Jiang, Yongyi Zang, Ruibin Yuan, Rongxiu Zhong, Shilei Zhang, Junlan Feng, Jinglei Liu, Haotian Zhou, Zijin Li, Dasaem Jeong, Wei Xue, Yike Guo

机构 * Sogang University（西江大学） ； KAIST（韩国科学技术院） ； NYU Shanghai（上海纽约大学） ； JIUTIAN Research, China Mobile（中国移动九天研究院） ； The State Key Laboratory of Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） ； China Mobile (Hong Kong) Innovation Research Institute（中国移动（香港）创新研究院） ； Central Conservatory of Music（中央音乐学院） 纠错

AI总结 该研究针对低资源音乐理解问题，推出UniVerse基准与数据集，训练LALMs并研究多模态不平衡学习策略，实现性能提升但仍存在深层音乐理解的差距。

Comments 21 pages, 7 figures, 8 tables

Denoised Variance-Based Pruning with Optimal Brain Bias Compensation

结合最优大脑偏差补偿的去噪方差剪枝

Geon Tack Lee, Jaegul Choo, Kang Eun Jeon

机构 * KAIST AI（韩国科学技术院人工智能学院） ； New York University Abu Dhabi（纽约大学阿布扎比分校） 纠错

AI总结 针对ViTs剪枝的精度下降或需再训练的问题，提出DVBP + OB²C方法，结合随机矩阵理论去噪与最优大脑偏差补偿，在50% MLP剪枝时保留超90%原Top-1精度，优于VBP。

Comments Accepted to ECCV 2026