高校专区
基于可微模拟器的物理信息流体储层表征：从总体和极端压力事件
机构 * Earth and Environmental Sciences Division, Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室地球与环境科学部） ； Courant Institute School of Mathematics, Computing and Data Science, New York University（纽约大学柯朗研究所数学、计算与数据科学学院）
AI总结 本文提出一种融合物理信息的机器学习方法，通过可微流体模拟器提升储层异质性表征的精度与物理一致性，有效降低压力推断误差。
RECOVER：基于大语言模型的术后胃肠癌远程患者监测系统设计
机构 * University of California, Irvine（加州大学尔湾分校） ； Northeastern University（东北大学） ； Johns Hopkins University（约翰霍普金斯大学） ； New York University（纽约大学） ； MedStar Health Research Institute（梅斯塔健康研究院） ； Creighton University（克里普顿大学） ； Georgetown University（乔治城大学）
AI总结 本文设计了基于大语言模型的RECOVER系统，用于术后胃肠癌的远程患者监测，通过临床整合提升术后护理效率，并探讨了AI伦理与未来发展方向。
人工智能在混合自动化与人类交通建模与模拟中的应用
机构 * Department of Transport & Planning, Delft University of Technology（代尔夫特理工大学交通与规划系） ； Department of Industrial and Systems Engineering, University of Michigan, Dearborn（密歇根大学迪尔伯恩分校工业与系统工程系） ； Tandon School of Engineering, New York University（纽约大学Tandon工程学院）
AI总结 本文探讨了人工智能在混合自动化与人类交通模拟中的应用，提出了一种分类方法，涵盖行为模型、环境模拟和认知物理方法，旨在填补现有研究的空白。
Comments This work has been submitted to the IEEE for possible publication
多模态数学推理综述：从感知、对齐到推理
机构 * University of Notre Dame（诺丁汉大学） ； Yale University（耶鲁大学） ； Columbia University（哥伦比亚大学） ； New York University（纽约大学） ； Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 本文综述了多模态数学推理的研究进展，探讨了如何从多模态输入中提取信息、对齐文本与视觉信息、进行推理以及评估推理过程的正确性。
Comments ACL 2026
增强的DPO后训练用于小型语言模型
机构 * Computer Science NYU Shanghai（纽约大学上海学院）
AI总结 本文提出一种轻量级后训练方法，通过MathVerifier检测结构化错误，改进DPO以提升小型模型在数学推理中的表现。
关于自回归图像生成中水印的鲁棒性
机构 * Ruhr University Bochum（波鸿鲁尔大学） ； Middlebury College（米德尔伯里学院） ； New York University（纽约大学） ； Independent Researcher（独立研究员） ； Qualcomm（高通）
AI总结 研究自回归图像生成中水印技术的鲁棒性，揭示其易受移除和伪造攻击的影响，并提出三种新攻击方法，表明现有水印方案无法可靠检测合成内容。
安全的人到人形机器人运动模仿使用控制障碍函数
机构 * New York University Abu Dhabi (NYUAD)（纽约大学阿布扎比分校） ； New York University（纽约大学） ； NYUAD Center for Artificial Intelligence and Robotics (CAIR)（纽约大学阿布扎比人工智能与机器人中心）
AI总结 本文提出了一种基于视觉的框架，通过控制障碍函数层确保人形机器人在模仿人类动作时的安全性，利用单摄像头捕捉人体骨骼关键点并转换为关节角度，通过二次规划过滤模仿指令以避免碰撞。
基于轨迹诱导的偏好优化的移动GUI代理隐私个性化
机构 * Shandong University（山东大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； New York University（纽约大学） ； Xi'an Jiaotong University（西安交通大学） ； Australian National University（澳大利亚国立大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
AI总结 本文研究移动GUI代理的隐私个性化问题，提出轨迹诱导偏好优化方法，通过偏好强度加权和填充门机制提升隐私保护与任务执行效率。
Comments 10 pages, 6 figures, 3 tables
FPBench: 多模态大语言模型在指纹分析中的综合基准测试
机构 * New York University（纽约大学） ； University of Wyoming（怀俄明大学）
AI总结 本文提出FPBench基准测试，评估20种多模态大语言模型在7个真实和合成数据集上的8项生物识别任务，发现微调视觉和语言编码器可提升性能7%-39%。
Comments Revised version with additional experiments and code release
DiffClean: 基于扩散模型的化妆去除用于准确年龄估计
机构 * New York University（纽约大学） ； University of Wyoming（怀俄明大学）
AI总结 本文提出DiffClean，通过文本引导的扩散模型去除化妆痕迹，提升年龄估计和面部验证的准确性，有效对抗化妆攻击。
Comments Revised version with minor changes and code release
CodeQuant: 一种统一的聚类和量化方法以提升低精度混合专家模型中的异常值平滑
机构 * Courant Institute of Mathematical Sciences, New York University（纽约大学库朗数学科学研究所） ； Tandon School of Engineering, New York University（纽约大学坦登工程学院） ； Cerebras Systems Inc.（Cerebras系统公司）
AI总结 本文提出CodeQuant，通过可学习旋转平滑激活异常值并吸收权重异常值到细调的聚类中心，提升低精度混合专家模型的准确性与速度。
正交机器学习用于条件比值和风险比
机构 * New York University Grossman School of Medicine（纽约大学格罗斯曼医学院）
AI总结 本文提出基于正交风险函数的非参数估计方法，用于估计条件比值和风险比，通过蒙特卡洛模拟比较不同估计器的性能，展示其在真实世界复杂场景中的优势。
MoveFM-R: 通过语言驱动的语义推理推进移动基础模型
机构 * Department of Electronic Engineering, BNRist, Tsinghua University（清华大学电子工程系，BNRist） ； New York University (NYU)（纽约大学）
AI总结 MoveFM-R通过语言驱动的语义推理解决移动基础模型中地理坐标与语言 token 的词汇不匹配及潜在向量与语义世界之间的表示差距问题，实现更全面、可解释的人类移动建模。
PosterGen：基于多智能体LLM的美观化论文到海报生成
机构 * Stony Brook University（石溪大学） ； New York University（纽约大学） ； University of British Columbia（不列颠哥伦比亚大学） ； Zhejiang University（浙江大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
AI总结 PosterGen通过多智能体LLM实现论文到海报的美观化生成，包含四个协作专业代理，提升设计质量和视觉吸引力。
Comments Project Website: https://Y-Research-SBU.github.io/PosterGen
GIANTS：从科学文献生成洞察预判
机构 * Stanford University（斯坦福大学） ； New York University（纽约大学）
AI总结 本文提出GIANTS任务，通过生成模型预测下游论文的核心洞察，开发了包含17000个示例的GIantsBench基准，展示了GIANTS-4B模型在多个领域中的优越性能，其生成的洞察在概念清晰度和引用潜力上均优于基线模型。
我们仍然需要GraphRAG吗？对RAG和GraphRAG在代理搜索系统中的基准测试
机构 * New York University Shanghai（上海纽约大学）
AI总结 本文通过RAGSearch基准测试，评估了代理搜索系统对密集RAG和代表性的GraphRAG方法的影响，发现代理搜索显著提升了密集RAG性能，但在复杂多跳推理中GraphRAG仍具优势。
Dual-R-DETR: 通过Transformer解码器中的成对路由解决查询竞争
机构 * University of Pittsburgh（匹兹堡大学） ； University of California, Irvine（加州大学尔湾分校） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Illinois Institute of Technology（伊利诺伊理工学院） ； New York University（纽约大学）
AI总结 Dual-R-DETR通过在Transformer解码器中引入成对路由机制，解决DETR中查询之间的竞争问题，提升检测效率和性能。
Comments 6 pages, 2 figures, Accepted at ICME2026
VisionFoundry: 通过合成图像教授VLMs的视觉感知
机构 * Princeton University（普林斯顿大学） ； New York University（纽约大学）
AI总结 本文提出VisionFoundry，通过任务关键词生成合成数据，提升VLMs在空间理解和视角识别等视觉感知任务上的性能，构建了包含10k图像-问题-答案三元组的VQA数据集，并在多个基准测试中取得显著提升。
Comments Project Page: https://zlab-princeton.github.io/VisionFoundry/
FIRE-CIR：细粒度复合时尚图像检索中的精细推理
机构 * Louis Vuitton（路易威登） ； Inria, École normale supérieure, CNRS, PSL Research University（法国国家信息与自动化研究所, 巴黎高等师范学院, 法国国家科学研究中心, 巴黎文理研究大学） ； Courant Institute of Mathematical Sciences and Center for Data Science, New York University（纽约大学库朗数学科学研究所与数据科学中心）
AI总结 FIRE-CIR通过问题驱动的视觉推理提升时尚图像检索的可解释性和准确性，通过生成属性聚焦的视觉问题并验证参考与候选图像中的证据，实现更精确的检索结果。
面向政策的大规模因子实验设计
机构 * Stern School of Business, New York University（纽约大学斯特恩商学院） ； Daniels School of Business, Purdue University（普渡大学丹尼尔斯商学院）
AI总结 本文研究如何在有限预算下设计大规模因子实验，通过两阶段方法集中重叠实验，利用低秩张量建模预期结果，提升组合产品设计的可行性。
PSIRNet：基于深度学习的自由呼吸快速获取晚期增强成像
机构 * Health Futures, Microsoft Research（微软研究院健康未来） ； Center for Data Science, New York University（纽约大学数据科学中心） ； Center for Advanced Imaging Innovation and Research (CAI2R), Department of Radiology, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院放射学系高级成像创新与研究中心） ； Bernard and Irene Schwartz Center for Biomedical Imaging, Department of Radiology, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院放射学系伯纳德和艾琳·施瓦茨生物医学成像中心） ； Institute of Cardiovascular Science, University College London（伦敦大学学院心血管科学研究所） ； Barts Heart Centre, Barts Health NHS Trust（巴茨健康NHS信托巴茨心脏中心）
AI总结 本文提出PSIRNet深度学习方法，通过单次呼吸获取两心跳数据生成诊断级自由呼吸PSIR晚期增强成像，相比传统需多次运动校正信号平均的方法，将扫描时间减少8-24倍。
Comments 25 pages, 5 figures, 4 tables
为大语言模型高效训练的体验回放
机构 * FAIR at Meta（Meta FAIR） ； NYU Courant Institute and CDS（纽约大学库朗数学科学研究所与数据科学中心）
AI总结 本文研究了大语言模型训练中体验回放的优化设计，通过平衡陈旧性方差、样本多样性与生成成本，证明了严格策略采样在生成成本高时效果不佳，实验表明合理设计的回放缓冲器能显著降低推理计算成本而不影响模型性能。
递归神经网络量子态中的几何诱导长程相关性
机构 * University of Waterloo（滑铁卢大学） ； Perimeter Institute for Theoretical Physics（圆周理论物理研究所） ； NYU Tandon School of Engineering（纽约大学坦登工程学院） ； Vector Institute（向量研究所）
AI总结 本文提出稀疏递归神经网络波函数，通过扩张连接引入长程归纳偏差，实现O(N log N)的前向传递规模，展示其在1D transverse-field Ising模型中恢复幂律相关性的能力。
Comments 16 pages, 4 figures, and 1 table
推荐系统中的创作者激励：一种基于合作博弈的稳定且公平的多智能体老虎机方法
机构 * Courant Institute, New York University（纽约大学库朗数学研究所） ； Indian Institute of Technology Bombay（印度理工学院孟买分校） ； FAIR, Meta AI（Meta AI 基础人工智能研究团队）
AI总结 本文提出基于合作博弈的多智能体老虎机模型，分析推荐系统中创作者激励问题，证明在同质智能体下博弈凸性，提出基于 regrets 的支付规则，实验显示支付与Shapley公平性的一致性与差异。
Comments Accepted in AISTATS 2026 as an Oral Presentation
SkillFactory：用于学习认知行为的自我蒸馏
机构 * New York University（纽约大学） ； Toyota Research Institute（丰田研究所）
AI总结 SkillFactory通过监督微调阶段学习认知技能，为强化学习奠定基础，提升模型在复杂任务中的泛化能力与鲁棒性。
Comments Published at ICLR 2026; code at https://github.com/Zayne-sprague/SkillFactory
从导航到细化：通过Oracle速度揭示基于流的扩散模型的两阶段本质
机构 * Center for Data Science, New York University Shanghai（上海纽约大学数据科学中心） ； New York University（纽约大学）
AI总结 本文通过分析基于流的扩散模型的边际速度场，揭示其两阶段训练目标，解释了模型在早期阶段的全局布局生成和后期阶段的细节记忆行为，为模型设计和算法改进提供了指导。
Comments Accepted to CVPR 2026 (Findings track); 16 pages, 17 figures
音乐音频视觉问答需要专门的多模态设计
机构 * University of Waterloo（滑铁卢大学） ； Dartmouth College（达特茅斯学院） ； UC Irvine（加州大学尔湾分校） ； New York University（纽约大学）
AI总结 本文探讨了音乐音频视觉问答任务中多模态设计的必要性，指出需专门的输入处理、空间时间架构和音乐特定建模策略以应对连续密集的音频视觉内容和复杂时间动态。
Comments Accepted to Annual Meeting of the Association for Computational Linguistics (ACL 2026). The first two authors contributed equally
面向端到端自动驾驶系统的缩放感知数据选择
机构 * New York University（纽约大学） ； NVIDIA（英伟达） ； University of Ottawa（渥太华大学）
AI总结 本文提出MOSAIC框架，通过分域、拟合神经缩放规律和迭代优化数据混合，提升自动驾驶模型在EPDMS指标上的性能，比基线模型减少80%的数据使用。
Comments Accepted to CVPR 2026, 8 pages of main body and 10 pages of appendix
迈向高效的攻击性安全LLM代理：超参数调优、LLM作为裁判以及一个轻量级CTF基准
机构 * New York University（纽约大学） ； New York University Abu Dhabi（纽约大学阿布扎比分校） ； Indian Institute of Technology Kanpur（印度理工学院坎普尔分校） ； International Institute of Information Technology Hyderabad（国际信息技术学院海得拉巴分校）
AI总结 本文系统研究了驱动代理成功的关键因素，提出CTFJudge框架和CTF Competency Index指标，分析超参数对性能的影响，并开放CTFTiny基准供研究。
视觉-语言与大语言模型在胃肠病学中的表现：GPT、Claude、Llama、Phi、Mistral、Gemma及量化模型
机构 * Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院） ； University of Texas Health（德克萨斯大学健康科学中心） ； Virginia Hospital Center（弗吉尼亚医院中心） ； Shahid Beheshti University of Medical Sciences（沙希德·贝赫什提医科大学） ； Stanford University（斯坦福大学） ； Cedars-Sinai Medical Center（西达赛奈医疗中心） ； Inova Fairfax Medical Campus（伊诺瓦费尔法克斯医疗中心） ； University of California–Los Angeles（加州大学洛杉矶分校） ； NYU Grossman School of Medicine（纽约大学格罗斯曼医学院） ； Columbia University（哥伦比亚大学）
AI总结 本研究评估了大语言模型和视觉-语言模型在胃肠病学中的医学推理性能，比较了不同模型配置、参数及提示工程策略对性能的影响，发现专有模型在准确性上优于开源模型，且图像描述对视觉-语言模型性能有显著影响。
Comments Manuscript Pages: 34, Figures: 7, Tables: 2, Supplementary File Pages: 35, Data Transparency Statement: Code is available at: https://github.com/Sdamirsa/LLM-VLM-in-Gastroenterology . Study data from American College of Gastroenterology (ACG) are restricted and available upon request with ACG permission. Correction: updated abstract considering Llama3.1 results
Journal ref npj Digital Medicine 8, 797 (2025)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈