高校专区
链式帧：通过帧感知推理推进多模态大语言模型的视频理解
机构 * New York University（纽约大学） ； EPFL（瑞士联邦理工学院洛桑分校）
AI总结 本文提出一种单阶段视频LLM，通过显式引用相关帧减少推理中的时间不一致性，利用COF-DATA数据集提升视频理解性能，发现合成数据显著提升模型准确率。
Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
PRISM：基于LLM的语义聚类用于高精度主题
机构 * New York University（纽约大学） ； Binghamton University（宾汉姆顿大学）
AI总结 PRISM结合LLM的丰富表示与低成本可解释的潜在语义聚类方法，通过稀疏LLM标签微调句子编码模型，提升主题分离度，适用于多语料库的高精度主题发现。
Comments To appear in Proceedings of the ACM Web Conference 2026 (WWW 26)
面向用户的条件生成总相关性学习多模态推荐
机构 * The University of New South Wales（新南威尔士大学） ； University of Melbourne（墨尔本大学） ； New York University Abu Dhabi（纽约大学阿布扎比分校）
AI总结 本文提出GTC框架，通过用户感知的内容特征过滤和总相关性优化，提升多模态推荐的性能，实验表明在NDCG@5上提升达28.30%。
Comments 11 pages, 7 figures, 3 tables
WSVD：用于低精度视觉-语言模型快速高效执行的加权低秩近似
机构 * Tandon School of Engineering, New York University（纽约大学坦登工程学院） ； Courant Institute of Mathematical Sciences, New York University（纽约大学库朗数学科学研究所）
AI总结 本文提出WSVD方法，通过加权低秩近似和量化技术，提升视觉-语言模型的执行效率，实现1.8倍以上的解码速度提升同时保持精度。
未能证伪：评估和缓解语言模型中的确认偏见
机构 * New York University（纽约大学）
AI总结 研究评估了大型语言模型是否表现出确认偏见，并提出干预策略以减少其影响，通过实验发现干预可显著提高规则发现率。
局部强化学习与基于动作的均方Q函数
机构 * Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学）
AI总结 本文提出基于动作的均方Q函数，通过时间差分学习实现局部强化学习，优于现有无反向传播方法，在MinAtar和DeepMind控制套件中表现优异。
Comments 18 pages, 11 figures
大型语言模型在教学时是否具备心智化能力？
机构 * Princeton University（普林斯顿大学） ； New York University（纽约大学）
AI总结 研究通过控制任务探讨LLM教学决策机制，发现LLM在教学策略上与人类相似，但Bayes-Optimal模型最佳解释其选择，提示提示合规性不等于教学效果提升。
Comments 9 pages, 5 figures. Workshop paper at ICML 2026
人工智能专家能力的幻觉：通过概率范式导航 elusive 的真实地面真相
机构 * Independent Researcher（独立研究员） ； Amazon（亚马逊） ； Gazi University（加齐大学） ； University of Colorado（科罗拉多大学） ； Samsun University（萨姆松大学） ； The University Of Melbourne（墨尔本大学） ； New York University（纽约大学） ； RMIT University（皇家墨尔本理工大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出概率范式，揭示高置信度真实答案对专家高分的必要性，指出在真实答案变化大的数据集中，随机标注者与专家表现差异不大，强调在低专家表现时，按真实答案概率分层评估至关重要。
图池化全面基准：有效性、鲁棒性和泛化性
机构 * University of Chicago（芝加哥大学） ； Peking University（北京大学） ； Nankai University（南开大学） ； University of Southern California（南加州大学） ； New York University（纽约大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 本文构建了包含17种图池化方法和28个图数据集的全面基准，系统评估了图池化方法在有效性、鲁棒性和泛化性三方面的性能，通过不同任务和噪声攻击实验验证其强大能力。
不是我的和解：人工智能调解职场谈判中的人格差异
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Johns Hopkins University（约翰霍普金斯大学） ； New York University（纽约大学）
AI总结 研究探讨了人工智能调解职场谈判中个体差异对效果的影响，发现不同人格特质的用户对不同干预方式的响应不同，强调了针对个体需求设计干预的重要性。
当代理体说服：大语言模型中的修辞生成与缓解
机构 * New York University（纽约大学）
AI总结 研究探讨大语言模型在被提示生成宣传内容时的表现，通过专门模型分析其修辞手法，并发现通过监督微调等方法可有效减少此类内容生成。
Comments Accepted to the ICLR 2026 Workshop on Agents in the Wild (AgentWild). 20 pages including appendix, 3 figures
AlphaResearch：利用语言模型加速新算法发现
机构 * Tsinghua University（清华大学） ； New York University（纽约大学） ； Yale University（耶鲁大学）
AI总结 AlphaResearch通过迭代提出新想法、编程验证和优化研究提案，实现了在开放性问题上发现新算法的突破，其在六个开放性问题上的表现优于其他系统，尤其在圆圈排列问题上超越了人类和基线模型。
何时与何地：一种海马网络模型统一了时间细胞和位置细胞的形成
机构 * New York University（纽约大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出一种海马网络模型，通过动态机制统一了时间细胞和位置细胞的形成，揭示了两者共享的起源与任务驱动的差异。
Comments 18 pages, 6 figures
Science-T2I: 解决图像合成中的科学幻觉
机构 * New York University（纽约大学） ； University of Washington（华盛顿大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校）
AI总结 本文提出ScienceT2I数据集，评估18种图像生成模型，发现科学提示能显著提升生成效果，提出SciScore奖励模型和两阶段对齐框架提升科学推理能力。
Comments Accepted to CVPR 2025. Code, docs, weight, benchmark and training data are all avaliable at https://jialuo-li.github.io/Science-T2I-Web
看见即应言：面向灾害缓解的上下文感知移动机器人通信
机构 * New York University Tandon School of Engineering（纽约大学坦登工程学院） ； The City College of New York, Grove School of Engineering（纽约市立学院格罗夫工程学院） ； ASAS LABS, Department of Mechanical and Aerospace Engineering, Tandon School of Engineering, New York University（纽约大学坦登工程学院机械与航空航天工程系ASAS实验室）
AI总结 本文提出一种上下文感知的移动机器人通信框架，通过感知驱动自适应消息生成，提升灾害响应速度和有效性，在60多次实验中验证了结构化关键性评估对响应速度和缓解效果的提升。
基于硬件深度故障的室内机器人导航 bootstrap 感知系统
机构 * New York University（纽约大学） ； City College of New York（纽约市立学院）
AI总结 本文提出一种在硬件深度故障情况下用于室内机器人导航的 bootstrap 感知系统，通过自参照性质校准单目深度，提升障碍物感知覆盖率。
面向自动驾驶的语义观察层：VLMs在低延迟异常检测中的预部署可行性研究
机构 * The City College of New York, Grove School of Engineering（纽约市立学院格罗夫工程学院） ； Department of Mechanical and Aerospace Engineering, Tandon School of Engineering, New York University（纽约大学坦登工程学院机械与航空航天工程系） ； Department of Electrical and Computer Engineering, Tandon School of Engineering, New York University（纽约大学坦登工程学院电气与计算机工程系）
AI总结 本文提出一种语义观察层，通过量化视觉-语言模型实现低延迟异常检测，验证了其在自动驾驶平台上的可行性。
从一般叠加中可证明地提取特征
机构 * UC Berkeley（加州大学伯克利分校） ； NYU Courant（纽约大学库朗数学科学研究所）
AI总结 从学习理论角度研究如何从叠加中提取可解释特征，提出高效的查询算法以恢复特征方向和函数。
更强的无归一化变换器
机构 * Princeton University（普林斯顿大学） ； New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出Derf函数，通过大规模搜索找到更有效的归一化替代方案，其在视觉识别、语音表示和DNA序列建模中均优于LayerNorm、RMSNorm和DyT。
Comments Published in CVPR 2026
深度多项式混沌展开
机构 * CAIML, TU Wien（维也纳工业大学 CAIML） ； TU Graz（格拉茨工业大学） ； Brown University（布朗大学） ； Courant Institute NYU（纽约大学库朗研究所） ； Graz Center for Machine Learning（格拉茨机器学习中心）
AI总结 本文提出深度多项式混沌展开（DeepPCE），通过结合可处理的概率电路理念，实现高维输入空间的有效扩展，保持了PCE精确统计推断的能力，同时性能媲美多层感知机。
Comments 29th International Conference on Artificial Intelligence and Statistics (AISTATS) 2026
MindCube：从有限视角构建空间心理模型
机构 * Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； New York University（纽约大学） ； University of Washington（华盛顿大学）
AI总结 本文通过MindCube基准测试，探讨视觉语言模型能否从有限视角构建空间心理模型，提出'map-then-reason'方法提升模型性能，实现从37.8%到61.3%的准确率提升。
Comments The latest version includes an expanded discussion of scaffolding, along with updated data statistics and experimental results
3D CAVLA：利用深度和3D上下文来泛化视觉语言动作模型以应对未见任务
机构 * New York University Tandon School of Engineering（纽约大学坦登工程学院） ； New York University Courant Institute of Mathematical Sciences（纽约大学库朗数学科学研究所）
AI总结 本文提出3D-CAVLA框架，通过引入链式推理、深度感知和任务导向的感兴趣区域检测，提升视觉语言动作模型在未见任务中的泛化能力，实验表明其在模拟和现实任务中均表现出色。
Comments Accepted at the 1st Workshop on 3D LLM/VLA, CVPR 2025. This work has been submitted to the IEEE for possible publication
基于成本匹配的模型预测控制用于人形机器人高效强化学习
机构 * New York University Abu Dhabi (NYUAD)（纽约大学阿布扎比分校） ； Georgia Institute of Technology（佐治亚理工学院） ； Norwegian University of Science and Technology (NTNU)（挪威科技大学）
AI总结 本文提出一种基于模型预测控制的强化学习框架中的成本匹配方法，通过参数化MPC和中心动力学来近似高保真闭环数据获得的动作价值函数，提升人形机器人运动性能和鲁棒性。
逆动力学的谱分解用于基于模型的操纵快速探索
机构 * California Institute of Technology（加州理工学院） ； New York University（纽约大学）
AI总结 本文提出利用逆动力学方程的谱分解生成轨迹的方法，通过正交成分高效探索复杂接触动态，实现长时域规划，展示了在高复杂度领域中的实时能力。
Comments 8 pages, 8 figures, accepted to the 2026 IEEE International Conference on Robotics and Automation
探索Verilog代码生成的代理前沿
机构 * New York University Tandon School of Engineering（纽约大学坦登工程学院）
AI总结 本文系统评估了代理LLM在Verilog生成中的影响，通过CVDP基准测试，分析了结构化提示和工具设计对性能的影响，并比较了开源与闭源模型的性能差异。
注意形状差距：一种用于农业产品的变形感知6D姿态估计的基准和基线
机构 * Robotics Institute, Athena Research Center（雅典娜研究中心机器人研究所） ； HERON - Hellenic Robotics Center of Excellence（HERON - 希腊机器人卓越中心） ； School of Electrical & Computer Engineering, NTUA（国立雅典理工大学电气与计算机工程学院） ； Music Technology, New York University（纽约大学音乐技术系） ； Department of Electrical & Computer Engineering, UTH（色萨利大学电气与计算机工程系）
AI总结 本文提出PEAR基准和SEED框架，解决农业产品变形导致的6D姿态估计难题，展示现有方法性能下降，并证明显式形状建模对农业机器人可靠姿态估计的重要性。
GSR-GNN：电路图上深度GNN的训练加速与内存节省框架
机构 * University of Minnesota, Twin Cities（明尼苏达大学双城分校） ； New York University（纽约大学） ； Stevens Institute of Technology（史蒂文斯理工学院）
AI总结 本文提出GSR-GNN框架，通过可逆残差模块和分组稀疏非线性操作，实现深度GNN在大规模电路图上的高效训练，达到87.2%的内存节省和30倍以上的加速，同时保持相关质量指标的稳定。
Comments 8 pages including references, already been accepted to DAC 2026
自监督学习在膝骨关节炎中的应用：医院数据的诊断局限性与预后价值
机构 * Department of Physics, J.K. Institute of Science（物理系，J.K. 科学研究所） ； World Scientific University（世界科学大学） ； University of Intelligent Studies（智能研究大学） ； Center for Data Science, New York University（数据科学中心，纽约大学） ； Bernard and Irene Schwartz Center for Biomedical Imaging, New York University Langone Health（伯纳德和艾琳·施瓦茨生物医学成像中心，纽约大学朗格尼健康中心） ； Department of Radiology, New York University Langone Health（放射学系，纽约大学朗格尼健康中心） ； Perlmutter Cancer Center, New York University Langone Health（珀尔马特癌症中心，纽约大学朗格尼健康中心）
AI总结 本研究评估自监督学习是否能提升膝骨关节炎的诊断与预后建模，发现医院数据在诊断分级中表现有限，但对预后预测有显著优势。
语调会改变答案吗？评估提示礼貌性对现代LLMs的影响：GPT、Gemini和LLaMA
机构 * Northwestern University（西北大学） ； Duke University（杜克大学） ； Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学）
AI总结 本文通过MMMLU基准测试，评估了不同语调提示对GPT、Gemini和LLaMA模型在STEM和人文领域任务中的准确性影响，发现礼貌性提示在部分人文任务中显著提升性能，但整体上现代LLMs对语调变化具有鲁棒性。
Wanderland: 为开放世界具身AI提供几何学基础的模拟
机构 * New York University（纽约大学） ； Cornell University（康奈尔大学）
AI总结 本文提出Wanderland框架，通过多传感器采集和高精度几何重建，解决开放世界具身AI中模拟与现实差距大的问题，并展示其在导航政策学习中的应用。
Comments CVPR 2026
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