University of Toronto（多伦多大学）

Led to Mislead: Adversarial Content Injection for Attacks on Neural Ranking Models

导致误导：针对神经排序模型的对抗性内容注入攻击

Amin Bigdeli, Amir Khosrojerdi, Radin Hamidi Rad, Morteza Zihayat, Charles L. A. Clarke, Ebrahim Bagheri

机构 * University of Waterloo（滑铁卢大学） ； University of Toronto（多伦多大学） ； Mila – Quebec AI Institute（魁北克AI研究院） ； Toronto Metropolitan University（多伦多 Metropolitan 大学） 纠错

AI总结 本文提出CRAFT框架，通过生成对抗性数据集、监督微调和偏好引导优化，提升对抗性攻击效果，验证了生成式AI在排序操纵中的风险。

Dynamics Distillation for Efficient and Transferable Control Learning

为高效且可迁移的控制学习设计的动力学蒸馏

Xunjiang Gu, Kashyap Chitta, Mahsa Golchoubian, Vladimir Suplin, Igor Gilitschenski

机构 * University of Toronto（多伦多大学） ； NVIDIA（NVIDIA公司） ； General Motors（通用汽车） ； Vector Institute（向量研究所） 纠错

AI总结 本文提出Sim2Sim2Sim框架，通过将高保真车辆模拟器动力学蒸馏为可并行学习的动力学模型，实现更高效的策略优化和可靠的迁移。

Comments 9 pages, 3 figures, under review

Patient-Specific Optimization for Mandibular Reconstruction Planning with Enhanced Bone Union

针对增强骨愈合的颌骨重建计划的患者特异性优化

Hamidreza Aftabi, John E. Lloyd, Amanda Ding, Benedikt Sagl, Eitan Prisman, Antony Hodgson, Sidney Fels

机构 * Department of Electrical and Computer Engineering, University of British Columbia（电气与计算机工程系，不列颠哥伦比亚大学） ； Department of Surgery, University of British Columbia, Gordon and Leslie Diamond Health Care Centre（不列颠哥伦比亚大学外科系，戈登和莱斯利钻石医疗中心） ； Center for Clinical Research, University Clinic of Dentistry, Medical University of Vienna（维也纳医科大学牙科学院临床研究中心） ； Department of Mechanical Engineering, University of British Columbia（机械工程系，不列颠哥伦比亚大学） ； Sunnybrook Research Institute, University of Toronto（多伦多大学 Sunnybrook 研究院） 纠错

AI总结 本文提出OsteoOpt++，通过图像到决策的规划循环，优化颌骨重建中的切面和供体位置变量，以促进骨愈合。

GAZE: Grounded Agentic Zero-shot Evaluation with Viewer-Level Tools and Literature Retrieval on Rare Brain MRI

GAZE：基于视图级工具和文献检索的 grounded 零样本评估

Duaa Alim, Mogtaba Alim, Liam Chalcroft

机构 * Imperial College London, UK（伦敦帝国学院） ； University of Toronto, Canada（多伦多大学） ； University College London, UK（伦敦大学学院） 纠错

AI总结 GAZE框架通过调用视图级工具和文献检索工具，使医学VLM在迭代方式下工作，实现对罕见脑MRI的零样本评估，提升病变定位和诊断准确率。

Ergodic Risk Measures: Towards a Risk-Aware Foundation for Continual Reinforcement Learning

遍历风险度量：面向持续强化学习的风险感知基础

Juan Sebastian Rojas, Chi-Guhn Lee

机构 * University of Toronto（多伦多大学） 纠错

AI总结 本文提出遍历风险度量理论，用于持续强化学习，解决传统风险中性方法与持续学习不兼容的问题，通过新理论提升持续学习的鲁棒性。

SaLF: Sparse Local Fields for Multi-Sensor Rendering in Real-Time

SaLF：用于实时多传感器渲染的稀疏局部场

Yun Chen, Matthew Haines, Jingkang Wang, Sahil Jain, Krzysztof Baron-Lis, Sivabalan Manivasagam, Ze Yang, Raquel Urtasun

机构 * Waabi ； University of Toronto（多伦多大学） ； University of Waterloo（滑铁卢大学） 纠错

AI总结 本文提出SaLF，一种高效的体素表示方法，支持多传感器仿真，具备快速训练和渲染能力，适用于多传感器自主系统评估。

Comments ICRA 2026. Project page: https://waabi.ai/salf/