University of Toronto（多伦多大学）

Scalable Bayesian Additive Models for Stellar Flare Detection via Amortized Gaussian Process Inference and Hidden Markov Models

可扩展贝叶斯加性模型：通过摊销高斯过程推理和隐马尔可夫模型进行恒星耀斑检测

Rodrigo Herrera, Vianey Leos-Barajas, Gwendolyn Eadie, Elizaveta Semenova, James Davenport

机构 * Department of Statistical Sciences, University of Toronto（多伦多大学统计科学系） ； Data Sciences Institute, University of Toronto（多伦多大学数据科学研究院） ； School of the Environment, University of Toronto（多伦多大学环境学院） ； David A. Dunlap Department of Astronomy and Astrophysics, University of Toronto（多伦多大学大卫·A·邓拉普天文与天体物理系） ； School of Public Health, Imperial College London（伦敦帝国学院公共卫生学院） ； Department of Astronomy, University of Washington（华盛顿大学天文学系） 纠错

AI总结 提出生成式代理框架，利用变分自编码器压缩Celerite先验，避免精确协方差运算，结合隐马尔可夫模型实现恒星耀斑的高效检测。

Comments Main paper: 19 pages, full paper: 34 pages. 4 appendices. 9 main figures, 21 figures in total. 4 tables. Poster Presenter, SSC 2026 (Statistical Society of Canada Annual Meeting) and ISBA 2026 (International Society for Bayesian Analysis World Meeting)

Do Rigid-Body Simulators Dream of Soft Robots? Learning Contact-Rich Manipulation for Tendon-Driven Continuum Robots

刚体模拟器会梦见软体机器人吗？学习肌腱驱动连续体机器人的接触丰富操作

Chengnan Shentu, Nicholas Baldassini, Tongjia Zheng, Priyanka Rao, Jessica Burgner-Kahrs

机构 * University of Toronto（多伦多大学） 纠错

AI总结 针对肌腱驱动连续体机器人缺乏接触丰富操作模拟基础设施的问题，提出基于连续介质力学的离散化方法，将软体机器人原生集成到MuJoCo中，实现仿真到真实世界的零样本迁移。

Comments Project Page: https://continuumroboticslab.github.io/opencr-mujoco/

LambdaMark: Semantic Audio Watermarking for Robustness and Radioactivity

LambdaMark: 面向鲁棒性和放射性的语义音频水印

Kexin Li, Xiao Hu, Ilya Grishchenko, David Lie

机构 * University of Toronto, Canada（多伦多大学，加拿大） 纠错

AI总结 提出LambdaMark，首个通用放射性水印方案，通过将多比特水印嵌入语义音频潜在表示实现鲁棒性和放射性，实验证明在常见失真和去除攻击下表现优异。

UBP2: Uncertainty-Balanced Preference Planning for Efficient Preference-based Reinforcement Learning

UBP2: 不确定性平衡的偏好规划用于高效基于偏好的强化学习

Mohamed Nabail, Leo Kaixuan Cheng, Jingmin Wang, Nicholas Rhinehart

机构 * Learning, Embodied Autonomy, and Forecasting (LEAF) Lab, University of Toronto（学习、具身自主与预测（LEAF）实验室，多伦多大学） 纠错

AI总结 提出UBP2方法，通过联合推理奖励、动力学和值函数的不确定性来主动引导探索，在Meta-World基准上显著提高了样本效率。

X-Palm: Paired Multispectral-to-Smartphone Dataset for Cross-Domain Palmprint Authentication

X-Palm: 用于跨域掌纹认证的配对多光谱到智能手机数据集

Jamal Seyedmohammadi, Pai Chet Ng, Angelo Genovese, Zhixiang Chi, Jeannie Lee, Konstantinos N. Plataniotis

机构 * Singapore Institute of Technology（新加坡科技学院） ； Università degli Studi di Milano（米兰大学） ； University of Toronto（多伦多大学） 纠错

AI总结 为解决掌纹识别中受控注册与非约束认证之间的域差距，提出首个配对身份的多光谱-智能手机跨域数据集X-Palm，包含6006张图像，覆盖大规模模态和环境变化，实验表明现有模型在该数据集上性能严重下降，而基于X-Palm训练的模型具有跨域鲁棒性。