University of California, San Diego（加州大学圣迭戈分校）

High-Dimensional Gaussian Mean Estimation under Realizable Contamination

高维高斯均值估计在可实现污染下的研究

Ilias Diakonikolas, Daniel M. Kane, Thanasis Pittas

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of California, San Diego（加州大学圣迭戈分校） 纠错

AI总结 研究在可实现ε污染模型下高斯分布均值估计问题，提出信息-计算差距，显示算法需更多样本或指数时间，同时给出近似匹配下界的方法。

Egocentric Bias in Vision-Language Models

视觉语言模型中的自我中心偏差

Maijunxian Wang, Yijiang Li, Bingyang Wang, Tianwei Zhao, Ran Ji, Qingying Gao, Emmy Liu, Hokin Deng, Dezhi Luo

机构 * Cognitive Science Program, University of California, Berkeley（加州大学伯克利分校认知科学项目） ； Department of Electrical and Computer Engineering, University of California San Diego（加州大学圣地亚哥分校电气与计算机工程系） ； School of Computer Science, Georgia Institute of Technology & Emory University（佐治亚理工学院计算机科学学院及埃默里大学） ； Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Department of Cognitive Science, University of California San Diego（加州大学圣地亚哥分校认知科学系） ； Equal Advising Department of Computer Science & Wilmer Eye Institute, Johns Hopkins University（约翰霍普金斯大学计算机科学系及威尔默眼科研究所） ； Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Weinberg Institute for Cognitive Science, University of Michigan（密歇根大学韦恩伯格认知科学研究所） 纠错

AI总结 本文提出FlipSet基准，揭示视觉语言模型在第二级视觉视角推理中存在系统性自我中心偏差，表明模型在整合社会认知与空间操作方面存在根本性不足。

Comments Accepted at CogSci 2026 (Best Undergraduate Student Paper)

LapSurgie: Humanoid Robots Performing Surgery via Teleoperated Handheld Laparoscopy

LapSurgie: 人形机器人通过远程操控手持腹腔镜进行手术

Zekai Liang, Xiao Liang, Soofiyan Atar, Sreyan Das, Zoe Chiu, Peihan Zhang, Calvin Joyce, Florian Richter, Shanglei Liu, Michael C. Yip

机构 * Department of Electrical and Computer Engineering, University of California San Diego（加州大学圣地亚哥分校电气与计算机工程系） ； School of Electrical and Computer Engineering, Cornell University（康奈尔大学电气与计算机工程学院） ； UC San Diego Health（加州大学圣地亚哥医学中心） 纠错

AI总结 LapSurgie是一种基于人形机器人的腹腔镜远程操控框架，通过逆映射策略实现精准手到工具控制，并通过用户研究验证了其在微创手术中的可行性。

Linear Regression under Missing or Corrupted Coordinates

坐标缺失或损坏情况下的线性回归

Ilias Diakonikolas, Jelena Diakonikolas, Daniel M. Kane, Jasper C. H. Lee, Thanasis Pittas

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Davis（加州大学戴维斯分校） 纠错

AI总结 研究高斯协变量下多变量线性回归在数据可能被擦除或损坏时的情况，通过建立新信息论下界刻画误差，得出缺失数据与损坏数据设置中最优误差匹配，知道损坏位置无普遍优势的结论。