高校专区
StateTrace：面向长视频中隐状态时空推理的以对象为中心的框架
机构 * University of California, San Diego（加利福尼亚大学圣地亚哥分校） ； The University of Sydney（悉尼大学） ； Central South University（中南大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； SenseTime Research（商汤科技研究院）
AI总结 StateTrace是一种以对象为中心的框架，为VideoLLMs赋予长视频隐状态推理能力，构建时空状态记忆并经实验显著提升了VideoLLMs在相关基准上的性能。
Comments 10 pages. Accepted at ACM Multimedia 2026 (ACM MM 2026)
一种用于气动驱动软外服的任务无关型动态助力控制策略
机构 * University of California San Diego（加利福尼亚大学圣迭戈分校）
AI总结 本研究提出一种仅依赖运动学传感的逆植物控制策略，可在8°/s至120°/s范围内，将气动驱动软外服的交互扭矩降低最多73%、肌肉激活降低最多47%，实现任务无关型动态助力，无需生理或力传感器。
Co-RL：多智能体强化学习中多样群体涌现的无监督推理
机构 * University of Exeter（埃克塞特大学） ； ByteDance（字节跳动） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； UC San Diego（加州大学圣迭戈分校）
AI总结 本研究提出Co-RL框架，通过参数不共享的多智能体协作训练，利用同伴奖励减少对真实标注的依赖，提升纯文本及多模态任务的推理性能，缓解训练崩溃与响应同质化问题。
Comments 30 pages, 5 figures, 11 tables
Mechanist：作为科学仪器的AI，用于发现智能的机制
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Heriot-Watt University（赫瑞瓦特大学） ； Southern University of Science and Technology（南方科技大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Northeastern University（东北大学）
AI总结 本研究推出智能体系统Mechanist，以AI为科学仪器自主发现AI智能机制，其生成假设更有价值、实验更可靠，还能发现安全风险、构建信念机制理论并转化为提升模型性能的干预措施。
Comments Work in progress
数据受限语言模型预训练的数据增强
机构 * UC San Diego（加州大学圣地亚哥分校） ； RMIT University（皇家墨尔本理工大学）
AI总结 针对数据受限下标准自回归预训练严重过拟合的问题，提出三类数据增强方法（token级噪声、序列排列、目标偏移预测），有效降低验证损失并支持数百epoch训练。
MuseCPBench: 通过音乐情境保持对音乐编辑方法的实证研究
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 MuseCPBench通过系统分析音乐编辑方法的MCP能力，揭示当前技术的保持缺口并提供改进方向。
Comments Accepted by ISMIR 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