高校专区
Goldfish: 面向350种语言的单语语言模型
机构 * Department of Cognitive Science（认知科学系） ； Department of Linguistics（语言学系） ； Department of Computer Science（计算机科学系） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 针对低资源语言，发现大型多语言模型在基本语法生成上不如双元模型，而小规模单语模型在困惑度和语法性基准上表现更优，并发布了覆盖350种语言的1000多个单语模型套件Goldfish。
Comments LREC 2026
学习具有隐藏动态过程的通用因果结构用于气候分析
机构 * Mohamed bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University, Pittsburgh, PA, USA（卡内基梅隆大学） ； University of California San Diego, La Jolla, CA, USA（加州大学圣地亚哥分校） ； Johns Hopkins University, Baltimore, MD, USA（约翰·霍普金斯大学）
AI总结 提出统一框架CaDRe，联合发现观测变量间的因果关系和隐藏动态过程，在非参数设置下可识别，并在气候数据上验证了有效性和可解释性。
Comments Accepted by ICML 2026
OLG++：义务逻辑图的语义扩展
机构 * University of California San Diego（加州大学圣地亚哥分校）
AI总结 提出OLG++，通过引入空间、时间、当事人组、可废止性和逻辑分组等节点与边类型，扩展义务逻辑图以建模市政和跨司法管辖区的法规规则，并通过食品商业法规示例展示其在法律问答中的应用。
SchGen: 基于语义接地代码表示的PCB原理图生成
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Microsoft Research Asia（微软亚洲研究院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 提出SchGen，首个从自然语言请求生成可编辑PCB原理图的大语言模型，通过语义接地代码表示将几何驱动问题转化为语义驱动匹配任务，并构建大规模数据集，在连线准确性和功能正确性上显著优于现有方法。
Comments 19 pages, 7 figures
基于三维感知的空间视觉语言建模
机构 * UCSD（加州大学圣迭戈分校） ； MIT（麻省理工学院） ； NVIDIA（英伟达）
AI总结 提出GR3D模型，通过显式2D定位、隐式2D定位和单目3D定位三种互补定位能力，在单一框架内实现空间链式推理，并在定位与非定位空间基准上取得一致提升。
Comments CVPR 2026 https://www.anjiecheng.me/gr3d
mcp-proto-okn：通过模型上下文协议实现对开放科学知识图谱的自然语言访问
机构 * San Diego Supercomputer Center, University of California San Diego（圣地亚哥超级计算机中心，加州大学圣地亚哥分校） ； The Scripps Research Institute（斯克里普斯研究所） ； Amentum, Space Biosciences Division, NASA Ames Research Center（Amentum空间生物学部门，NASA阿姆斯研究中心） ； Mate Bioservices（Mate生物服务） ； Renaissance Computing Institute, University of North Carolina at Chapel Hill（复兴计算研究所，北卡罗来纳大学夏洛特分校） ； Weill Institute for Neurosciences, Department of Neurology, University of California San Francisco（Weill神经科学研究所，神经病学系，加州大学旧金山分校）
AI总结 提出基于模型上下文协议的服务器mcp-proto-okn，使AI助手能通过自然语言发现、查询和集成科学知识图谱，降低跨领域知识图谱分析门槛。
Comments 9 pages, 1 figure
图Transformer的尺寸可迁移性与卷积位置编码
机构 * Department of Electrical and Systems Engineering（电气与系统工程系） ； University of Pennsylvania（宾夕法尼亚大学） ； University of California San Diego（圣地亚哥大学）
AI总结 通过图神经网络位置编码建立图Transformer与流形神经网络的联系，证明其在小图上训练后可泛化到大图，并在标准基准和实际地形最短路径估计任务中验证可扩展性。
ESAM++：边缘上的高效在线3D感知
机构 * Stanford University（斯坦福大学） ； Google（谷歌） ； UC San Diego（圣地亚哥大学）
AI总结 提出ESAM++，一种轻量级可扩展的在线3D场景感知方法，通过3D稀疏特征金字塔网络（SFPN）在边缘设备上实现高效、准确的3D实例分割。
SkillBrew: LLM智能体技能库的多目标策展
机构 * City University of Hong Kong（香港城市大学） ； Squirrel Ai Learning ； University of Science and Technology of China（中国科学技术大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Griffith University（格里菲斯大学） ； East China Normal University（华东师范大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 提出SkillBrew框架，将技能库策展建模为带效用约束的帕累托优化问题，通过双层提议-验证循环实现技能库的精简与多样性。
Comments 16 pages. Preprint. Under review
揭示科学机器学习中的多机制模式：不同的失败模式与机制特定优化
机构 * Dartmouth College（达特茅斯学院） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Berkeley（加州大学伯克利分校） ； National University of Singapore（新加坡国立大学） ； Lawrence Berkeley National Laboratory（伯克利国家实验室） ； International Computer Science Institute（国际计算机科学研究所）
AI总结 通过机制感知诊断框架，研究科学机器学习模型在不同超参数设置下的多机制行为，发现三种一致机制结构、优化效果的机制特异性以及精细失败模式，为提升鲁棒性提供指导。
Comments Accepted by ICML 2026
学习语言模型的错误模式
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of California-San Diego（加州大学圣地亚哥分校）
AI总结 提出前缀过滤器（prefix filters）来捕捉LLM在特定领域中的错误模式，并通过Palla算法高效学习这些过滤器，从而提升输出有效性，例如在TypeScript生成中将编译率提升60%以上。
相关并不保证：引用RAG的证据力度校准
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Dartmouth College（达特茅斯学院） ； Cornell University（康奈尔大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Glasgow（格拉斯哥大学）
AI总结 针对引用RAG中证据力度不足的问题，提出FORCEBENCH基准测试，通过对比证据校准声明与力度增强变体，评估模型在五个操作轴上的单调性，发现标准支持提示不足以校准证据力度。
展示，而非告知：可解释的AI生成文本检测
机构 * School of Computing, Information and Data Sciences（计算与数据科学学院） ； University of California, San Diego（加州大学圣地亚哥分校） ； United States of America（美国）
AI总结 提出一种名为TELL的新型可解释架构，通过内置解释机制和强化学习训练，在保持高检测性能（AUROC 0.927）的同时提供文本级注释，帮助用户基于自身判断识别AI生成文本。
AIBuildAI-2：一种用于自动构建AI模型的知识增强智能体
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） ； Department of Medicine, University of California San Diego（加州大学圣地亚哥分校医学系）
AI总结 针对现有自动构建AI模型的智能体因依赖大语言模型静态参数知识而性能受限的问题，提出AIBuildAI-2，通过引入分层、可进化的外部知识系统，动态加载相关上下文，实现设计决策的专家知识支撑，在MLE-Bench上取得70.7%奖牌率并在心脏病预测竞赛中排名前6.6%。
多语言大模型任务执行中的语言角色解耦
机构 * Marquette（马凯特大学） ； Cornell（康奈尔大学） ； UC San Diego（南加州大学圣地亚哥分校） ； UPenn（普林斯顿大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； Maryland（马里兰大学） ； Michigan（密歇根大学） ； UIUC（伊利诺伊大学香槟分校） ； Melbourne（墨尔本大学） ； Stanford（斯坦福大学）
AI总结 提出MTM-Bench基准，通过完全交叉设计解耦指令、内容和响应三种语言角色，评估多语言LLM的任务执行能力，发现响应语言角色是性能下降的主要因素。
VLMs 是在看还是只是在说？揭示视觉重新检查的幻觉
机构 * University of Southern California（南加州大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 通过图像交换探测框架 VisualSwap 和 800 对图像基准 VS-Bench，发现视觉语言模型在推理时声称的“重新检查图像”多为文本模式，而非真正的视觉重新检查，且思考模型更易受影响，用户指令可恢复视觉基础但自我反思无效。
Comments ICML 2026 Oral
AMA-Bench：评估智能体应用的长时记忆
机构 * UCSD（加州大学圣塔克拉拉分校） ； Recursive
AI总结 提出AMA-Bench基准，通过真实与合成轨迹评估LLM智能体的长时记忆，并基于因果图与工具增强检索提出AMA-Agent系统，在基准上提升11.16%准确率。
连续扩散模型可以遵守形式语法
机构 * Department of Computer Science and Engineering, University of California-San Diego, San Diego, USA（计算机科学与工程系，加州大学圣地亚哥分校，圣地亚哥，美国）
AI总结 提出一种无需训练的引导方法，利用正则表达式约束连续扩散语言模型的生成过程，使其满足形式语法，并在JSON和自然语言基准上实现68-96%的约束满足率。
LLM 代理何时对表面噪声与语义噪声做出不同处理？一项基于 68 个单元格的测量研究及留出轨迹级验证
机构 * School of Information and Software Engineering, UESTC（信息与软件工程学院，电子科技大学） ； Jacobs School of Engineering, UC San Diego（工程学院，加州大学圣地亚哥分校）
AI总结 本研究通过 68 个单元格的测量实验，发现大语言模型驱动的思维链和 ReAct 代理对语义扰动（如释义、同义词）比表现扰动（如格式、重排序）更敏感，并基于留出模型和轨迹级机制分析提出了“隐蔽发散”解释。
递归流匹配
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Michigan（密歇根大学）
AI总结 提出递归流匹配（RecFM）框架，通过自一致性约束对齐不同离散化尺度的轨迹，实现高保真单步或少步（2-4步）动态生成，在科学基准上相比领先扩散模拟器加速20倍且提升预测精度。
Comments Project page: https://jhhuangchloe.github.io/RecFM/
D-OPSD：用于连续调优步蒸馏扩散模型的在线自蒸馏方法
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Z-Image Team, Alibaba Group（阿里集团Z-Image团队） ； University of California, San Diego（加州大学圣地亚哥分校） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出D-OPSD，一种在线自蒸馏训练范式，使步蒸馏扩散模型在监督微调中保持少步推理能力，通过让模型同时作为教师和学生，利用不同上下文条件（学生仅文本特征，教师多模态特征）最小化预测分布，学习新概念和风格而不牺牲原有少步能力。
Comments Project Page: https://vvvvvjdy.github.io/d-opsd/
稳定性意味着冗余：Delta注意力选择性停止用于高效长上下文预填充
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对长上下文场景中预填充计算成本高的问题，提出一种无需训练的Delta注意力选择性停止策略（DASH），通过监控自注意力层更新动态来停止稳定令牌的处理，从而在不牺牲模型准确性和硬件效率的前提下实现预填充加速。
Comments Accepted to ACL 2026 main conference
回归简约潜在变量：从视觉基础学习以任务为中心的世界模型
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 提出TC-WM框架，通过将预训练视觉嵌入线性投影为紧凑潜在状态、对比学习对齐子空间并重建嵌入，将基础模型特征转化为任务充分的世界表示，实现更好的世界建模质量和控制精度。
面向可靠胎儿超声解读的多智能体协作
机构 * Tsinghua University（清华大学） ； University of California San Diego（加州大学圣地亚哥分校） ； West China Second University Hospital, Sichuan University（四川大学西昌医学院）
AI总结 提出FetUSAgents多智能体系统，通过协作LLM代理和双路径证据仲裁（DPEA）整合视觉工具与临床推理，在胎儿超声VQA、报告生成等任务上超越最强基线25%以上。
ClawTrace: 面向LLM智能体技能蒸馏的成本感知追踪
机构 * University of California San Diego（加州大学圣地亚哥分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 针对技能蒸馏管道缺乏每步成本信号的问题，提出ClawTrace记录成本归因轨迹并生成TraceCard，通过CostCraft生成保留、剪枝和修复三类技能补丁，发现剪枝补丁作为质量护栏而保留补丁导致回归，主张按规则类型评估可复用技能。
Comments Accepted at Agent Skills '26 Workshop, ACM Conference on AI and Agentic Systems (CAIS 2026), San José, CA, May 26, 2026
通过随机镜像下降估计混合分布
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 针对从样本中估计未知分布的问题，提出基于随机镜像下降（SMD）的混合模型估计器族，通过选择Bregman散度实现灵活估计，在大规模候选分量下保持高效，并在KL散度和ℓ2范数下达到近最优收敛率。
CyberMaskQA: 一个用于评估大语言模型在网络安全问答中隐私意识的基准
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of California, San Diego (UCSD)（加州大学圣地亚哥分校）
AI总结 针对现有基准缺乏隐私保护评估的问题，提出CyberMaskQA基准，通过结合人工场景与LLM语义扩展生成带隐私标签的数据集，以评估模型在网络安全问答中的推理与隐私保护能力。
从Ising模型中学习采样的计算相变
机构 * Machine Learning Department, Carnegie Mellon University（卡内基梅隆大学机器学习系） ； Department of Computer Science and Engineering, UC San Diego（加州大学圣地亚哥分校计算机科学与工程系）
AI总结 本研究构造了谱阈值以上的有界宽度Ising模型族，证明在标准密码学假设下学习采样是计算困难的，从而在谱阈值处建立了尖锐的计算相变。
生成式OOD正则化的基于模型的策略优化
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Abiomed（阿比omed）
AI总结 提出GORMPO算法，利用生成式密度估计在稀疏状态-动作空间中限制策略更新到高密度区域，以解决离线强化学习中的分布外动作问题，并在真实医疗数据集和离线RL数据集上优于基线方法。
SPACENUM: 重新审视视觉语言模型中的空间数值理解
机构 * Northwestern（西北大学） ； UCSD（加州大学圣地亚哥分校） ； USC（南加州大学） ； GaTech（佐治亚理工学院）
AI总结 提出SpaceNum框架，通过Num2Space和Space2Num双向任务评估VLM在动态过渡和静态布局中对空间数值的理解，发现模型依赖浅层空间线索，难以建立稳定的坐标感知表示。
Comments Project page: https://sterzhang.github.io/SpaceNum-Home
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