高校专区
Llama-3.1-FoundationAI-SecurityLLM-Reasoning-8B 技术报告
机构 * Foundation AI–Cisco Systems Inc.（Foundation AI–Cisco系统公司） ； Yale University（耶鲁大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of Pennsylvania（宾夕法尼亚大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 Llama-3.1-FoundationAI-SecurityLLM-Reasoning-8B 是首个开源的网络安全专用推理模型，通过结合监督微调和强化学习训练，实现了在网络安全任务上的高性能表现。
Comments 31 pages, 5 figures, 7 tables
基于框架的思考：视觉上下文和测试时扩展如何增强视频推理
机构 * University of Cambridge（剑桥大学） ； Pioneer Center for AI, University of Copenhagen（人工智能先锋中心，哥本哈根大学） ； Hong Kong University of Science（香港科学大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Peking University（北京大学）
AI总结 本文提出通过视频生成模型进行视觉推理，利用视觉上下文和测试时扩展提升视频推理能力，展示了模型在空间和时间复杂任务中的鲁棒零样本泛化能力。
Comments 8 pages, 3 figures, 3 tables (26 pages, 13 figures, 6 tables including references and appendices)
可解释的链式思维推理：对状态感知推理动态的实证分析
机构 * University of California San Diego（加州大学圣地亚哥分校） ； Adobe Research（Adobe研究）
AI总结 本文提出了一种状态感知的转换框架，通过结构化潜在动态分析链式思维推理的语义演变和转换，提升推理过程的可解释性。
Comments 5 pages, 4 figures
CTRLS: 通过潜在状态转移进行链式推理
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Adobe Research（Adobe研究）
AI总结 CTRLS通过建模潜在状态转移的马尔可夫决策过程，利用分布式强化学习提升大语言模型的推理能力与探索效率。
Comments 10 pages
无需训练数据的学习动态组合优化
机构 * UC San Diego（加州大学圣迭戈分校）
AI总结 DyCO-GNN通过利用时间演变图快照的结构相似性，在无需训练数据的情况下实现了动态组合优化的高效求解。
朝着可识别的潜在加性噪声模型迈进
机构 * Australian Institute for Machine Learning, The University of Adelaide（澳大利亚机器学习研究所，阿德莱德大学） ； School of Computer Science and Engineering, The University of New South Wales（计算机科学与工程学院，新南威尔士大学） ； Halicioğlu Data Science Institute, University of California San Diego（Halicioğlu数据科学研究所，加州大学圣地亚哥分校） ； School of Mathematics and Statistics, The University of Melbourne（数学与统计学学院，墨尔本大学） ； Department of Philosophy, Carnegie Mellon University（哲学系，卡内基梅隆大学）
AI总结 本文提出了一种更通用的框架，通过约束函数类来建立部分识别性结果，并开发了灵活的学习方法，用于学习潜在因果表示。
LogogramNLP: 比较古代象形文字系统的视觉与文本表示在自然语言处理中的应用
机构 * UC San Diego（UC圣地亚哥大学） ； University of Waterloo（滑铁卢大学）
AI总结 LogogramNLP通过比较视觉与文本表示，为古代象形文字的NLP分析提供首个基准，展示视觉方法在部分任务中的优势。
Comments correct wrong refs, typos
Journal ref ACL 2024, long paper
遏制有毒言论：利用聊天机器人干预发布有毒评论的用户
机构 * Purdue University（普渡大学） ； University of California San Diego（加州大学圣地亚哥分校） ； University of Idaho（爱达荷大学） ； IIT Hyderabad（印度海得拉巴理工学院）
AI总结 本研究探讨生成式AI聊天机器人对发布有毒评论用户的影响，发现用户在对话中表现出悔意，但未观察到行为显著改变。
WaveletGaussian: 基于小波域的稀疏视角3D高斯物体重建
机构 * Video Processing Lab, UC San Diego（UC San Diego视频处理实验室）
AI总结 WaveletGaussian通过将扩散模型应用于小波域的低分辨率子带，结合高效在线随机掩码策略，实现了更高效的稀疏视角3D高斯物体重建。
Comments Accepted to ICASSP 2026
Orca：通过用户驱动和AI辅助的跨可变网页 orchestration 实现大规模浏览
机构 * Foundation Interface Lab（基础界面实验室） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 Orca通过用户驱动和AI辅助的跨可变网页 orchestration 实现大规模信息浏览，提升信息采集和理解能力。
分布式通信预算限制下的协同压缩在均值估计中的应用
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） ； Halicioğlu Data Science Institute（Halicioğlu数据科学研究所）
AI总结 本文提出四种协同压缩方案，通过利用分布式环境下向量之间的相似性，实现高效通信压缩和降低误差。
Journal ref Transactions on Machine Learning Research 2025
多智能体机器人系统（MARS）挑战的进展与创新
机构 * SJTU（上海交通大学） ； Oxford（牛津大学） ； USTC（中国科学技术大学） ； Shanghai AI Lab（上海人工智能实验室） ； CMU（卡内基梅隆大学） ； HKU（香港大学） ； Tongji（同济大学） ； UC San Diego（南加州大学） ； CUHK-SZ（香港中文大学（深圳）） ； SYSU（华南理工大学） ； Harvard（哈佛大学）
AI总结 MARS挑战通过多智能体具身规划与控制任务，推动多智能体协作AI系统的发展。
Comments MARS Challenge @ NeurIPS 2025 Workshop on Space in Vision, Language, and Embodied AI. Challenge page: https://mars-eai.github.io/MARS-Challenge-Webpage/
多智能体协同过滤：为智能推荐 orchestrate 用户和物品
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Adobe Research（Adobe研究）
AI总结 本文提出多智能体协同过滤框架，通过动态协作机制提升智能推荐效果。
Comments WWW 2026
CoBRA：利用经典社会科学实验编程社会代理中的认知偏差
机构 * University of California San Diego（加州大学圣地亚哥分校） ； Independent Researcher（独立研究者）
AI总结 CoBRA通过经典社会科学实验设计，为社会代理提供了一种可编程的认知偏差控制方法，实现一致的行为模拟与可重用的AI训练环境。
Comments CHI 2026
稀疏RBF网络用于PDE和非局部方程：函数空间理论、算子微积分与训练算法
机构 * Department of Mathematics, University of California, San Diego, CA 92093, United States（加州大学圣地亚哥分校数学系） ； Computer Science and Mathematics Division, Oak Ridge National Laboratory, Oak Ridge, TN 37831, United States（橡树岭国家实验室计算机科学与数学 division）
AI总结 本文提出稀疏RBF网络用于求解PDE和非局部方程，通过函数空间理论和算子微积分，提供高效计算方法和理论指导。
Comments 30 pages, 7 figures
SimWorld-Robotics: 为多模态机器人导航与协作合成逼真动态城市环境
机构 * University of Virginia（弗吉尼亚大学） ； UC San Diego（加州大学圣地亚哥分校） ； Johns Hopkins University（约翰霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan（密歇根大学）
AI总结 SimWorld-Robotics通过合成逼真动态城市环境，提出两个多模态机器人基准测试，评估机器人在复杂场景中的导航、协作与通信能力。
Comments Conference: NeurIPS 2025 (main)
通过模态解耦梯度下降缓解MLLM指令微调中的视觉知识遗忘
机构 * UC San Diego（加州大学圣迭戈分校） ； University of New South Wales（新南威尔士大学） ； Adobe Research（Adobe研究）
AI总结 本文提出模态解耦梯度下降方法，通过有效秩量化视觉退化并缓解过度压缩，保留预训练视觉知识并提升任务适应能力。
Comments 9 pages
关于基础3D医学图像分割模型对不精确视觉提示的鲁棒性
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 本研究探讨了基础3D医学图像分割模型在面对不精确视觉提示时的鲁棒性，通过实验揭示了模型对视觉形状和空间线索的依赖性及扰动的抗性。
Comments Accepted at ISBI 2026
SimWorld：一种用于物理和社会世界中自主代理的开放式真实模拟器
机构 * UCSD（加州大学圣地亚哥分校） ； UVA（弗吉尼亚大学） ； UIUC（伊利诺伊大学香槟分校） ； JHU（约翰·霍普金斯大学） ； Purdue（Purdue 大学） ； PolyU ； USC（美国南加州大学） ； UMich（密歇根大学）
AI总结 SimWorld是一个基于Unreal Engine 5构建的开放式真实模拟器，旨在开发和评估LLM/VLM代理在复杂物理和社会环境中的能力，通过多代理配送任务验证其推理模式与局限性。
MusiCRS：面向音频导向的对话推荐基准测试
机构 * University of California, San Diego, USA（加州大学圣地亚哥分校）
AI总结 MusiCRS通过链接Reddit用户对话与音乐曲目，为音频导向的对话推荐提供首个基准测试，揭示了跨模态整合的局限性，并释放了相关数据集和代码以促进研究进展。
Comments 5 pages
WildScore: 多模态符号音乐推理在现实中的基准测试
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 WildScore是首个用于评估多模态大语言模型在现实世界中符号音乐推理能力的基准测试，通过真实音乐作品和用户生成问题，系统性评估模型在音乐学分析中的表现。
弥合收敛学习中的关键差距：表征对齐如何在层、训练和分布偏移中演变
机构 * Department of Cognitive Science University of California, San Diego（认知科学系加州大学圣地亚哥分校）
AI总结 研究通过大规模分析发现，正交变换在对齐表征上效果接近线性方法，且早期层在分布偏移下仍保持紧密对齐，揭示了表征对齐主要由输入统计和架构偏差驱动。
动态定价与对抗性被截断的需求
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； New York University（纽约大学） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 本文提出了一种基于导数乐观估计的动态定价算法，在对抗性库存条件下实现O(√T)最优遗憾，解决了具有截断反馈的在线决策问题。
Comments 28 pages, 1 figure
NFL-BA：近场光束调整用于动态光照下的SLAM
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； University of California San Diego（加州大学圣地亚哥分校）
AI总结 NFL-BA通过显式建模近场照明提升动态光照下SLAM性能，显著提高相机跟踪和建图效果。
DTP: 一种简单而有效的干扰令牌修剪框架用于视觉-语言动作模型
机构 * Australian National University（澳大利亚国立大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Chinese Academy of Sciences（中国科学院） ； Beijing Institute of Graphic Communication（北京印刷学院） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Baidu Search（百度搜索） ； Bytedance（字节跳动）
AI总结 DTP框架通过动态修剪干扰令牌提升视觉-语言动作模型的任务成功率，适用于多种新型VLA模型。
TDFlow: 为测试驱动开发设计的代理工作流
机构 * Carnegie Mellon University（卡内基梅隆大学） ； UC San Diego（南加州大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 TDFlow通过测试驱动的工作流实现人类水平的测试解析，提升软件修复性能。
Comments Published in the 19th Conference of the European Chapter of the Association for Computational Linguistics (EACL 2026 Main Conference)
R-KV：面向推理模型的冗余感知KV缓存压缩
机构 * University of Wisconsin - Madison（威斯康星大学麦迪逊分校） ； Microsoft（微软） ； Carnegie Mellon University（卡内基梅隆大学） ； California Institute of Technology（加州理工学院） ； University of California - San Diego（加州大学圣地亚哥分校） ； University of Surrey（萨里大学） ； University of California - Berkeley（加州大学伯克利分校）
AI总结 R-KV通过冗余感知机制实现推理模型KV缓存压缩，以10%的缓存占用率达到接近100%的性能，显著优于现有方法。
为社会公益服务的NLP：挑战、机遇与负责任部署的综述与展望
机构 * University of Copenhagen（哥本哈根大学） ； University of Michigan-Ann Arbor（密歇根大学安娜堡分校） ； ETH Zurich（苏黎世联邦理工学院） ； University of North Texas（北卡罗来纳州立大学） ； Sony Computer Science Laboratories - Paris（索尼计算机科学实验室-巴黎） ； Santa Clara University（圣克拉拉大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Dataminr（DataMinr公司） ； United Nations Development Programme (UNDP)（联合国开发计划署） ； University of Maryland, College Park（马里兰大学学院市分校） ； Max Planck Institute for Intelligent Systems, Tübingen（智能系统马克斯·普朗克研究所，图宾根） ； Vector Institute（向量研究所） ； University of Toronto（多伦多大学） ； University of Washington（华盛顿大学） ； Queen Mary University of London（伦敦大学玛丽女王学院） ； IIT Kharagpur（印度理工学院Kharagpur分校） ； University of California San Diego（加州大学圣地亚哥分校） ； Princeton University（普林斯顿大学） ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； University of Alicante（阿利坎特大学） ； University of Michigan-Flint（密歇根大学弗林特分校） ； University of Southern California（南加州大学） ； Technical University of Munich（慕尼黑技术大学）
AI总结 本文综述了NLP在社会公益领域的应用现状，指出包容性和AI危害是研究热点，同时呼吁跨学科合作以促进公众福祉。
Comments Accepted to EACL 2026
QMC：通过异常感知量化和涌现记忆协同设计实现高效的SLM边缘推断
机构 * University of California San Diego（加州大学圣地亚哥分校） ； San Diego State University（圣地亚哥州立大学）
AI总结 QMC通过异常感知量化和涌现记忆协同设计，实现高效SLM边缘推断，显著降低内存、能耗和延迟。
RiskCueBench: 视频语言模型中早期风险信号的前瞻性推理基准测试
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）
AI总结 RiskCueBench通过标注早期风险信号片段，评估视频语言模型在预测未来风险事件中的能力，揭示了现有系统在解读动态情境方面的不足。
Comments *updated author email in this version
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