高校专区
Sparse2Act: 学习跨域机器人操作的动作对齐稀疏3D表示
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, San Diego（加州大学圣迭戈分校） ； University of Utah（犹他大学）
AI总结 提出Sparse2Act框架，通过动作对齐的掩码稀疏3D编码预训练，实现跨域机器人操作，在LIBERO-10上达86.9%成功率，并支持域迁移和sim-to-real。
BLUEmed: 基于检索增强的多智能体辩论用于临床错误检测
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 提出BLUEmed框架，结合混合检索增强生成与多智能体辩论，通过分解临床笔记、检索证据、专家辩论及安全层过滤，在术语替换错误检测中达到最优性能。
Comments Accepted to the IEEE International Conference on Healthcare Informatics (ICHI) 2026
HiAER-Spike软件-硬件可重构平台：大规模事件驱动神经形态计算
机构 * Institute for Neural Computation, UC San Diego（神经计算研究所，加州大学圣地亚哥分校） ； Fujitsu（富士通） ； Forschungszentrum Jülich（吕贝克研究中心） ； Qernel AI
AI总结 HiAER-Spike平台支持执行多达1.6亿神经元和400亿突触的大型脉冲神经网络，通过模块化可重构架构实现高效事件驱动计算，提供Python接口简化神经网络配置与执行。
Comments Leif Gibb, Gert Cauwenberghs are equal authors. arXiv admin note: substantial text overlap with arXiv:2504.03671
Journal ref npj Unconventional Computing (2026)
Fin-RATE：面向SEC文件的金融分析与追踪评估基准
机构 * Tongji University（同济大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； Yale University（耶鲁大学） ； Goldman Sachs（高盛集团）
AI总结 针对LLM在金融领域分析复杂监管文件的需求，提出基于SEC文件的Fin-RATE基准，通过三种任务路径评估模型，发现跨文档和跨时间分析时性能显著下降。
Journal ref Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)
GetNetUPAM：生态信息嵌套交叉验证与噪声鲁棒注意力用于海洋生物声学监测
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 提出GetNetUPAM框架，通过分层嵌套交叉验证保持生态异质性，并集成CBAM空间注意力的ARPA-N网络，在高噪声低信噪比条件下实现鲁棒泛化，在零训练区域将误报率降低约10倍。
Comments Resubmitted and under review as an anonymous submission to IEEETAI - We are allowed an archive submission. Final formatting is yet to be determined
通过条件控制扩散实现超低比特率视频压缩的主动采样
机构 * Department of Electrical and Computer Engineering, University of California San Diego（电子与计算机工程系，加州大学圣地亚哥分校） ； Department of Electrical and Systems Engineering, University of Pennsylvania（电子与系统工程系，宾夕法尼亚大学）
AI总结 提出ActDiff-VC框架，利用条件扩散模型和主动采样策略（自适应关键帧选择与预算感知稀疏轨迹选择），在超低比特率下实现高感知质量视频压缩。
Comments 21 pages, 11 figures, 3 tables
设计AI支持的焦点小组：角色×模态剧本
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 针对焦点小组资源密集且对引导高度敏感的问题，提出按AI角色（工具、联合主持、主持）和模态（文本、语音、具身）组织的剧本，并分析交互权衡与开放问题。
TacCoRL: 通过仿真将触觉反馈集成到视觉-语言-动作模型中
机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； University of Electronic Science and Technology of China（电子科技大学） ； Peking University（北京大学） ； University of Utah（犹他大学）
AI总结 提出TacCoRL框架，通过仿真与真实联合训练和强化学习，将触觉反馈注入视觉-语言-动作策略，在接触密集型任务中平均成功率提升22.5%。
HERO: 基于环境观察的后见增强反思的智能体自蒸馏
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Independent Researcher（独立研究员） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出HERO框架，利用环境观察作为局部对齐反馈进行自蒸馏，解决多轮设置中特权反馈与当前决策上下文不对齐导致的性能下降问题，在TauBench和WebShop上提升任务成功率并减少冗余轮次。
通过对比交互从零开始学习物体操作
机构 * UC San Diego（加州大学圣地亚哥分校） ； UT Austin（德克萨斯大学奥斯汀分校）
AI总结 针对对比强化学习在交互密集操作任务中表现不佳的问题，提出交互加权重采样方法，通过保留模式边界提升多模态分段非线性可达性表示，在仿真和真实机器人空气曲棍球任务中取得显著改进。
神经集成卡尔曼滤波器：含激波可压缩流的数据同化
机构 * University of California, San Diego（加州大学圣迭戈分校） ； University of Cambridge（剑桥大学）
AI总结 针对含激波可压缩流中集成卡尔曼滤波器（EnKF）因双峰预报分布失效的问题，提出神经EnKF，通过将预报集合映射到神经网络参数空间并在此空间进行同化，结合物理信息迁移学习避免伪振荡和非物理特征。
模拟中的进化：具有双记忆的AI代理学校用于高保真的教育动态
机构 * Guanghua Law School, Zhejiang University（浙江大学法学院） ； Faculty of Education, East China Normal University（华东师范大学教育学院） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； Department of Electrical and Computer Engineering, University of California San Diego（加州大学圣地亚哥分校电子与计算机工程系） ； Institute of Systems Science, National University of Singapore（新加坡国立大学系统科学研究所）
AI总结 本文提出AI代理学校系统，通过自演化机制模拟复杂教育动态，采用双记忆结构提升代理认知能力，实验证实其在高保真模拟中的有效性。
Comments 9 pages, 7 figures, EMNLP conference
Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025
DMT: 基于人口统计条件与形态增强Transformer的无袖带血压估计方法
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 提出一种基于Transformer的PPG信号无袖带血压估计网络，通过FiLM风格特征调制融入人口统计信息，并添加辅助形态头引导模型关注与动脉僵硬度相关的波形形态，在PulseDB数据集上实现收缩压MAE 4.56 mmHg、舒张压MAE 2.62 mmHg。
一般ReLU的鲁棒回归与查询
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of California, San Diego（加利福尼亚大学圣迭戈分校）
AI总结 针对高斯分布下一般ReLU的平方损失鲁棒回归，提出首个高效查询算法，使用d polylog(1/ε)+Õ(min{1/p,1/ε})个标签查询达到O(opt)+ε误差，并证明查询复杂度近最优。
Comments Appeared at NeurIPS 2025
对齐防御LLM免受属性推断攻击
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） ； Simons Institute, UC Berkeley（伯克利大学Simons研究所）
AI总结 提出基于对齐的防御方法，通过后训练调整模型输出分布，在不修改训练数据的情况下缓解属性推断攻击，并保持效用与机密性的平衡。
Dropout-GRPO: 用于连续潜在推理的变分随机性
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 针对GRPO在连续潜在推理模型中因确定性轨迹导致优势为零的问题，提出通过结构化Dropout引入随机性，使GRPO能优化贝叶斯模型平均策略，在GSM8K上提升Coconut基线准确率。
2023年脑肿瘤分割（BraTS）挑战：撒哈拉以南非洲患者群体的胶质瘤分割（BraTS-Africa）
机构 * Medical Artificial Intelligence Laboratory (MAI Lab)（医学人工智能实验室（MAI实验室）） ； Department of Radiation Biology, Radiotherapy and Radiodiagnosis, University of Lagos（拉各斯大学放射生物学、放射治疗与放射诊断系） ； Department of Radiology, University of California, San Diego（加州大学圣地亚哥分校放射科） ； Crestview Radiology Limited（Crestview放射科有限公司） ； Lagos University Teaching Hospital（拉各斯大学教学医院） ； Lagos State University Teaching Hospital, Ikeja, Lagos, Nigeria（拉各斯州大学教学医院，伊凯贾，拉各斯，尼日利亚） ； NSIA-Kano Diagnostic Center, Kano Nigeria（NSIA-卡诺诊断中心，卡诺，尼日利亚） ； Nnamdi Azikiwe University Teaching Hospital, Nnewi, Anambra State, Nigeria（恩内迪·阿齐基韦大学教学医院，恩韦伊，安纳博拉州，尼日利亚） ； Federal Medical Centre, Abeokuta, Ogun State, Nigeria（阿博库塔联邦医疗中心，奥贡州，尼日利亚） ； Federal Medical Centre, Umahia, Abia State, Nigeria（乌马希亚联邦医疗中心，阿比亚州，尼日利亚） ； National Hospital Abuja, FCT, Nigeria（阿布贾国家医院，联邦首都区，尼日利亚） ； Benue State University Teaching Hospital, Markurdi, Benue State, Nigeria（贝努埃州大学教学医院，马库尔迪，贝努埃州，尼日利亚） ； Duke University Medical Center, Department of Radiology, USA（达特茅斯大学医学中心，放射科，美国） ； University of California San Francisco, CA, USA（加州大学旧金山分校，CA，美国） ； Yale University, New Haven, CT, USA（耶鲁大学，新 Haven，CT，美国） ； Children's National Hospital, Washington DC, USA（儿童医院华盛顿特区，华盛顿特区，美国） ； George Washington University, Washington DC, USA（乔治·华盛顿大学，华盛顿特区，美国） ； Sage Bionetworks, USA（Sage生物网络，美国） ； Department of Neuroradiology, Technical University of Munich, Munich, Germany（慕尼黑技术大学神经放射科系，慕尼黑，德国） ； Helmholtz Research Center, Munich, Germany（海德堡研究中心，慕尼黑，德国） ； Duke University Medical Center, Department of Radiation Oncology, USA（达特茅斯大学医学中心，放射肿瘤科，美国） ； Children’s Hospital of Philadelphia, University of Pennsylvania, Philadelphia, PA, USA（费城儿童医院，宾夕法尼亚大学，费城，PA，美国） ； Center for AI and Data Science for Integrated Diagnostics (AI2D) & Center for Biomedical Image Computing and Analytics (CBICA), University of Pennsylvania, Philadelphia, PA, USA（人工智能与数据科学整合诊断中心（AI2D）及生物医学影像计算与分析中心（CBICA），宾夕法尼亚大学，费城，PA，美国） ； Athinoula A Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Boston, MA, USA（Athinoula A Martinos生物医学影像中心，马萨诸塞总医院，波士顿，MA，美国） ； University of Zurich, Switzerland（苏黎世大学，瑞士） ； Cancer Imaging Program, National Cancer Institute, National Institutes of Health, Bethesda, MD 20814, USA（癌症成像计划，国家癌症研究所，国家卫生研究院，贝塞斯达，MD 20814，美国） ； Center for Clinical Epidemiology and Biostatistics, University of Pennsylvania, Philadelphia, USA（临床流行病学与生物统计学中心，宾夕法尼亚大学，费城，美国） ； Department of Applied Mathematics and Computer Science, Technical University of Denmark, Denmark（应用数学与计算机科学系，丹麦技术大学，丹麦） ； Mayo Clinic, MN, USA（梅奥诊所，MN，美国） ； Precision FDA, U.S. Food and Drug Administration, Silver Spring, MD, USA（Precision FDA，美国食品药品监督管理局，Silver Spring，MD，美国） ； Booz Allen Hamilton, McLean, VA, USA（Booz Allen Hamilton，麦肯，VA，美国） ； Department of Radiology, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA（放射科，佩尔曼医学院，宾夕法尼亚大学，费城，PA，美国） ； Department of Pathology and Laboratory Medicine, Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA（病理学与实验室医学系，佩尔曼医学院，宾夕法尼亚大学，费城，PA，美国） ； Center for Global Health, Perelman School of Medicine, University of Pennsylvania, Philadelphia, Pennsylvania, USA（全球健康中心，佩尔曼医学院，宾夕法尼亚大学，费城，宾夕法尼亚，美国） ； Montreal Neurological Institute, McGill University, Montreal, Canada（蒙特利尔神经科学研究所，麦吉尔大学，蒙特利尔，加拿大） ； Department of Medicine, University of Cape Town, South Africa（医学系，开普敦大学，南非） ； Department of Radiation Medicine, University of Cape Town, South Africa（放射医学系，开普敦大学，南非）
AI总结 研究探讨了在资源有限的撒哈拉以南非洲地区，利用先进机器学习方法进行胶质瘤分割的可行性，旨在改进该地区胶质瘤的诊断和治疗。
Comments arXiv admin note: text overlap with arXiv:2107.02314
控制代价参数化的逆最优通用镇定器族
机构 * Department of Mechanical and Aerospace Engineering, University of California San Diego（加州大学圣地亚哥分校机械与航空航天工程系） ； 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）
AI总结 提出一族代价参数化的镇定反馈律，用户选择控制运行代价函数，通过公式扩展通用控制器，并证明代价-扩展算子的Lipschitz性质，支持神经算子逼近，实现半全局实用渐近稳定性和二阶次优性界。
Comments 13 Pages
面向动态环境中混合自主车辆安全关键速度调节的视觉语言工作区智能
机构 * UC Merced（加州大学默塞德分校） ； Johns Hopkins（约翰霍普金斯大学） ； UC San Diego（加州大学圣地亚哥分校）
AI总结 提出一种实时车载感知管线，通过目标检测与语义验证融合及滞后状态转换，从视觉标志中识别临时工作区限速，在低成本硬件上实现96.5%召回率和68.7%精确率。
共同进化技能生成与策略优化
机构 * The Pennsylvania State University（宾夕法尼亚州立大学） ； Nanyang Technological University（南洋理工大学） ； University of California, San Diego（加州大学圣迭戈分校） ； University of Utah（犹他大学） ； Harvard University（哈佛大学）
AI总结 提出在线强化学习框架，通过对比基线和技能增强轨迹的奖励差距估计技能边际效用，实现存储前验证，并利用该信号训练策略作为技能生成器，减少对专有模型的依赖。
构建用于HPC代码现代化的智能体AI
机构 * San Diego Supercomputer Center（圣地亚哥超级计算机中心） ； University of California, San Diego（加州大学圣地亚哥分校） ； La Jolla, California, United States（圣地亚哥, 加州, 美国）
AI总结 提出一种结构化智能体AI方法，通过手动示例、持续可构建性和限制会话范围，成功将6万行Fortran MPI代码在数月内转换为C++ OpenMP并行代码。
Comments 10 pages
PIPE-Cypher：面向文本到Cypher系统的自动企业基准生成
机构 * Halıcıoğlu School of Data Science and Computing, University of California, San Diego（加利福尼亚大学圣迭戈分校哈勒乔卢数据科学与计算学院） ； Independent Researcher（独立研究员）
AI总结 提出PIPE-Cypher流水线，利用本地大模型从企业属性图自动生成平衡的NL-to-Cypher基准，通过模式分析、逆向查询约束生成和执行验证等步骤，实现可重复的基准构建。
不仅仅是在一次之后：受睡眠启发的回放防止顺序任务后的灾难性遗忘
机构 * Department of Neuroscience, University of California, San Diego, CA, USA（1 神经科学系，加州大学圣地亚哥分校，美国加利福尼亚州圣地亚哥）
AI总结 提出受睡眠启发的无监督回放机制，在多个新任务顺序训练后应用，以部分恢复所有先前学习任务的性能，防止灾难性遗忘。
LLM智能体中的冷启动安全差距
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 研究发现工具调用型LLM智能体在会话开始时最脆弱，随着常规任务执行安全性提升，提出SODA基准并验证预热策略可缩小冷启动安全差距。
BCG-FM：一种用于环境心脏健康感知的基础模型
机构 * Department of Computer Science and Engineering, University of California, San Diego（1 加州大学圣迭戈分校计算机科学与工程系）
AI总结 提出首个环境机械生物信号基础模型BCG-FM，利用床垫压电传感器无感采集心冲击图，通过14.6万人的275万小时数据预训练，在生物年龄估计上达到3.26年MAE，并实现15种健康状态的临床相关判别。
SWE-Marathon: 智能体能否自主完成超长时程软件工作？
机构 * Abundant ； Zenity ； Harvard University（哈佛大学） ； University of Waterloo（滑铁卢大学） ； Gujarat Technological University（古吉拉特技术大学） ； Warping ； Stanford University（斯坦福大学） ； UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； Independent（独立） ； Refresh ； Soleda AI ； Near AI ； Georgia Tech（佐治亚理工学院） ； Comenius University in Bratislava（布拉迪斯拉发Comenius大学） ； UC San Diego（圣地亚哥大学） ； BenchFlow ； UC Santa Barbara（圣巴巴拉大学）
AI总结 提出SWE-Marathon基准，包含20个超长时程任务，平均消耗2720万token，评估智能体在规划、长上下文理解和记忆方面的能力，当前前沿编码智能体解决率低于30%。
参数高效的双编码器架构与可微Choquet积分融合用于水下声学分类
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 提出一种双编码器神经网络架构，同时处理波形和频谱图，利用预训练骨干和参数高效微调模块，并通过基于Choquet积分的可微模糊聚合机制融合时域和频域表示，提高分类准确性和可解释性。
Comments 9 pages, 7 figures
CUA-Gym：为计算机使用智能体扩展可验证的训练环境和任务
机构 * The University of Hong Kong（香港大学） ； Qwen Team, Alibaba Inc.（阿里巴巴集团Qwen团队） ； University of California, San Diego（加州大学圣地亚哥分校） ； Tsinghua University（清华大学）
AI总结 提出CUA-Gym可扩展流水线，通过协同生成任务指令、环境状态和奖励函数，构建大规模可验证强化学习训练数据，并合成CUA-Gym-Hub模拟网络应用环境，训练出的智能体在OSWorld-Verified和WebArena上取得领先性能。
PQR：一个生成多样化且逼真用户查询的框架，以引发问答代理失败
机构 * Columbia University（哥伦比亚大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Walmart（沃尔玛）
AI总结 PQR框架通过迭代交互生成多样化且逼真的用户查询，以发现问答代理的失败案例，其方法比现有方法更有效。
通过以感知为中心的过程奖励模型改进视觉-语言模型
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； Bytedance（字节跳动） ； University of California, San Diego（加州大学圣地亚哥分校） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出Perceval模型，通过token级错误定位提升视觉-语言模型的推理能力，通过感知驱动的监督策略实现细粒度训练与推理优化，实验显示在多个领域基准上显著提升性能。
Comments 8 pages
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 33099-33109
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