University of California, Los Angeles（加州大学洛杉矶分校）

Temporal Smoothness Regularisers for Neural Link Predictors

用于神经链接预测器的时序平滑正则化器

Manuel Dileo, Pasquale Minervini, Matteo Zignani, Sabrina Gaito

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Cornell University（康奈尔大学） 纠错

AI总结 本文提出了一种基于时间平滑正则化器的神经链接预测方法，在三个数据集上实现了更准确的结果。

LITHE: Bridging Best-Effort Python and Real-Time C++ for Hot-Swapping Robotic Control Laws on Commodity Linux

LITHE：连接最佳努力Python与实时C++以实现机器人控制律的热插拔

He Kai Lim, Tyler R. Clites

机构 * Department of Mechanical and Aerospace Engineering, University of California Los Angeles（加州大学洛杉矶分校机械与航空航天工程系） 纠错

AI总结 LITHE通过轻量级架构实现Python与C++的实时控制律热插拔，提升机器人系统在动态环境中的适应能力。

Comments 8 pages, 5 figures. Submitted to IEEE/RSJ International Conference on Intelligent Robots & Systems (IROS) 2026

Vision-Guided Targeted Grasping and Vibration for Robotic Pollination in Controlled Environments

基于视觉的目标导向抓取与振动的机器人授粉在受控环境中应用

Jaehwan Jeong, Tuan-Anh Vu, Radha Lahoti, Jiawen Wang, Vivek Alumootil, Sangpil Kim, M. Khalid Jawed

机构 * Department of Artificial Intelligence, Korea University（韩国大学人工智能系） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Department of Mechanical & Aerospace Engineering, University of California, Los Angeles（加州大学洛杉矶分校机械与航空航天工程系） ； Department of Computer Science, University of California, Los Angeles（加州大学洛杉矶分校计算机科学系） 纠错

AI总结 本研究提出了一种基于视觉的机器人授粉系统，结合3D重建、抓取规划和振动建模，实现精准授粉并验证其有效性。

Comments YouTube: https://youtu.be/XHLA7pEXhZU; GitHub: https://github.com/StructuresComp/robotic-pollination

Open-Vocabulary Camouflaged Object Segmentation with Cascaded Vision Language Models

开放词汇伪装物体分割与级联视觉语言模型

Kai Zhao, Wubang Yuan, Zheng Wang, Guanyi Li, Xiaoqiang Zhu, Deng-ping Fan, Dan Zeng

机构 * Shanghai University（上海大学） ； UCLA（美国大学联盟） ； Nankai University（南开大学） 纠错

AI总结 本文提出了一种基于视觉语言模型的级联框架，用于解决开放词汇伪装物体分割中的领域差距和分割精度问题，通过共享VLM实现高效且语义一致的分割与分类。

Comments Accepted to Computational Visual Media (CVMJ) 2026

SwingArena: Competitive Programming Arena for Long-context GitHub Issue Solving

SwingArena: 用于长上下文GitHub问题解决的竞争性编程竞技场

Wendong Xu, Jing Xiong, Chenyang Zhao, Qiujiang Chen, Haoran Wang, Hui Shen, Zhongwei Wan, Jianbo Dai, Taiqiang Wu, He Xiao, Chaofan Tao, Z. Morley Mao, Ying Sheng, Zhijiang Guo, Hongxia Yang, Bei Yu, Lingpeng Kong, Quanquan Gu, Ngai Wong

机构 * The University of Hong Kong（香港大学） ； University of California Los Angeles（加州大学洛杉矶分校） ； Tsinghua University（清华大学） ； University of Michigan Ann Arbor（密歇根大学安娜堡分校） ； The Ohio State University（俄亥俄州立大学） ； University of Edinburgh（爱丁堡大学） ； The Chinese University of Hong Kong（香港中文大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； LMSYS Org（LMSYS组织） 纠错

AI总结 SwingArena是一个用于评估LLM在真实CI驱动软件开发环境中性能的竞争性编程竞技场，通过模拟软件迭代过程，结合检索增强型代码生成模块，实现对长上下文问题的高效处理。

Comments The paper has been accepted as an oral presentation at ICLR 2026