高校专区
MDrive：端到端多智能体系统的闭环协作驾驶基准测试
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 MDrive基准测试通过225个基于NHTSA预碰撞类型和真实V2X数据的场景，评估多智能体系统在闭环驾驶中的性能，发现多智能体系统在规划方面通常优于单智能体系统，但面临感知共享和协商在复杂交通中的挑战。
Comments website:https://mdrive-challenge.github.io/
MOBIUS：一种能够行走、爬行、攀爬和滚动的多模态双足机器人
机构 * Mitsubishi Electric Research Laboratories（三菱电机研究实验室） ； Robotic Systems Lab（机器人系统实验室） ； Robotics and Mechanisms Laboratory（机器人与机构实验室） ； 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）
AI总结 MOBIUS机器人通过四条肢体实现多种运动模式切换，结合强化学习与混合规划架构，实现动态攀爬与负载支撑，拓展了移动操作与抓取能力。
Comments Paper is accepted at the Robotics: Science and Systems conference, held in Sydney, Australia, July 13th-17th, 2026. Alexander Schperberg and Yusuke Tanaka are co-first authors. Both were at the Robotics and Mechanisms Laboratory (RoMeLa) at UCLA when the work started, and are now with Mitsubishi Electric Research Laboratories and ETH Zurich (RSL) respectively
ConFixGS：基于置信度感知扩散先验的学习以修复馈送式3D高斯点溅射在驾驶场景中
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Cambridge（剑桥大学） ； Technical University of Munich（慕尼黑技术大学）
AI总结 本文提出ConFixGS，通过置信度感知扩散先验学习修复馈送式3D高斯点溅射，提升稀疏视角驾驶场景中新型视角合成的鲁棒性，实验显示PSNR提升3.68dB，FID降低近一半。
Comments 28 pages, 12 figures
让目标自行选择：通过目标对齐路径进行数据选择
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 本文提出通过验证诱导流进行数据选择，以减少预热和存储成本，同时提升目标对齐子集的性能。
Dsat：用于离散逻辑的原生SAT求解器
机构 * Department of Computer Science, University of California, Los Angeles（加州大学洛杉矶分校计算机科学系）
AI总结 本文提出一种用于离散逻辑的原生SAT求解器，通过扩展布尔逻辑，允许变量取任意值，并通过与CSP求解器、布尔SAT求解器等的比较验证其有效性。
Comments To Appear at The International Conferences on Theory and Applications of Satisfiability Testing (SAT), 2026
dFlowGRPO：面向离散流模型的速率感知策略优化
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； East China Normal University（东华大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Toronto（多伦多大学）
AI总结 本文提出dFlowGRPO框架，用于离散流模型的强化学习，支持多种概率路径和非掩码源分布，通过轨迹概率推导和去噪马尔可夫决策过程，提升文本到图像生成和多模态理解任务性能。
通过快速排序和布拉德利-蒂尔模型进行高效投资组合选择
机构 * Department of Mathematics, California State University at Northridge（加州州立大学北岭分校数学系） ； Department of Computational Medicine, University of California, Los Angeles（加州大学洛杉矶分校计算医学系） ； Department of Computational Science and Philosophy, Frankfurt School of Finance and Management（法兰克福金融与管理学院计算科学与哲学系） ； Laboratory for Systems Medicine, University of Florida（佛罗里达大学系统医学实验室） ； Department of Mathematics, University of California, Los Angeles（加州大学洛杉矶分校数学系）
AI总结 本文提出基于快速排序和布拉德利-蒂尔模型的高效投资组合选择方法，通过聚合个体评估以最大化总体收益，优于现有方法，并结合采样技术减少配对比较。
Comments 15pp, 4 figs
Journal ref J. Comput. Sci. 92, 102728 (2025)
AgentReview: 探索基于LLM代理的同行评审动态
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Science and Technology of China（中国科学技术大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； William & Mary（威廉与玛丽学院）
AI总结 本文提出AgentReview框架，通过LLM模拟同行评审过程，揭示评审者偏见导致论文决策37.1%的变异，结合社会学理论提升评审机制设计。
Comments Accepted at EMNLP 2024 Main Track (Oral). https://agentreview.github.io/
一种用于学习时空神经微分方程的谱方法
机构 * Courant Institute of Mathematical Sciences, New York University, New York, NY 10012, USA（数学科学学院，纽约大学，纽约，NY 10012，美国） ； Department of Computational Medicine, UCLA, Los Angeles, CA 90095, USA（计算医学系，洛杉矶大学，洛杉矶，CA 90095，美国） ； Nuffield Department of Medicine, Oxford University, Oxford OX2 6HW, UK（医学系，牛津大学，牛津 OX2 6HW，英国）
AI总结 本文提出一种基于神经ODE的谱方法，用于学习包含长程非局部空间相互作用的时空微分方程，无需空间离散化，适用于无界域。
Comments 21 pages, 5 figures
Journal ref Journal of Applied Mathematics and Computing, Volume 70, 4395-4421, (2024)
在线上下文老虎机中基于前向KL正则化的快速收敛率
机构 * Department of Computer Science, University of California, Los Angeles, CA 90095, USA（加州大学洛杉矶分校计算机科学系）
AI总结 本文研究了在线上下文老虎机中前向KL正则化下的快速收敛率问题，通过简化分析提出首个$\tilde{O}(ε^{-1})$上界，统一了表格和一般函数逼近设置，并展示了下界证明了上界的统计紧性。
Comments 31 pages, comments are welcome
面向调查的机器学习：基于综述的关于基于调查的流行健康推断的指南
机构 * Medical & Imaging Informatics (MII) UCLA（医学与影像信息学（MII） UCLA）
AI总结 本文提出Survey-aware Machine Learning (SaML)指南，通过整合调查设计元数据，解决健康调查数据中忽略采样单元、分层变量和采样权重的问题，提升流行健康推断的准确性。
基于谱适应的物理信息神经网络用于求解无界域问题
机构 * Dept.~of Mathematics, UCLA（UCLA数学系） ； Dept.~of Computational Science and Philosophy, Frankfurt School of Finance and Management（金融与管理法兰克福学院计算科学与哲学系）
AI总结 本文提出结合自适应谱方法与物理信息神经网络，解决无界域PDE问题，提升对无界变量依赖性的求解效率与精度。
Comments 29 pages, 8 figures
TRAM：用于低功耗AI加速器的近似乘法结构训练
机构 * Eindhoven University of Technology（埃因霍温理工大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Chinese University of Hong Kong（香港中文大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 TRAM通过联合优化近似乘法结构与AI模型参数，实现低功耗与小精度损失的平衡，实验显示在CNN和视觉Transformer上分别达到25.05%和27.09%的功耗降低。
SLAM：语言模型的结构语言激活标记
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 SLAM通过在结构几何中嵌入水印而非词频，实现了高检测准确率且低质量损失，优于现有方案。
Comments Under review
寻找联系：多表合成数据设置中的成员推断攻击
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Purdue University（普渡大学）
AI总结 本文提出多表成员推断攻击，揭示单表攻击低估用户级隐私泄露问题，通过异构图神经网络评估用户实体的隐私风险。
表格泄露：攻击基于大语言模型的表格数据生成中的字符串记忆化
机构 * University of California Los Angeles（加州大学洛杉矶分校）
AI总结 本文研究了基于大语言模型的表格数据生成中字符串记忆化带来的隐私风险，提出LevAtt攻击方法并设计防御策略，验证了其有效性。
通过局部似然攻击实现合成数据发布的隐私审计
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Purdue University（普渡大学）
AI总结 本文提出Gen-LRA算法，通过评估测试观测对代理模型局部似然比的影响，有效检测合成数据释放中的隐私泄露问题，验证了其在不同数据集和模型架构上的优越性。
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