高校专区
GRAIL: 从3D资产和视频先验生成人形机器人全身操作
机构 * NVIDIA ； UCLA（加州大学洛杉矶分校）
AI总结 提出GRAIL全虚拟生成管线，利用3D资产和视频基础模型先验合成人机交互演示，无需物理搭建或遥操作，实现人形机器人全身操作策略的模拟到现实迁移。
Comments Project page: https://research.nvidia.com/labs/dair/grail/
基于视觉Transformer的开源两阶段细粒度车辆分类流水线
机构 * Department of Electrical and Computer Engineering, University of California, Los Angeles, CA, USA（1 电气工程与计算机科学系，美国加州大学洛杉矶分校）
AI总结 提出一个结合RT-DETR检测器和微调ViT-Base/16的两阶段流水线，用于六类车身分类，并引入置信度弃权机制，在分布内和分布外数据集上分别达到0.94和0.89的准确率。
Comments 24 pages, 10 figures, venue TBD
AutoLab：前沿模型能否解决长周期自动研究与工程任务？
机构 * MIT（麻省理工学院） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of Washington（华盛顿大学） ； University of Toronto（多伦多大学） ； University of Michigan（密歇根大学） ； National University of Singapore（新加坡国立大学） ； University of Tokyo（东京大学）
AI总结 本文提出AutoLab基准，通过36个专家策划的长周期闭环优化任务评估前沿模型，发现持续迭代和利用经验反馈比初始尝试质量更重要。
Comments Code: https://github.com/autolabhq/autolab ; Website: https://autolab.moe/
通过动作推理和重要性采样增强多智能体学习的MADDPG算法
机构 * Department of Mathematics, University of California Los Angeles, Los Angeles, CA, USA（加州大学洛杉矶分校数学系）
AI总结 针对多智能体深度强化学习，提出动作推理机制和基于几何分布的重要性采样策略来改进MADDPG算法，在离散动作捕食者-猎物任务中提升了学习稳定性、智能体间协作和探索效率。
CADET：用于评估网联自动驾驶车辆中分布式协作自主性的模块化平台
机构 * UCLA ； Amazon Scholar（亚马逊学者）
AI总结 提出CADET模块化平台，通过解耦自动驾驶堆栈并集成网络与工作负载仿真，系统评估分布式协作自主系统在真实部署条件下的安全性与性能。
Journal ref ICRA 2026
解锁大规模门控Delta网络中的特征学习
机构 * University of California Los Angeles（加州大学洛杉矶分校）
AI总结 本文通过推导门控Delta网络的缩放规则，实现了超参数（尤其是学习率）在不同模型宽度下的零样本迁移，验证了Maximal Update Parametrization在结构化状态空间模型中的有效性。
自蒸馏策略梯度
机构 * Department of Computer Science, University of California, Los Angeles, CA, USA（加州大学洛杉矶分校计算机科学系） ； Princeton AI Laboratory, Princeton University, Princeton, NJ, USA（普林斯顿大学普林斯顿AI实验室）
AI总结 提出SDPG框架，结合组相对验证器优势、归一化标准差、精确全词汇在线自蒸馏和参考策略KL正则化，提升稀疏奖励强化学习的稳定性和性能。
DiscreteRTC：离散扩散策略是自然的异步执行器
机构 * UC Berkeley（加州大学伯克利分校） ； UIUC（伊利诺伊大学香槟分校） ； UT Austin（德克萨斯大学奥斯汀分校） ； UCLA（加州大学洛杉矶分校）
AI总结 针对同步执行器在动态任务中的致命停顿问题，提出DiscreteRTC方法，利用离散扩散策略的原生修复能力实现异步执行，在动态模拟和真实操作任务中取得更高成功率。
100-LongBench：事实上的长上下文基准是否真的在评估长上下文能力？
机构 * Case Western Reserve University（凯斯西储大学） ； Texas A&M University（德克萨斯A&M大学） ； Rice University（里德大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Meta
AI总结 针对现有长上下文基准无法分离基线能力与真实长上下文能力、且输入长度固定等问题，提出长度可控的长上下文基准和新指标，以有效评估大语言模型的长上下文能力。
UniFine: 一种统一且细粒度的零样本视觉-语言理解方法
机构 * Columbia University（哥伦比亚大学） ； Microsoft Research（微软研究院） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 提出UniFine框架，通过利用句子关键词和图像对象等细粒度信息进行图像-文本匹配，在零样本设置下统一处理VQA、SNLI-VE和VCR等视觉-语言任务，并在多个数据集上取得显著改进。
Comments 14 pages, 4 figures, ACL 2023 Findings
网络上的分布式聚类与学习
机构 * Department of Electrical Engineering, University of California, Los Angeles（加州大学洛杉矶分校电气工程系）
AI总结 本文提出了一种自适应的聚类和学习方案，使智能体能够学习应与哪些邻居合作以及哪些邻居应忽略，从而在网络中实现更准确的学习和估计。通过详细的均方分析，评估了聚类机制的一阶和二阶误差概率，并证明这些概率随步长指数衰减，从而可以将正确聚类的概率任意接近于一。
Comments 47 pages, 6 figures
加速交替投影用于鲁棒主成分分析
机构 * Department of Mathematics, University of California, Los Angeles（加州大学洛杉矶分校数学系） ； Department of Mathematics, Hong Kong University of Science and Technology（香港理工大学数学系） ； School of Data Science, Fudan University（复旦大学数据科学学院）
AI总结 本文提出了一种加速交替投影算法，用于鲁棒主成分分析，显著提高了现有交替投影方法在更新低秩因子时的计算效率，并证明了该算法的精确恢复保证和线性收敛性。
Journal ref Journal of Machine Learning Research, 20 (2019): 685-717
通过模仿集中控制器实现去中心化多智能体
机构 * UCLA（加州大学洛杉矶分校） ； Max Planck Institute, Leipzig（莱比锡马克斯·普朗克研究所） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 本文提出了一种基于集中训练、去中心执行框架的新型算法，通过模仿学习生成去中心化多智能体，解决了多智能体强化学习中非平稳和部分可观测环境下的协作问题。
事件触发扩散卡尔曼滤波器
机构 * Technical University of Munich（慕尼黑技术大学） ； Ain Shams University（艾因夏姆斯大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 本文提出了一种事件触发的扩散卡尔曼滤波器，通过本地信号指示估计误差来收集测量并交换信息，从而减少资源消耗并提高分布式状态估计的有效性。
通过费米-狄拉克公式式方法提升ResNets的自然和鲁棒准确性的集成方法
机构 * Department of Mathematics（数学系） ； Computer Science Department（计算机科学系） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Tsinghua University（清华大学） ； Yau Mathematical Sciences Center（杨振宁数学科学中心）
AI总结 本文提出了一种基于费米-狄拉克公式式的ResNets集成算法，通过在残差映射的输出中注入方差指定的高斯噪声并平均多个联合训练的修改ResNets的乘积来提高模型在干净和对抗性图像上的准确率。
Comments 18 pages, 6 figures
拉普拉斯平滑梯度下降
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 本文提出了一种简单的方法改进梯度下降和随机梯度下降，通过乘以正定矩阵的逆（可通过FFT高效计算）来减少方差、增大步长并提高泛化精度，同时在理论和实践中均表现出色。
Comments 28 pages, 15 figures
基于强化学习的能源收集传感器的扩展配置
机构 * University of California, San Diego（加州大学圣迭戈分校） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 本文提出利用强化学习自动配置室内太阳能板能源收集传感器的采样率，通过减少训练阶段和计算需求，实现快速部署和大规模扩展，有效提升传感器数据采集效率并避免能源耗尽。
Comments 7 pages, 5 figures
Journal ref ENSsys '18: International Workshop on Energy Harvesting & Energy-Neutral Sensing Systems}{November 4, 2018}{Shenzhen, China
基于图的深度建模与稀疏时空数据的实时预测
机构 * Dept of Anthropology, UCLA（人类学系，加州大学洛杉矶分校） ； Dept of Math, UCLA（数学系，加州大学洛杉矶分校）
AI总结 本文提出一种通用框架，用于稀疏时空数据的建模、分析与预测，结合自激发点过程和图结构循环神经网络，实现宏微观尺度的联合建模与实时预测。
Comments 9 pages, 19 figures
结构观测的矩阵补全
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 本文提出改进的核范数最小化方法，以考虑观测与未观测条目间的结构性差异，提升矩阵补全效果。
SecSens: 带有定位和时间同步应用的安全状态估计
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, Santa Barbara（加州大学圣芭芭拉分校） ； Johannes Kepler University（约翰·凯撒大学）
AI总结 本文提出SecSens，一种用于对抗模型和测量噪声的新型安全非线性状态估计方法，通过SecEKF和SecOPT算法实现安全状态估计，无需专用硬件或加密技术，在强攻击下性能优于现有方案。
深度学习在实时犯罪预测中的应用及其三元化
机构 * Department of Mathematics, UCLA（UCLA数学系） ； Department of Anthropology, UCLA（UCLA人类学系） ； Department of Mathematics, UCI（UCI数学系）
AI总结 本文提出了一种基于时空残差网络的犯罪预测模型，并通过三元化技术解决实际部署中的资源消耗问题，提升了预测精度。
Comments 14 pages, 7 figures
D-SLATS：分布式的同时定位与时间同步
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, Santa Barbara（加州大学圣巴巴拉分校）
AI总结 本文提出D-SLATS框架，通过分布式扩展卡尔曼滤波和优化技术联合解决时间同步与定位问题，实现3微秒精度和30厘米误差。
深度学习用于实时犯罪预测
机构 * Department of Mathematics, UCLA（加州大学洛杉矶分校数学系） ； Department of Anthropology, UCLA（加州大学洛杉矶分校人类学系）
AI总结 本文提出基于深度学习的时空预测模型，通过空间时间正则化和残差卷积结构，提升对洛杉矶犯罪分布的预测精度。
Comments 4 pages, 6 figures, NOLTA, 2017
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