高校专区
基于图扩散模型的多LLM代理通信拓扑动态生成
机构 * University of California Los Angeles（加州大学洛杉矶分校） ； University of Washington（华盛顿大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Guided Topology Diffusion框架，通过迭代构建过程生成适应任务需求的高效通信拓扑，优于现有方法。
Comments ACL 2026 Main
基于Lipschitz性的生成模型插值调度设计
机构 * Department of Mathematics, University of California, Los Angeles, CA, USA（加州大学洛杉矶分校数学系） ； Machine Learning Lab, Capital Fund Management, Paris, France（Capital Fund Management机器学习实验室） ； Courant Institute, New York University, NY, USA（纽约大学Courant研究所） ； Now at University of Maryland, College Park, MD, USA（现在位于马里兰大学 College Park 分校）
AI总结 本文研究了生成模型中插值调度的设计，从统计和数值角度出发，提出通过最小化漂移场的平均平方Lipschitz性来设计调度，以提升生成模型的稳定性与准确性。
反向提问：交互层反知识蒸馏水印
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Lawrence Berkeley National Laboratory（伯克利国家实验室） ； Meta
AI总结 本文提出交互层反知识蒸馏水印，通过教师模型的行为特征进行水印，验证其在不同模型上的有效性与鲁棒性。
Comments 34 pages, 17 figures
CryptoBench: 一种动态基准，用于评估LLM代理在加密货币领域的专家级能力
机构 * Princeton University（普林斯顿大学） ； Zenith Lab（Zenith实验室） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, Berkeley（加州大学伯克利分校） ； University of Michigan（密歇根大学）
AI总结 本文提出CryptoBench，首个专家 curated 的动态基准，用于严格评估LLM在加密货币领域的真实能力。通过50题/月的动态任务，细分子类评估数据获取与预测能力，揭示LLM在检索与预测上的不平衡问题。
预条件正则化Wasserstein近似采样
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, University of South Carolina（南卡罗来纳大学数学系）
AI总结 本文提出一种预条件正则化Wasserstein近似采样方法，通过耦合各向异性热方程的Cole-Hopf变换得到核形式，用于从Gibbs分布中采样，并在二次势能情况下提供非渐近收敛分析。
从表格到单元格：用于基于TABALIGN的更好推理的注意力
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； New Jersey Institute of Technology（新泽西理工学院） ； McGill University（麦吉尔大学） ； Université de Montréal（蒙特利尔大学） ； University of Manitoba（曼尼托巴大学） ； SimpleWay ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出TABALIGN框架，通过引入DLM Planner和TABATTN验证器，提升表格推理的准确性和效率，实验显示在多个基准测试中准确率提升15.76个百分点，推理速度加快44.64%。
超球面能量正则化的序列模型编辑
机构 * Columbia University（哥伦比亚大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Zhejiang University（浙江大学） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出SPHERE方法，通过超球面能量正则化提升模型在序列编辑中的稳定性与知识保留能力，实验表明其在编辑性能上优于基线方法16.41%。
Comments Accepted by ICLR 2026. The code is available at https://github.com/PlusLabNLP/SPHERE. Project page: https://www.qingyuanliu.net/sphere_projectpage/
群表示位置编码
机构 * Princeton University（普林斯顿大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； IIIS, Tsinghua University（清华大学人工智能研究院）
AI总结 GRAPE提出了一种基于群作用的位置编码框架，结合乘法旋转和加法logit偏置机制，扩展了RoPE和ALiBi的应用范围，适用于长上下文模型的位置几何设计。
Comments Published in ICLR 2026. Project Page: https://github.com/model-architectures/GRAPE
KV缓存压缩的陷阱
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 本文研究了KV缓存压缩在多指令提示中的问题，发现某些指令在压缩后性能下降明显，提出改进KV缓存淘汰策略以提升多指令任务表现。
Comments In Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics, ACL 2026
基于模板的数据生成训练和评估语言模型
机构 * University of California Los Angeles（加州大学洛杉矶分校）
AI总结 本文提出Template-based Data Generation方法，通过生成高质量数学问题及可验证解，解决大语言模型在复杂推理任务中的数据稀缺问题，并引入TemplateMath Part I: TemplateGSM数据集。
Comments Published in ICLR 2025 DATA-FM Workshop. Project Page: https://github.com/iiis-ai/TemplateMath
基于图的金融欺诈检测：校准风险评分与结构正则化
机构 * Brandeis University（布雷纳大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Georgetown University（乔治城大学） ； Columbia University（哥伦比亚大学） ； Stevens Institute of Technology（史蒂文斯理工学院）
AI总结 本文提出一种图神经网络表示学习与风险鉴别框架，通过整合交易记录和身份信息构建交易图，利用多层消息传递机制和结构正则化提升欺诈检测的准确性和稳定性。
OptMap：通过子模极大化进行几何地图蒸馏
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； DEVCOM Army Research Laboratory (ARL)（国防部陆军研究实验室（ARL））
AI总结 OptMap通过子模极大化理论和算法创新，实现应用特定的在线地图生成，减少计算开销并提升长期映射任务的效率。
PG-LRF：基于生理的潜在修正流用于电-血流PPG到ECG生成
机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Nell Hodgson Woodruff School of Nursing, Emory University（埃默里大学Nell Hodgson Woodruff护理学院） ； Department of Computer Science, University of California, Los Angeles（加州大学洛杉矶分校计算机科学系） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Statistics, University of Wisconsin–Madison（威斯康星大学麦迪逊分校统计系）
AI总结 本文提出PG-LRF框架，通过结合电-血流模拟器和生理感知自编码器，生成符合生理学的ECG信号，提升PPG到ECG的生成质量及心血管疾病分类性能。
LongMemEval-V2：评估长期代理记忆以成为经验丰富的同事
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 LongMemEval-V2通过451个手动整理的问题评估代理记忆系统是否能帮助代理在定制环境中获取经验，采用上下文收集方法并提出两种记忆方法，实验显示AgentRunbook-C在准确率上表现最佳。
Comments Work in Progress
多时间尺度传导突触网络：一种稀疏、可梯度训练的框架，具有丰富的放电动力学，用于增强时间处理
机构 * Department of Neurobiology, University of California Los Angeles (UCLA)（加州大学洛杉矶分校神经生物学系） ； Instituto de Física Corpuscular (IFIC, CSIC–UV)（Corpuscular物理研究所（IFIC，CSIC–UV））
AI总结 本文提出多时间尺度传导突触网络，通过调节快、慢和超慢电导来控制神经动力学，实现高效训练和稀疏活动，提升时间处理能力。
Comments Published in 2026 IEEE Neuro-Inspired Computational Elements Conference (Atlanta, USA)
因果算法补救：基础与方法
机构 * Department of Statistics & Data Science（统计与数据科学系） ； UCLA（加州大学洛杉矶分校） ； Department of Computer Science（计算机科学系） ； Columbia University（哥伦比亚大学）
AI总结 本文提出因果框架，通过预后干预结果建模算法补救过程，引入后补救稳定性条件，开发基于copula的算法推断补救效果，并提供分布自由方法学习补救效果。
选项，而非点击：基于同意的MCP授权的晶格细化
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； University of California, Santa Barbara（加州大学圣芭芭拉分校）
AI总结 本文提出Conleash，一种客户端中间件，通过风险晶格自动允许安全调用，提升MCP授权的安全性与用户信任。
DSA-NRP：从脑梗死 EVT 中的血管造影灌注动力学预测无再流
机构 * Department of Electrical and Computer Engineering, UCLA（电气与计算机工程系，加州大学洛杉矶分校） ； Medical Informatics, UCLA（医学信息学，加州大学洛杉矶分校） ； Department of Radiological Sciences, UCLA（放射科学系，加州大学洛杉矶分校） ； Department of Radiology, UC San Francisco（放射科，旧金山大学医学院） ； Department of Bioengineering, UCLA（生物工程系，加州大学洛杉矶分校） ； Department of Pathology and Laboratory Medicine, UCLA（病理学与实验室医学系，加州大学洛杉矶分校）
AI总结 本文提出基于DSA序列和临床变量的机器学习框架，用于在EVT后立即预测无再流，显著优于传统方法，为实时预测提供新方法。
Comments 15 pages, 4 figures
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
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