高校专区
金牌级奥林匹克几何问题求解的高效启发式辅助构造
机构 * ETH Zurich（苏黎世联邦理工学院） ； Microsoft（微软公司） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 本文提出HAGeo方法，通过高效启发式辅助构造在IMO-30基准上解决28个问题，达到金牌级性能，超越基于神经网络的AlphaGeometry方法。
SetupKit：利用偏置增强插值和主动学习进行高效的多角设置/保持时间特性分析
机构 * University of California, Los Angeles, United States（美国加州大学洛杉矶分校） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology, Ningbo, China（宁波数字孪生研究所） ； BTD Inc, Ningbo, China（中国宁波BTD公司） ； The University of Sheffield, Sheffield, United Kingdom（英国谢菲尔德大学）
AI总结 SetupKit通过偏置增强插值和主动学习，高效减少多角设置/保持时间特性分析的仿真时间，提升EDA效率。
面向类别级目标检测的对象中心数据合成
机构 * University of Richmond（里士满大学） ； 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 Texas at Austin（德克萨斯大学奥斯汀分校） ； Analog Devices, Inc（安森科技公司）
AI总结 本文提出一种面向类别级目标检测的对象中心数据合成方法，通过不同数据合成技术提升模型在新目标类别上的检测性能。
Comments 10 pages, 10 figures
在数据污染下的分割置信预测
机构 * Department of Statistics, University of Oxford（统计系，牛津大学） ； Department of Statistics, University of Warwick（统计系，沃里克大学） ； Department of Mathematics, UCLA（数学系，加州大学洛杉矶分校） ； Department of Mathematics, Université libre de Bruxelles（数学系，布鲁塞尔自由大学）
AI总结 本文研究了在数据污染环境下分割置信预测的鲁棒性，提出抗污染置信预测方法，并通过实验验证其有效性。
SemOD：在各种天气条件下启用语义的对象检测网络
机构 * Department of Electrical and Computer Engineering, University of Rochester（罗切斯特大学电气与计算机工程系） ； Department of Electrical and Computer Engineering, University of California, Los Angeles（加州大学洛杉矶分校电气与计算机工程系）
AI总结 SemOD通过引入语义信息提升多天气条件下物体检测性能，mAP提升1.47%-8.80%
基于阿里巴巴淘宝广告数据使用传统和深度学习模型的点击率预测
机构 * Department of Biostatistics Data Science in Health University of California Los Angeles（生物统计学与健康数据科学系，加州大学洛杉矶分校）
AI总结 本研究通过传统和深度学习模型在淘宝广告数据上提升点击率预测，采用行为序列建模和Transformer架构，实现AUC提升2.81%，并探讨其在公共卫生领域的应用。
动态隐式神经表示
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Brookhaven National Laboratory（布鲁克海文国家实验室）
AI总结 动态隐式神经表示通过将特征演化视为连续时间动力学系统，缓解谱偏置问题，提升表达力和泛化能力。
Comments 23 pages, 6 figures
G$^2$VLM：基于几何的视觉语言模型，实现统一的3D重建与空间推理
机构 * Shanghai AI Lab（上海人工智能实验室） ； UCLA（加州大学洛杉矶分校） ； SJTU（上海交通大学） ； FDU（福建师范大学） ； ZJU（浙江大学） ； USTC（中国科学技术大学） ； HKU（香港大学） ； CUHK（香港中文大学）
AI总结 G$^2$VLM通过统一3D重建与空间推理，提升视觉语言模型在空间智能任务中的性能。
Comments code are released at https://github.com/InternRobotics/G2VLM
未标记数据提升多模态大语言模型在细粒度图像零样本分类中的性能
机构 * Computer Science Department, University of California, Los Angeles（加州大学洛杉矶分校计算机科学系） ； Mechanical and Aerospace Engineering Department, 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 AutoSEP通过利用未标记数据提升多模态大语言模型在细粒度图像零样本分类中的性能。
基于2D/3D配准损失的盆腔荧光摄影增强标志点检测模型
机构 * Department of Computer Science, Vanderbilt University（计算机科学系，范德堡大学） ； Vanderbilt Institute for Surgery and Engineering（范德堡手术与工程研究院） ； Department of Mathematics, University of California-Los Angeles（数学系，加州大学洛杉矶分校） ； Vanderbilt Lab for Immersive AI Translation（范德堡沉浸式AI翻译实验室） ； Department of Orthopedic Surgery, Vanderbilt University Medical Center（骨科手术系，范德堡大学医学中心）
AI总结 本文提出一种基于2D/3D配准损失的U-Net模型，提升盆腔荧光摄影中标志点检测的鲁棒性，适应患者姿态变化的手术环境。
Comments 9 pages, 3 figures, 1 table
ENACT：通过视角交互的世界建模评估具身认知
机构 * Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； UCLA（加州大学洛杉矶分校）
AI总结 ENACT通过视角交互的世界建模评估具身认知，揭示VLMs在长周期交互中与人类表现差距扩大，且模型在逆向任务中表现更优。
Comments Preprint version
Co-PatcheR: 基于组件特定小推理模型的协作软件修补
机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 Co-PatcheR通过组件特定的小推理模型实现协作软件修补，提升修补效率并减少训练资源消耗。
CTSyn：跨表格数据生成的基准模型
机构 * Department of Statistics and Data Science, University of California Los Angeles（统计与数据科学系，加州大学洛杉矶分校） ； Department of Computer Science, University of California Los Angeles（计算机科学系，加州大学洛杉矶分校）
AI总结 CTSyn提出了一种基于扩散的生成性基准模型，用于跨表格数据生成，通过统一潜在空间和条件潜在扩散模型提升表格合成的实用性和多样性。
一种基于视觉的交通信号控制框架：微模拟视角
机构 * Department of Computer Science and Software Engineering（计算机科学与软件工程系） ； Auburn University（亚伯拉罕大学） ； Senior Applied Scientist Oxa Oxford Business Park North Oxford（奥克斯高级应用科学家） ； Oxford Business Park North Oxford（牛津商务公园北牛津） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Clemson University（克莱姆森大学） ； University of California Los Angeles (UCLA)（加州大学洛杉矶分校）
AI总结 本文提出TrafficDojo框架，结合SUMO和MetaDrive实现基于视觉的交通信号控制，通过微模拟环境评估不同交通控制算法的性能。
Comments Accepted for presentation at the Transportation Research Board (TRB) 105th Annual Meeting
弥合语言鸿沟：通过潜在混合实现合成语音多样性以实现公平的语音识别
机构 * University of California Los Angeles, Department of Statistics（加州大学洛杉矶分校统计学系）
AI总结 本文提出了一种通过潜在混合提升合成语音多样性的方法，以改善低资源语言的语音识别性能。
Comments Accepted at ICML 2025 Workshop on Machine Learning for Audio
CafeQ: 无需校准的量化方法通过学习变换和自适应四舍五入
机构 * Google（谷歌） ； University of Wisconsin Madison（威斯康星大学麦迪逊分校） ； University of California Los Angeles（加州大学洛杉矶分校）
AI总结 CafeQ通过学习变换和自适应四舍五入方法，在无需校准数据的情况下提升大语言模型的量化效果，实现更高效的推理性能。
超图上的高阶正则化学习
机构 * University of California Los Angeles（加州大学洛杉矶分校） ； University of Warwick（沃里克大学）
AI总结 本文提出高阶超图学习方法，通过理论分析和实验验证，展示了其在不同学习场景中的有效性与鲁棒性。
动态操作的潜在自适应规划器
机构 * UCLA（加州大学洛杉矶分校） ； Lambda, Inc.（Lambda公司）
AI总结 LAP通过学习人类示范视频，实现了动态非抓取操作的实时自适应规划，提升操作成功率和效率。
Journal ref Proceedings of The 9th Conference on Robot Learning, PMLR 305:2430-2448, 2025
AnimAgents: 协调多阶段动画前期制作的人机多智能体协作
机构 * National Taiwan University（国立台湾大学） ； Google DeepMind（谷歌DeepMind） ； HCI Research, UCLA（人机交互研究， UCLA）
AI总结 AnimAgents通过人机多智能体协作系统，协调多阶段动画前期制作流程，提升协调性、一致性和信息管理效率。
训练涌现的联合关联：一种基于强化学习的创造性思维方法用于语言模型
机构 * Microsoft, USA（微软公司） ； Microsoft, India（微软公司） ； University of California, Los Angeles, USA（加州大学洛杉矶分校） ； MindAntix
AI总结 本文提出了一种基于强化学习的框架，通过增强语言模型的关联性思维能力，提升其在故事创作、代码生成和数据可视化等任务中的原创性和灵活性。
在超立方体上半空间的平滑无关学习
机构 * Department of Computer Science, UCLA（计算机科学系， UCLA）
AI总结 本文提出了一种在超立方体上高效学习半空间的平滑无关学习框架，通过随机位翻转建模扰动，解决了传统方法在离散域中的局限性。
MDG：面向交通环境多智能体行为建模的遮蔽去噪生成
机构 * University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 MDG通过遮蔽去噪生成方法，实现高效可控的多智能体轨迹生成，适用于自动驾驶和交通模拟中的行为建模。
自动从3D超声心动图中提取可解释的2D视频
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Kaiser Permanente Division of Research（凯撒医疗集团研究部） ； Cedars-Sinai Medical Center（西达赛西医学中心） ； Stanford University（斯坦福大学）
AI总结 本文提出了一种自动从3D超声心动图中提取标准2D视频的方法，通过深度学习和医学专家启发式方法提高解读效率和准确性。
Comments 12 pages, 5 figures
风险地图作为中间件：迈向风险感知的可解释协作端到端自动驾驶
机构 * Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University（教育部道路与交通工程重点实验室，同济大学） ； UCLA Mobility Lab, University of California, Los Angeles（加州大学洛杉矶分校UCLA移动实验室）
AI总结 本文提出RiskMM框架，通过风险地图中间件提升自动驾驶的可解释性和风险感知规划能力。
Comments IEEE RA-L
CaKE：电路感知编辑实现通用知识学习
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； University of California, Los Angeles（美国加州大学洛杉矶分校）
AI总结 CaKE通过电路感知编辑提升LLMs对更新知识的多跳推理能力，实现20%的准确率提升并降低内存消耗
Comments EMNLP 2025
机构 * Department of Electrical and Computer Engineering, University of California, Los Angeles（电气与计算机工程系，加州大学洛杉矶分校）
Comments Manuscript in preparation for IEEE Transactions on Education, 20 pages, 6 figures, 5 tables
机构 * Department of Computer Science UCLA（计算机科学系，UCLA） ； Department of Electrical and Computer Engineering UCSB（电气与计算机工程系，UCSB）
机构 * University of Virginia（弗吉尼亚大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
机构 * Fudan University（复旦大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Surrey（萨里大学）
Comments IJCV 2025
机构 * Computer Science Department, University of California, Los Angeles, CA, USA（加州大学洛杉矶分校计算机科学系） ； Mechanical and Aerospace Engineering Department, University of California, Los Angeles, CA, USA（加州大学洛杉矶分校机械与航空航天工程系） ； Department of Pathology, Tri-Service General Hospital, National Defense Medical Center, Taipei, Taiwan（台湾国防医学院三军总医院病理部） ； Department of Pathology, National Taiwan University Hospital, Taipei, Taiwan（台湾国立台湾大学医院病理部） ； Department of Pathology, David Geffen School of Medicine, University of California, Los Angeles, CA, USA（加州大学洛杉矶分校大卫·Geffen医学院病理部） ； Bioengineering Department, University of California, Los Angeles, CA, USA（加州大学洛杉矶分校生物工程系） ； Institute for Quantitative and Computational Biosciences, University of California, CA, USA（加州大学定量与计算生物科学研究所）
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