University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

RewardFlow: Generate Images by Optimizing What You Reward

RewardFlow: 通过优化所奖励的内容生成图像

Onkar Susladkar, Dong-Hwan Jang, Tushar Prakash, Adheesh Juvekar, Vedant Shah, Ayush Barik, Nabeel Bashir, Muntasir Wahed, Ritish Shrirao, Ismini Lourentzou

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Sony Research, India（索尼印度研究院） 纠错

AI总结 RewardFlow通过多奖励Langevin动力学优化预训练扩散和流匹配模型，统一了语义对齐、感知保真度等不同可微奖励，并引入基于VQA的可微奖励提升语义监督。

Comments CVPR 2026. Project page: https://plan-lab.github.io/rewardflow

Self-Improving 4D Perception via Self-Distillation

通过自蒸馏实现自我改进的4D感知

Nan Huang, Pengcheng Yu, Weijia Zeng, James M. Rehg, Angjoo Kanazawa, Haiwen Feng, Qianqian Wang

机构 * UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Impossible Research ； Harvard（哈佛大学） ； MPI for Intelligent Systems（马克斯·普朗克智能系统研究所） ； UC Berkeley（加州大学伯克利分校） ； UBC（不列颠哥伦比亚大学） 纠错

AI总结 本文提出SelfEvo框架，通过自蒸馏方案提升多视角重建模型性能，无需外部标注，在动态场景中实现显著改进，视频深度估计提升36.5%，相机估计提升20.1%。

Awakening the Sleeping Agent: Lean-Specific Agentic Data Reactivates General Tool Use in Goedel Prover

唤醒沉睡的代理：轻量级特定代理数据在Goedel证明器中重新激活通用工具使用

Jui-Hui Chung, Hongzhou Lin, Lai Jiang, Shange Tang, Chi Jin

机构 * Princeton Language and Intelligence（普林斯顿语言与智能） ； Amazon（亚马逊） ； Department of Computer Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） 纠错

AI总结 研究发现，过度监督微调会抑制基础模型的通用工具使用能力，但通过少量特定领域代理数据可恢复。

DIVERSED: Relaxed Speculative Decoding via Dynamic Ensemble Verification

DIVERSED: 通过动态集成验证实现放松的推测解码

Ziyi Wang, Siva Rajesh Kasa, Ankith M S, Santhosh Kumar Kasa, Jiaru Zou, Sumit Negi, Ruqi Zhang, Nan Jiang, Qifan Song

机构 * Purdue University（普渡大学） ； Amazon Inc.（亚马逊公司） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Texas at El Paso（德克萨斯大学埃尔帕索分校） 纠错

AI总结 DIVERSED通过动态集成验证框架提升解码效率，保留生成质量，通过任务和上下文依赖的权重融合草案与目标模型分布，提升推理效率。

Comments 35 pages, 9 figures, accepted at AISTATS 2026

Break Me If You Can: Self-Jailbreaking of Aligned LLMs via Lexical Insertion Prompting

攻破我：通过词性插入提示实现对对齐大语言模型的自我越狱

Devang Kulshreshtha, Hang Su, Haibo Jin, Chinmay Hegde, Haohan Wang

机构 * Amazon（亚马逊） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； New York University（纽约大学） 纠错

AI总结 本文提出自我越狱方法，通过词性插入提示对齐大语言模型进行攻击，实验表明SLIP在多个模型上实现高攻击成功率，提出SDM防御机制但发现其对自适应攻击策略仍不足。

Part$^{2}$GS: Part-aware Modeling of Articulated Objects using 3D Gaussian Splatting

Part$^{2}$GS: 基于3D高斯溅射的关节物体部分感知建模

Tianjiao Yu, Vedant Shah, Muntasir Wahed, Ying Shen, Kiet A. Nguyen, Ismini Lourentzou

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 本文提出Part$^{2}$GS框架，通过部分感知的3D高斯表示实现高保真度的多部件关节物体建模，结合物理一致的运动约束，提升运动连贯性。