高校专区
SAM3辅助训练的轻量级YOLO模型用于精准养猪
机构 * Department of Animal Sciences, University of Illinois at Urbana-Champaign, USA（动物科学系，伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出利用SAM 3自动生成伪标签训练YOLOv8检测器，无需人工标注，在PigLife数据集上达到79.4% mAP，推理速度比教师模型快约200倍。
Comments Accepted for publication at the IEEE Sensors Applications Symposium (SAS 2026)
SafetyRepro: 对齐基准上的配置条件排名不稳定性
机构 * Northeastern University, Boston, MA, USA（东北大学） ； University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校） ； Southern Methodist University, Dallas, TX, USA（南方 Methodist 大学）
AI总结 本文通过理论命题和提交戳评估协议，证明对齐基准上的成对模型比较结果（如“A比B更安全”）会因未指定的配置选择而发生严格反转。
Agent Primitives: 面向多智能体系统的可复用潜在构建模块
机构 * School of Information Sciences, University of Illinois at Urbana-Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校信息科学学院） ； Siebel School of Computing and Data Science, University of Illinois at Urbana-Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院）
AI总结 提出Agent Primitives，一组可复用的潜在构建模块，通过KV缓存内部通信和自动组合，提升多智能体系统的鲁棒性、效率和跨任务复用性。
Comments 16 pages
XRPO：通过定向探索与利用突破GRPO极限
机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出XRPO框架，通过自适应探索分配器、上下文种子策略和新颖性感知优势机制，在数学和编码基准上实现比GRPO最高4% pass@1和6% cons@32的提升，并加速训练收敛达2.7倍。
基于多源数据的都市尺度弹性可信交通流推断
机构 * School of Transportation, Jilin University（吉林大学交通运输学院） ； Department of Computer Science, City University of Hong Kong (Dongguan)（香港城市大学（东莞）计算机科学系） ； Institute for Transport Planning and Systems, ETH Zurich（苏黎世联邦理工学院交通规划与系统研究所） ； Institute of Intelligent Transportation Systems, College of Civil Engineering and Architecture, Zhejiang University（浙江大学智能交通系统研究所） ； ZJU-UIUC Institute, Zhejiang University（浙江大学-UIUC研究院）
AI总结 提出任务感知注意力神经过程（TA-ANP）统一概率框架，融合浮动车数据和稀疏固定检测器数据，实现高精度、可信的不确定性量化的全局交通状态推断，并在都市尺度数据集上取得最优性能。
Comments The paper has been submitted to Elsevier for possible publication
软体合成蛇在三维异质环境中的学习、运动与导航
机构 * Carl R. Woese Institute for Genomic Biology, University of Illinois Urbana–Champaign（卡尔·R·沃塞基因组生物学研究所，伊利诺伊大学厄巴纳-香槟分校） ； Department of Mechanical and Aerospace Engineering, Hong Kong University of Science and Technology（香港科学与技术大学机械与航空航天工程系） ； Department of Mechanical Science and Engineering, University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校机械科学与工程系）
AI总结 提出基于仿生驱动和感知模型的强化学习框架，使软体合成蛇能够自主导航非结构化三维地形，并通过高保真环境验证鲁棒性。
Comments 14 pages, 5 figures
迈向通用因果推理器
机构 * The University of Chicago（芝加哥大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出UniCo数据生成框架，覆盖Pearl因果阶梯的18种查询类型，将符号示例转化为代码和自然语言，通过监督微调显著提升LLM的因果推理能力和推理忠实度。
在线策略蒸馏的多种面貌：陷阱、机制与修复
机构 * UIUC（伊利诺伊大学香槟分校） ； Renmin University of China（中国人民大学） ； Peking University（北京大学）
AI总结 本文通过实证研究分析了在线策略蒸馏（OPD）和在线策略自蒸馏（OPSD）在大语言模型后训练中的有效性、失败机制及修复方法。
TorchLean: 在 Lean 中形式化神经网络
机构 * California Institute of Technology（加利福尼亚理工学院） ； Washington University in St. Louis（华盛顿大学圣路易斯分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出 TorchLean 框架，在 Lean 4 中统一神经网络的执行、验证与定理证明，通过共享语义弥合执行网络与分析工件之间的语义鸿沟。
Comments 55 pages
MemSkill：面向自进化智能体的可学习与进化记忆技能
机构 * Nanyang Technological University（南洋理工大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Tsinghua University（清华大学）
AI总结 提出MemSkill框架，将记忆操作转化为可学习和可进化的技能，通过控制器选择技能、执行器生成记忆、设计者进化技能集，形成闭环提升LLM智能体任务性能。
Comments Code is available at https://github.com/ViktorAxelsen/MemSkill
TRACER: 一种用于代码大语言模型中细粒度污染检测的语义感知框架
机构 * Purdue University West Lafayette, IN（帕克大学韦斯特拉法叶分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出TRACER框架，通过三级语义重叠和粗到细流水线检测代码LLM中的细粒度数据污染，在基准测试中F1达0.91。
Comments 21 pages, 2 figures, 15 tables
未来KL正则化GRPO：基于f-散度正则化的过程级信用分配
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出未来KL正则化策略优化（FRPO），通过因果未来正则化回报修正GRPO中局部KL损失缺失的梯度信号，在数学推理任务中提升pass@16并保持更高熵和更低策略漂移。
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