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

Latent Diffusion Posterior Sampling with Surrogate Likelihood Guidance for PDE Inverse Problems

基于代理似然引导的潜空间扩散后验采样用于PDE逆问题

Yuanzhe Wang, Alexandre M. Tartakovsky

机构 * Department of Civil and Environmental Engineering（土木与环境工程系） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 提出L-DPS框架，结合VAE、潜扩散模型和可微代理，高效求解PDE逆问题，在达西流逆问题中优于现有方法。

Compiler-Driven Approximation Tuning for Hyperdimensional Computing

编译器驱动的超维计算近似调优

Xavier Routh, Abdul Rafae Noor, Akash Kothari, Zheyu Li, Mahbod Afarin, Tajana Rosing, Vikram Adve

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California San Diego（加州大学圣迭戈分校） 纠错

AI总结 提出ApproxHDC框架，通过编译器自动识别和应用超维计算中的领域特定近似，结合高效搜索与多硬件后端支持，实现性能大幅提升且精度损失极小。

Embedding Foundation Model Predictions in Discrete-Choice Models with Structural Guarantees

具有结构保证的嵌入基础模型预测的离散选择模型

Yingshuo Wang, Xian Sun, Yanhang Li, Zhichao Fan, Zexin Zhuang

机构 * University of California, Berkeley（加州大学伯克利分校） ； Duke University（杜克大学） ； Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Southern Methodist University（南卫理公会大学） 纠错

AI总结 提出两阶段适配器，将基础模型的预测嵌入多项Logit效用中，通过符号约束保持边际替代率，在三个数据集上平均提升6.4个百分点准确率，并保证成本单调性和合理时间价值。

Comments Extends arXiv:2605.26559 (ICML 2026 FMSD Workshop)

Instruction Bleed: Cross-Module Interference in Prompt-Composed Agentic Systems

指令泄露：提示组合智能体系统中的跨模块干扰

Ching-Yu Lin, Yifan Liu

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

AI总结 研究提示组合智能体系统中模块间干扰问题，形式化定义为组合行为泄露（CBL），通过三通道协议实验验证内容通道产生可检测效应，贡献了操作定义、可复用协议和系统类特征。

Comments 8 pages, 2 tables. Accepted to the ICML 2026 Workshop on Failure Modes in Agentic AI (FAGEN), Seoul, South Korea

Axon: A Synthesizing Superoptimizer for Tensor Programs

Axon：张量程序的综合超优化器

Akash Kothari, Shaowei Zhu, Daniel Kroening, Chungha Sung

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon Web Services（亚马逊网络服务） 纠错

AI总结 提出Axon，一种通过程序综合自动生成目标指令并探索语义等价变体以选择最佳性能内核的张量程序超优化器，利用SMT保证变换语义正确性。

A3C3: AI Algorithm and Accelerator Co-design, Co-search, and Co-generation

A3C3：人工智能算法与加速器协同设计、协同搜索与协同生成

Selin Yildirim, Yingbing Huang, Deming Chen

机构 * Siebel School of Computing and Data Science（塞比尔计算与数据科学学院） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 提出A3C3方法，通过联合参数化并搜索神经网络架构与硬件实现空间，自动生成模型-加速器对，以平衡精度、延迟、吞吐量、能效和硬件利用率。

JetSpec: Breaking the Scaling Ceiling of Speculative Decoding with Parallel Tree Drafting

JetFlow: 通过并行树草稿突破推测解码的缩放上限

Lanxiang Hu, Zhaoxiang Feng, Yulun Wu, Haoran Yuan, Yujie Zhao, Yu-Yang Qian, Bojun Wang, Peng Zhao, Daxin Jiang, Yibo Zhu, Tajana Rosing, Hao Zhang

机构 * UC San Diego（加州大学圣地亚哥分校） ； Zhejiang University（浙江大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； Nanjing University（南京大学） ； StepFun（阶跃星辰） 纠错

AI总结 提出JetFlow框架，通过因果并行草稿头结合树推测解码，将更大草稿预算转化为更长接受前缀和更高端到端加速，在Qwen3模型上实现最高9.64倍加速。