高校专区
探测知识边界：一种用于深度知识提取的交互式智能体框架
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Westlake University（西交利物浦大学）
AI总结 提出一种交互式智能体框架，通过四种自适应探索策略和三级知识处理流水线，系统性地提取和量化大语言模型的知识，发现递归分类法最有效，并揭示了知识缩放定律、Pass@1与Pass@k的权衡以及训练数据对知识轮廓的影响。
Comments Homepage: https://ulab-uiuc.github.io/KnowledgeExtraction/
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。
Foundation Protocol: 智能体社会的协调层
机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； City University of Hong Kong（香港城市大学） ； Singapore Management University（新加坡管理学院） ； Nanyang Technological University（南洋理工大学） ； Duke University（杜克大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Hong Kong Polytechnic University（香港理工大学）
AI总结 提出Foundation Protocol（FP），一种以图为核心的协调层，用于统一异构实体、支持多方组织和基于事件的协作，并提供经济原语和治理机制，以构建开放、多元、可治理的人机社会。
图对齐拓扑作为接地检测的归纳偏置
机构 * Department of Pediatrics, University of Illinois College of Medicine Peoria（伊利诺伊大学皮奥里亚医学院儿科部） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机与数据科学学院） ； Carle Illinois College of Medicine, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校卡莱医学院）
AI总结 提出利用图对齐拓扑作为归纳偏置，通过构建参考信息与LLM输出之间的对齐二分图并训练图神经网络建模对齐结构，在幻觉检测和问答任务上取得最先进结果。
AI评估应要求标准化的项目级数据发布
机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Microsoft Research Asia（微软亚洲研究院） ； Stanford University（斯坦福大学） ； North Carolina State University（北卡罗来纳州立大学） ； Tsinghua University（清华大学）
AI总结 本文主张AI评估应标准化发布项目级数据，以解决当前评估中项目选择不明确、构造错位和泛化能力差的问题，并通过OpenEval项目展示其可行性和价值。
MemReward: 基于图的经验记忆用于有限标签下的LLM奖励预测
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta
AI总结 提出MemReward框架，利用图神经网络在少量标签下将奖励从标注样本传播到未标注样本，实现混合奖励获取策略，在数学、问答和代码生成任务上接近Oracle性能。
解码大型推理模型中的批判机制
机构 * VinUni-Illinois Smart Health Center（VinUniversity-伊利诺伊州智能健康中心） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文通过插入算术错误研究大型推理模型如何从错误中恢复，发现存在隐藏的批判向量，通过引导潜在表示可提升错误检测和测试时扩展性能。
GT-SVJ: 基于生成式Transformer的自监督视频评判器用于高效视频奖励建模
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Adobe Inc.（Adobe公司）
AI总结 提出GT-SVJ，通过将视频生成模型重新用作能量模型，并利用对比目标训练，实现高效、时间感知的视频质量评估，在少量标注下达到SOTA。
超越对数似然：面向模型能力连续体的监督微调概率目标
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文系统研究监督微调中不同概率目标函数，发现模型能力连续体决定目标优劣：强模型端偏好先验倾向目标（如-p），弱模型端对数似然最优，并理论解释其转换机制。
Comments ICML 2026
归因偏差：当记忆中毒在自主AI系统中看起来像模型失败时
机构 * Department of Computer Science, University of Texas at El Paso（德克萨斯大学埃尔帕索分校计算机科学系） ； School of Computing, Southern Illinois University Carbondale（南方伊利诺伊大学卡本代尔分校计算机学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文识别了多智能体AI系统中的“归因偏差”问题，即记忆层攻击导致的行为与模型失败无法区分，并形式化了“语义规范漂移”（SND）作为第三种不当行为路径，提出了反事实组合测试和记忆持久信息流控制等防御方法。
Comments This paper is presently under review at a top-tier security venue
Spreadsheet-RL: 通过强化学习推进大型语言模型代理在现实中的电子表格任务中的进步
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta
AI总结 本文提出Spreadsheet-RL，一种通过强化学习微调框架，旨在在现实Microsoft Excel环境中训练专门的电子表格代理。该方法通过自动化管道收集在线论坛中的配对起始-目标电子表格，以及金融和供应链管理等领域的领域特定评估任务，构建了新的Domain-Spreadsheet基准数据集，并展示了在通用和领域特定电子表格任务上的显著性能提升。
Comments Mingyuan served as the project lead. Banghao, Yining, and Mingyuan contributed equally to this work, with more junior authors listed before senior authors. All data and code releases are maintained by the corresponding authors at UIUC and are not affiliated with Meta
因子扩散策略：一种单一分数网络的组成通用机器人控制
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出了一种因子扩散策略，通过单一共享的扩散网络实现通用机器人控制，该网络在推理时能将分数分解为各因子的加法形式，从而在训练任务预算上从因子基数的乘积减少到求和，通过轨迹管证书将分数界转化为闭环状态轨迹管，实验验证了其泛化界和证书的有效性。
基于扩散的通用增强器用于城市场景重建
机构 * Waabi ； University of Toronto（多伦多大学） ； 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GenRe，一种基于扩散的通用增强器，用于城市场景重建，通过学习不同场景中的生成先验，高效地生成稳健且高保真的表示，能够可靠地泛化到挑战性的未见过的视角，从而在自动驾驶中实现鲁棒和可扩展的传感器模拟。
Comments ICRA 2026. Project page: https://waabi.ai/genre
CentaurEval: 评估人机协同在编程中的价值
机构 * New York University Abu Dhabi（纽约大学阿布扎克校区） ； 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） ； Harvard University（哈佛大学） ； Zhejiang University（浙江大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Beijing University of Technology（北京理工大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 本文提出CentaurEval基准测试，用于评估人机协同在编程中的价值。该基准测试通过协作必要问题模板，结合人类推理和AI效率，展示了人机协作在编程任务中的显著优势。
Comments Accepted by ICML 2026
DecepChain: 在大型语言模型中诱导欺骗性推理
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究探讨了大型语言模型是否能够生成看似合理但错误的推理链，并提出DecepChain方法通过放大模型自身的幻觉来诱导欺骗性推理，同时保持表面合理性和有效性。
Comments ICML 2026
SCI-Defense: 防御生成引擎优化的操纵攻击
机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学与数据科学学院） ； School of Information Sciences, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校信息科学学院） ； Amazon topcited.ai（亚马逊topcited.ai）
AI总结 本文提出SCI-Defense框架，通过检测困惑度、语义完整性评分和跨候选检测三种组件，有效识别生成引擎优化攻击，实现了高精度和低误报率，同时揭示了现有防御方法的局限性及未来研究方向。
Comments 20 pages, NeurIPS 2026 submission
微重力环境下基于抓取的动态移动运动设计
机构 * Department of Mechanical Science and Engineering at the University of Illinois at 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 本文针对微重力环境下多肢体机器人系统基于抓取的动态移动问题，提出了一种可参数化的移动规划框架，通过调整步态模式、步长、移动速度和名义姿态等参数，评估其在稳定性和驱动需求方面的性能。研究结果表明，扩大可行接触力空间并抑制脉冲全身动力学可提升移动性能。
TextReg: 通过正则化的文本空间优化缓解提示分布过拟合
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文研究了提示分布过拟合问题，提出TextReg框架通过正则化的文本梯度实现软惩罚目标，结合双证据梯度净化、语义编辑正则化和正则化引导的提示更新，提升模型在分布外（OOD）任务上的泛化能力。
Comments Code: https://github.com/luchengfu6/TextReg
Auto-Dreamer：学习离线记忆巩固用于语言智能体
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（加州大学圣地亚哥分校）
AI总结 本文提出Auto-Dreamer，一种学习离线记忆巩固方法，用于语言智能体，通过分离快速会话记忆获取与慢速跨会话巩固过程，提升智能体在多个任务流中的记忆整合与知识复用能力。
Comments Preprint
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