高校专区
代理AI系统应作为边际令牌分配经济体进行设计
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出代理AI系统应以边际令牌分配经济体为设计框架，揭示各层在边际效益等于边际成本加延迟成本加风险成本的条件下，导致局部优化全局失衡的问题，提出令牌意识评估、自主定价、拥堵定价和服务风险调整等研究方向。
通过组合技能的攻击理论游戏
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Stony Brook University（石溪大学）
AI总结 本文提出一个理论框架，分析攻击者与防御者之间的博弈，设计最优攻击策略并揭示其与现有对抗提示方法的关系，同时推导出可证明最优的防御策略，并通过实验验证其在不同LLM和基准上的优越性。
Comments arXiv admin note: text overlap with arXiv:2505.20841
WebGym: 通过现实任务扩大视觉网络代理的训练环境
机构 * Microsoft（微软） ； UIUC（伊利诺伊大学香槟分校） ； CMU（卡内基梅隆大学）
AI总结 WebGym通过大规模现实任务和异步轨迹采样系统提升视觉网络代理训练效果，使基座模型在分布外测试集上的成功率显著提升。
Comments Completed acknowledgements
ACTG-ARL: 差分隐私条件下通过RL增强的条件文本生成
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Google Research（谷歌研究院） ； Meta
AI总结 本文提出ACTG-ARL框架，通过分层结构和Anchored RL方法，在差分隐私下提升生成文本质量与条件生成控制，实现MAUVE指标提升20%。
Comments Accepted at ICML 2026
从预训练和协作信号中学习分解的上下文令牌表示以生成推荐
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Miami University（迈阿密大学）
AI总结 本文提出DECOR框架，通过上下文化令牌组成和分解嵌入融合，提升推荐性能，实验证明其优于现有方法。
Comments Accepted to SIGIR 2026. Full author version
非线性动力学的偏微分代数方程通过物理信息神经网络：（I）操作分裂与框架评估
机构 * Aerospace Engineering, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校航空航天工程系） ； Institute of Technical Mechanics, Johannes Kepler University（约翰尼斯·开普勒大学技术力学研究所）
AI总结 本文提出基于导数操作分裂构造新型物理信息神经网络的方法，以非线性Kirchhoff杆为原型，解决偏微分代数方程问题，开发JAX脚本并系统化训练过程以提高可重复性。
Comments 70 pages, 52 figures
Journal ref International Journal for Numerical Methods in Engineering, 2024;e7586
度、级和情境性的轮廓
机构 * Purdue University（普渡大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出情境性轮廓的概念，通过曲线描述情境性程度与系统考虑层级的关系，结合多种情境性度量方法，系统探讨了情境性轮廓。
Comments 32 pp. 15 figures, 10 tables (v.4 is close to the published version)
Journal ref Entropy 2026, 28, 513
化学空间发现与探索中的基础模型
机构 * Department of Mechanical Engineering, University of Michigan（密歇根大学机械工程系） ； Department of Chemical Engineering, University of Michigan（密歇根大学化学工程系） ； Department of Electrical and Computer Engineering, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校电子与计算机工程系） ； The Santa Fe Institute（圣菲研究所） ； International Computer Science Institute（国际计算机科学研究所） ； Department of Statistics, University of California, Berkeley（加州大学伯克利分校统计学系） ； Department of Computer Science, University of Chicago（芝加哥大学计算机科学系） ； Argonne National Laboratory（阿贡国家实验室） ； Idaho National Laboratory（爱达荷国家实验室） ； NVIDIA Corporation（英伟达公司） ； Osmo Labs, PBC ； AI Innovation Institute, Stony Brook University（石溪大学AI创新研究所） ； Brookhaven National Laboratory（布鲁赫斯研究所） ； Deep Forest Sciences, Palo Alto, CA（帕洛阿尔托的Deep Forest Sciences） ； Department of Aerospace Engineering, University of Michigan（密歇根大学航空航天工程系） ； Lawrence Berkeley National Laboratory（伯克利劳伦斯国家实验室）
AI总结 本文提出MIST模型，通过大规模无标签数据训练，实现对化学空间中多种分子性质的预测，展示了其在多目标电解质溶剂筛选和立体化学推理中的应用，以及在超参数感知贝叶斯神经缩放定律下的高效训练能力。
Comments Main manuscript: 30 pages (including references), 7 tables and 5 figures. Supplementary information: 158 pages (including references), 15 tables and 128 figures
ML-Bench&Guard: 政策导向的多语言安全基准与大型语言模型的防护机制
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Fudan University（复旦大学） ； University of Chicago（芝加哥大学）
AI总结 本文提出ML-Bench和ML-Guard，通过区域法规构建多语言安全基准，并开发基于扩散模型的防护系统，实现文化与法律一致的多语言安全评估。
ReLay：为更好的理解而定制的LLM生成的通俗摘要，但代价是什么？
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Virginia（弗吉尼亚大学） ； University of Colorado Anschutz（科罗拉多大学安舒茨分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Chicago Pritzker School of Medicine（芝加哥大学普ritzker法学院） ； National Library of Medicine, National Institutes of Health（国家医学图书馆，国家卫生研究院） ； University of Washington（华盛顿大学）
AI总结 ReLay研究通过评估五种LLM在两种个性化方法中的表现，探讨了个性化通俗摘要对理解提升与安全性的平衡问题。
FedACT: 在异构数据源上实现协同联邦智能
机构 * School of Computing and Informatics, University of Louisiana at Lafayette, USA（路易斯安那州立大学拉斐特分校计算机与信息学院） ； Department of Computer and Information Sciences, University of Delaware, USA（德雷塞尔大学计算机与信息科学系） ； Department of Computer Science, University of Illinois at Urbana-Champaign, USA（伊利诺伊大学厄巴纳-香槟分校计算机科学系）
AI总结 FedACT通过动态调度异构设备优化联邦学习任务，减少平均完成时间并提升模型精度，适用于多任务协同学习场景。
门控差分线性注意力：一种线性时间的解码器用于高保真的医学分割
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Regensburg（莱茵-瓦尔登堡大学）
AI总结 本文提出一种线性时间解码器，通过门控差分线性注意力在保持细密解剖边界的同时提升医学图像分割的效率和精度。
HyMem：混合内存架构与动态检索调度
机构 * ZJU-UIUC Institute（浙大-伊利诺伊大学联合研究院） ； Ant Group（蚂蚁集团）
AI总结 HyMem通过多粒度内存表示实现动态按需调度，结合轻量级模块和LLM深度模块，有效平衡效率与性能，在长时记忆管理中取得新突破。
用法律问题树准则评估法律推理轨迹
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； LBOX ； Stanford（斯坦福） ； Yale（耶鲁）
AI总结 本文提出 LEGIT 数据集，用于评估 LLM 在法律领域推理轨迹的质量，发现法律问题覆盖度和正确性影响 LLM 推理能力，RAG 和带准则的 RL 分别提升整体能力与正确性。
Comments ACL 2026 Main Conference
可泛化稀疏视角3D重建从无约束图像
机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出GenWildSplat框架，通过学习几何先验在无场景优化情况下实现稀疏视角户外3D重建，利用外观适配器和语义分割处理光照和遮挡，实现跨不同光照和遮挡模式的泛化。
Comments Project Page: https://genwildsplat.github.io/
在医疗环境中使符合预测器更加稳健：EEG分类的案例研究
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； PyHealth ； Bangladesh University of Engineering and Technology（孟加拉工程与技术大学）
AI总结 本文评估了多种符合预测方法在EEG癫痫分类中的表现，发现个性化校准策略可提升覆盖度20%以上，同时保持预测集大小相近。
Comments Accepted to the International Conference on Artificial Intelligence in Medicine 2026
在上下文意图中 grounding 代理记忆
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Stanford University（斯坦福大学）
AI总结 STITCH通过上下文意图索引提升长周期交互的记忆检索能力，有效减少歧义和干扰，实现在动态目标轨迹中的高效检索。
Comments ACL 2026
基于函数的参数化双工手优化设计
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出了一种综合参数框架，统一手掌结构、手指运动学、指尖几何和微尺度表面曲率，通过参数化表面变形核直接影响接触交互，提升抓取稳定性任务的仿真与现实优化性能。
Comments 8 pages, 7 figures, https://www.aminmirzaee.com/HandCDO/
异质科学基础模型协作
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Eywa框架，通过将语言模型与领域特定基础模型结合，提升科学领域多模态任务的推理能力，实验显示其在结构化数据任务中表现更优。
Comments Preprint. 57 Pages
声调转换：社会语言学与技术约束驱动的调研
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） ； National Center for Supercomputing Applications, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校国家超级计算应用中心） ； Department of East Asian Languages and Cultures, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校东亚语言与文化系）
AI总结 本文调研了声调转换方法的发展，分析了数据对齐、表征解耦和资源稀缺等挑战，回顾了从早期规则基方法到现代神经网络架构的演变，并探讨了应用需求对声调修改与说话人身份保护的平衡。
AutoSP：通过编译器基于的序列并行性解锁长上下文LLM训练
机构 * SSAIL Lab, University of Illinois Urbana-Champaign（SSAIL实验室，伊利诺伊大学厄巴纳-香槟分校） ； Anyscale ； Snowflake
AI总结 本文提出AutoSP，一种自动优化长上下文LLM训练的解决方案，通过编译器实现序列并行性和激活检查点优化，提升训练效率。
Comments 13 pages, 9 figures, 1 table
基于游戏的和游戏化机器人教育：一种比较系统的综述和设计指南
机构 * Purdue University（普渡大学） ； Indiana University Bloomington（印第安纳大学布卢明顿分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文通过系统综述比较了游戏化学习和游戏化在机器人教育中的影响，揭示了教学方法、学习环境和教学策略的关联模式，并提出了八个研究方向和设计指南。
Comments Accepted for publication at Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems. 26 pages, 14 figures, 7 tables;
通过自回归3D扩散模型生成布局和形状
机构 * Meta Reality Labs（Meta现实实验室） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 本文提出一种新的文本到场景生成方法，通过自回归3D扩散模型生成布局和形状，解决文本描述与生成场景不一致的问题。
高效的可解释变换器用于反事实公平性
机构 * Acturial and Risk Mangament Sciences, University of Illinois Urbana-Champaign（精算与风险管理科学，伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出FCorrTransformer和CAR框架，通过特征相关性建模提升模型公平性与效率，实验证明其在不平衡分类和回归任务中表现优异。
EvoSelect：面向目标任务的高效LLM进化
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EvoSelect框架，通过迭代生成-选择-训练循环提升LLM在目标任务上的适应能力，通过最优传输和多样性机制优化数据选择，实验表明其在不同基准测试中均优于现有方法。
混合扩散用于同时符号化和连续规划
机构 * Department of Mechanical and Industrial Engineering, Norwegian University of Science and Technology (NTNU)（挪威科学技术大学机械与工业工程系） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Harvard University（哈佛大学）
AI总结 本文提出混合扩散方法，结合离散变量扩散和连续扩散，提升机器人长周期任务规划性能，实现符号计划与连续轨迹生成的协同优化。
Comments 10 pages, 11 figures. This work has been submitted to the IEEE for possible publication. See https://sigmundhh.com/hybrid_diffusion/ for the project website
Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 4, pp. 4489-4496, April 2026
PSI-Bench：迈向临床导向且可解释的抑郁症患者模拟器评估
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； VinUniversity（文大学）
AI总结 本文提出PSI-Bench框架，用于评估抑郁症患者模拟器的行为，发现现有模拟器存在响应过长、情绪处理不充分等问题，且框架对仿真质量影响大于模型规模。
通过多重检验原则检测大语言模型中的幻觉
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta
AI总结 本文提出通过多重检验方法系统整合多个评估分数，实现受控的幻觉检测，验证了方法在不同模型和数据集上的鲁棒性。
Comments 14 pages, 2 figures
助手，而非架构师：大语言模型在联网系统设计中的作用
机构 * Georgia Tech（佐治亚理工学院） ； UIUC（伊利诺伊大学香槟分校） ； UT Austin（得克萨斯大学奥斯汀分校） ； Brown University（布朗大学）
AI总结 本文探讨了大语言模型在联网系统架构设计中的局限性，并提出Kepler框架，结合专家驱动的规范与SMT优化，实现可行的设计方案并支持可解释的设计探索。
IAM：基于身份的人体运动与形状联合生成
机构 * UIUC（伊利诺伊大学香槟分校） ； Meta Reality Labs（Meta现实实验室） ； Brown University（布朗大学）
AI总结 本文提出一种基于身份的人体运动与形状联合生成框架，通过多模态信号建模身体形态与运动动态的关系，提升运动真实性和身份一致性。
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