高校专区
Sima AIunty: LLM驱动的匹配中阶级审计
机构 * 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 研究通过实世界婚姻资料审计LLM在匹配中的阶级偏见，发现同阶级匹配评分更高，揭示现有阶级体系在AI决策中的再现，需制定文化导向的评估与干预策略。
让深渊回望：面向自主科学发现的适应性反驳
机构 * Texas A&M University（德克萨斯农工大学） ； VecTrue AI ； Worcester Polytechnic Institute（伍斯特理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 本文提出DASES框架，通过适应性反驳机制推动科学发现，发现超越合成环境的损失FNG-CE，在标准基准上表现优异。
Comments 15 pages, 1 figures, 4 tables
HandX：扩展双臂运动和交互生成
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Specs Inc.（Specs公司） ； Snap Inc.（Snap公司）
AI总结 本文提出HandX，通过整合数据、标注和评估，解决双臂运动生成中精细指节动态和协作的不足，验证了大模型在生成高质量双臂运动中的有效性。
Comments CVPR 2026. Project Page: https://handx-project.github.io. Code: https://github.com/handx-project/HandX
线性回归与线性神经网络中迁移学习的期望误差界
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta
AI总结 本文研究了迁移学习中辅助数据提升主任务泛化能力的理论条件，针对线性回归和欠参数化线性神经网络，推导了泛化误差的闭式表达式和非渐近误差界，提供了任务权重优化方法和一致性保证。
数据即一切：马尔可夫链跟车（MC-CF）模型
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Northwestern University（西北大学）
AI总结 本文提出基于经验概率范式的MC-CF模型，通过马尔可夫过程模拟状态转移，利用经验分布预测加速，证明其在轨迹预测和自然驾驶行为建模中优于传统物理模型。
ImagenWorld: 通过可解释的人类评估对图像生成模型进行压力测试，针对开放性现实任务
机构 * University of Waterloo（滑铁卢大学） ； G-G-G ； Comfy Org ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Independent（独立研究者）
AI总结 ImagenWorld通过3600个条件集评估14个模型，揭示编辑任务比生成任务更难，艺术和照片实感领域表现优异，但符号和文本密集领域表现较差，现代VLM指标在Kendall准确性上达0.79，但无法实现细粒度可解释性误差归因。
Comments Published in ICLR 2026
无需视觉：利用分布式节点加密流量进行地理推断
机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； DEVCOM Army Research Laboratory（DEVCOM陆军研究实验室） ； 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GraySense框架，通过分析加密无线视频传输流量中的包大小，实现无原始数据的地理物体跟踪，实验显示在无原始信号访问情况下，跟踪误差达2.33米。
MM-DADM：多模态药物感知扩散模型用于虚拟临床试验
机构 * Zhejiang University（浙江大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出MM-DADM，一种多模态药物感知扩散模型，用于生成个性化药物诱导ECG。通过动态交叉注意模块融合外部物理知识，解决形态真实性和病理灵活性的平衡问题，并利用因果特征编码器提取纯药理表示，提升模拟准确性和召回率。
Comments Under review
STRIDE：当语音识别与序列去噪相结合用于流媒体视频理解
机构 * UIUC（伊利诺伊大学厄巴纳-香槟分校） ； KAIST（韩国科学技术院） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出STRIDE方法，通过结构化序列建模解决流媒体视频中的主动激活问题，提升在线流媒体场景下的'何时说话'决策质量。
Comments Project page: https://interlive-team.github.io/STRIDE
激励时间感知的自体视频理解模型
机构 * Virginia Tech（弗吉尼亚理工大学） ； Apple（苹果公司） ； Harvard University（哈佛大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； UC Davis（加州大学戴维斯分校）
AI总结 本文提出TGPO算法，通过强化学习提升多模态大语言模型在自体视频理解中的时间感知能力，实验表明其在时间接地和因果连贯性方面优于现有方法。
Comments 11 pages, 4 figures
BRIDGE：用于评估大语言模型理解现实世界临床实践文本的基准测试
机构 * Brigham and Women's Hospital（布莱根妇女医院） ； Harvard Medical School（哈佛医学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Massachusetts Institute of Technology（麻省理工学院） ； Mayo Clinic（梅奥诊所） ； Harvard T.H. Chan School of Public Health（哈佛大学陈曾熙公共卫生学院） ； Harvard University（哈佛大学） ； Stanford University（斯坦福大学） ； Beth Israel Deaconess Medical Center（贝斯以色列女执事医疗中心） ； Kempner Institute for the Study of Natural and Artificial Intelligence（肯普纳自然与人工智能研究所） ； Broad Institute of MIT and Harvard（博德研究所） ； Harvard Data Science Initiative（哈佛数据科学计划）
AI总结 本文提出BRIDGE基准测试，涵盖9种语言的87项任务，涵盖患者护理全过程的六个临床阶段和20种应用，评估95种LLM在不同推理策略下的性能差异，展示开源模型与专业模型的性能对比。
可扩展的神经网络验证与分支界限推导切割平面
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； RWTH Aachen University（亚琛工业大学）
AI总结 本文提出BICCOS方法，通过神经网络验证问题的结构生成高效可扩展的切割平面，利用分支界限搜索树中的逻辑关系生成约束，提升验证效率和可扩展性。
Comments Accepted by NeurIPS 2024. BICCOS is part of the alpha-beta-CROWN verifier, the VNN-COMP 2024 winner; fixed Theorem 3.2 and clarified experimental results
LSM-GNN: 基于大规模存储的多GPU GNN训练方法通过优化数据传输方案
机构 * NVIDIA（英伟达） ； NVIDIA/UIUC（英伟达/伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出LSM-GNN框架，通过优化数据传输方案提升多GPU环境下GNN训练效率，实验表明其在单节点双GPU配置下优于双节点四GPU的Dist-DGL基线，实现端到端训练时间的3.75倍加速。
BHCast: 从单张模糊图像解锁黑洞等离子体动力学的长期预测
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； NVIDIA（英伟达）
AI总结 BHCast通过单张模糊图像预测黑洞等离子体动力学，结合多尺度金字塔损失实现超分辨率和长期稳定预测，提取时空特征并利用梯度提升树恢复黑洞属性。
Comments CVPR 2026
测量基于概念的解释的（不）忠实性
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文研究了基于概念的解释方法的忠实性，提出Surrogate Faithfulness方法以评估其忠实度，发现许多视觉上吸引人的U-CBEMs并不忠实。
Comments To appear in CVPR 2026
KMM-CP：通过选择性核均值匹配实现协变量偏移下的实用符合预测
机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校西贝尔计算与数据科学学院）
AI总结 本文提出KMM-CP框架，通过核均值匹配修正协变量偏移，利用RKHS矩差异控制偏差方差，提升低支持重叠区域的稳定性，实验显示覆盖差距减少超50%。
在自监督变压器中发现分布式以对象为中心的属性
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Queensland（昆士兰大学） ； UC Merced（加州大学默塞德分校）
AI总结 本文分析了自监督视觉变压器中对象中心属性的分布式编码机制，提出Object-DINO方法通过聚类注意力头提升无监督对象发现和多模态大语言模型的视觉 grounding。
Comments Computer Vision and Pattern Recognition (CVPR) 2026
释放无需分类器的人-物体交互动画
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Snap Inc.（Snap公司）
AI总结 本文提出LIGHT方法，通过数据驱动的方式生成真实的人-物体交互动画，利用去噪速度自身产生指导，无需手动设计先验。实验表明其在接触精度和动画生成方面优于传统方法。
Comments Project Page: http://ziyinwang1.github.io/LIGHT
学习排名图注链以实现视频-文本对齐
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon Prime Video（亚马逊Prime Video）
AI总结 本文提出通过重复图注退化生成大规模挑战性图注链，改进视频-文本对齐的排名优化方法，优于二元DPO并在长形式内容生成中表现更优，需对视觉编码器进行微调。
随机光线追踪用于3D高斯点云重建
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Adobe Research（Adobe 研究院） ； Canva Research（Canva 研究院）
AI总结 本文提出一种无排序的随机光线追踪方法，用于重建和渲染标准及可照明的3D高斯点云场景，提升了重建质量和速度。
Comments Project Page: https://xupaya.github.io/stoch3DGS/
OWLEYE：跨域图数据异常检测的零样本学习者
机构 * Virginia Tech（弗吉尼亚理工大学） ； Meta AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 OWLEYE提出一种跨域图数据异常检测框架，通过跨域特征对齐模块、多域多模式字典学习和截断注意力重构模块，实现零样本学习和持续学习能力，提升异常检测性能与泛化能力。
Comments Accepted by ICLR 2026
验证阈值：一种高效的测试时间扩展方法用于图像生成
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； AMD（超威半导体公司） ； Stony Brook University（石溪大学）
AI总结 本文提出Verifier-Threshold方法，通过自动重新分配测试时间计算，提升图像生成模型的效率，在GenEval基准上实现2-4倍的计算时间减少。
Comments ICLR 2026 ReALM-Gen and DeLTa
SMILES-Mamba：用于药物ADMET预测的化学Mamba基础模型
机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； Stanford University（斯坦福大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Washington（华盛顿大学） ； Virginia Tech（弗吉尼亚理工大学）
AI总结 SMILES-Mamba通过自监督预训练和微调策略，利用未标记和标记数据预测药物ADMET属性，在22个数据集上表现优异，提升分子属性预测准确性并减少对大规模标注数据的依赖。
MindSet: Vision. 一个用于测试DNN在关键心理实验上的工具箱
机构 * Independent（独立研究） ； University of Bristol（布里斯托大学） ； IT University of Copenhagen（哥本哈根信息技术大学） ； SUNY Albany（纽约州立大学奥尔巴尼分校） ； Cambridge University（剑桥大学） ； Universidad de Tarapacá（塔拉帕卡大学） ； Ernst Strüngmann Institute for Neuroscience（恩斯特·斯特朗曼神经科学研究所） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Sussex（萨塞克斯大学）
AI总结 本文提出MindSet: Vision工具箱，包含30项心理发现的图像数据集及测试DNN的三种方法，旨在评估DNN与人类视觉的对齐程度。
Comments 34 pages, 12 figures. Updated version with additional model evaluations
在生成过程中剪枝：用于更快更好RLVR的在线回滚剪枝
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊）
AI总结 本文提出arrol方法，通过在生成过程中剪枝回滚，提高RLVR的训练效率和准确性，实验显示在Qwen-3和LLaMA-3.2模型上平均准确率提升2.30至2.99，训练速度提升1.7倍，测试时扩展性提升8.33。
Comments 17 pages, 4 figures
一种解释时间序列深度临床预测模型的实用指南：可重复性研究
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； PyHealth ； University of Illinois College of Medicine（伊利诺伊大学医学院）
AI总结 本文通过评估不同临床预测任务和模型架构的可解释性方法，发现注意力机制能有效提升解释性，而黑盒解释器在时间序列任务中不可行，同时指出部分方法不可靠，提出改进临床预测流水线的指导原则。
Comments Under Review
自适应在线镜像下降法用于多目标学习中的切比雪夫标量化
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The University of Hong Kong（香港大学） ； City University of Hong Kong（城市大学）
AI总结 本文提出自适应在线镜像下降算法(AdaOMD-TCH)，用于多目标学习中的切比雪夫标量化，通过自适应在线到批量转换提升解的最优性，实现$\mathcal O(\sqrt{\log m/T})$收敛速度。
Comments TMLR 2026
向量数据库的全面综述：存储与检索技术、挑战
机构 * Sichuan University（四川大学） ； Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； National Science Library (Chengdu), Chinese Academy of Sciences（中国科学院成都科学图书馆） ； University of Chinese Academy of Sciences（中国科学院大学） ； Portland State University（波特兰州立大学） ； Great Bay University（大湾大学） ； Terminus Group（Terminus集团） ； University of Kansas（堪萨斯大学） ； University of Macau（澳门大学） ； Arizona State University（亚利桑那州立大学）
AI总结 本文综述了向量数据库的核心设计与算法，分析了存储与检索技术的演变，比较了主流架构并探讨了与大语言模型整合的新兴方向，为研究者提供系统参考。
DART：一种用于资源高效稳健联邦学习的服务器端插件
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 DART是一种服务器端插件，通过在不增加客户端开销的情况下提升联邦学习的鲁棒性，适用于资源受限环境下的稳健联邦学习部署。
可变长度音频指纹识别
机构 * Dolby Laboratory（Dolby实验室） ； The University of New South Wales（新南威尔士大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出可变长度音频指纹识别方法，解决传统固定长度音频指纹的局限性，提升实时音频识别与检索性能。
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