高校专区
抓取、滑动、滚动：基于触觉的形状重建接触模式比较分析
机构 * Amazon Fulfillment Technologies & Robotics（亚马逊履行技术与机器人） ； Robotics Institute at Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Siebel School of Computing and Data Science, University of Illinois at Urbana-Champaign（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 本文提出基于触觉的形状重建方法，通过比较抓取、滑动和滚动三种接触模式，提升触觉数据采集效率，实现更快速准确的物体形状重建。
Comments 8 pages, 11 figures, Accepted by ICRA 2026
RepSPD: 通过动态图增强EEG的SPD流形表示
机构 * Information Science and Techinology, Hokkaido University, Japan（信息科学与技术，北海道大学，日本） ； SANKEN, The University of Osaka, Japan（SANKEN，大阪大学，日本） ； Great Bay University, China（大湾大学，中国） ； Department of Computer Science, University of Illinois Urbana-Champaign, USA（计算机科学系，伊利诺伊大学厄巴纳-香槟分校，美国）
AI总结 RepSPD通过动态图增强EEG的SPD流形表示，利用交叉注意力机制和全局双向对齐策略提升几何一致性与鲁棒性。
dLLM：简单的扩散语言建模
机构 * UC Berkeley（伯克利大学） ； UIUC（伊利诺伊大学香槟分校）
AI总结 dLLM提供了一个统一的开源框架，用于标准化和灵活扩展扩散语言建模的核心组件，同时提供可重现的食谱以加速小型DLMs的研究与开发。
Comments Code available at: https://github.com/ZHZisZZ/dllm
面向$f$-散度正则化上下文带机的精确分析
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文研究了$f$-散度正则化上下文带机的样本复杂度分析，首次在单一策略可集中性下实现了$\tilde{O}(ε^{-1})$的样本复杂度，并提出了近似匹配的下界。
Comments 35 pages
Tool-R0：从零数据自我进化的大语言模型代理用于工具学习
机构 * UIUC（伊利诺伊大学香槟分校） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 Tool-R0通过自我对抗强化学习从零数据训练通用工具调用代理，实现92.5%的性能提升并超越完全监督基线。
关于垂直联邦学习（VFL）的推断（不）安全性的推断：针对推断篡改攻击的高效审计
机构 * Key Laboratory of High-Confidence \ Technologies (MOE) School of Computer Science Peking University Beijing China ； Department of Computer Science, University of Illinois Urbana-Champaign Champaign Illinois USA ； Department of Computer Science, Illinois Institute of Technology Chicago Illinois USA ； Key Laboratory of High-Confidence \ Technologies (MOE) School of Computer Science Peking University ； Department of Computer Science, University of Illinois Urbana-Champaign ； Department of Computer Science, Illinois Institute of Technology
AI总结 本文提出VeFIA框架，用于检测垂直联邦学习中的推断篡改攻击，通过可信执行环境验证数据方计算结果的正确性，有效提升安全性和隐私保护。
神经符号生成机器人策略的解释性说明以加权信号时序逻辑
机构 * The Grainger College of Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校格拉inger工程学院）
AI总结 本文提出神经符号生成方法，通过加权信号时序逻辑生成简洁、一致且严格的解释，提升机器人策略的可解释性和安全性。
Journal ref IEEE Robotics and Automation Letters, vol. 11, pp. 3963-3970, 2026
UFO: 为大驾驶场景建模统一前馈和基于优化的方法
机构 * Xiaomi EV（小米电动车） ； UIUC（伊利诺伊大学香槟分校）
AI总结 UFO通过结合优化和前馈方法，实现了高效长距离4D驾驶场景重建，能够在0.5秒内高质量重建16秒驾驶日志。
蛋白质语言模型偏离自然语言：比较分析与改进推理
机构 * Siebel School of Data Science and Computing（数据科学与计算系） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； DOE Center for Advanced Bioenergy and Bioproducts Innovation（能源与生物产品创新部门） ； Chemical and Biomolecular Engineering（化学与生物分子工程系）
AI总结 本研究通过比较蛋白质与自然语言领域中信息分布差异，改进蛋白质非结构性质预测的准确性和效率。
视觉-语言模型中的电路追踪：理解多模态思维的内部机制
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出首个透明电路追踪框架，用于分析视觉-语言模型的多模态推理机制，揭示不同视觉特征电路在数学推理和跨模态关联中的作用。
Comments To appear in the Findings of CVPR 2026
多模态多智能体赋能的法律判决预测
机构 * Peking University（北京大学） ； Chengdu Minto Tech（成都Minto科技） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Macau（澳门大学） ； Tsinghua university（清华大学） ； Zhejiang University（浙江大学）
AI总结 本文提出JurisMMA框架，通过多模态多智能体技术提升法律判决预测的准确性，并构建了包含大量司法记录的JurisMM数据集，验证了其在法律领域应用的广泛有效性。
Comments Accepted to the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP) 2026
从样本到场景：概率预测的新范式
机构 * ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC研究院） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； School of Software, Tsinghua University（清华大学软件学院）
AI总结 本文提出概率场景范式，通过直接生成场景与概率对，改进概率预测模型，实现更高效和准确的预测效果。
Comments Accepted by ICLR 2026
Shop-R1: 通过强化学习奖励大语言模型模拟在线购物中的人类行为
机构 * Michigan State University（密歇根州立大学） ； Amazon（亚马逊） ； Northeastern University（东北大学） ； 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 Shop-R1通过强化学习框架提升大语言模型在在线购物场景中模拟人类行为的推理能力，实现65%以上的性能提升。
Comments Accepted by ICLR 2026. The project page is available at https://damon-demon.github.io/shop-r1.html
Vinedresser3D: 基于代理的文本引导3D编辑
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 Vinedresser3D通过多模态大语言模型和潜在空间编辑技术实现高质量文本引导的3D编辑，提升编辑精度与一致性。
Comments CVPR 2026, Project website:https://vinedresser3d.github.io/
ODESteer: 一种基于常微分方程的统一激活引导框架用于大语言模型对齐
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） ； William & Mary（威廉与玛丽学院） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学）
AI总结 ODESteer通过基于常微分方程的理论框架，统一了激活引导方法，实现了在大语言模型对齐中的显著性能提升。
Comments Accepted by ICLR 2026 (Camera Ready Version)
BEAT：通过对比触发学习对基于VLM的具身代理进行视觉后门攻击
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 BEAT通过对比触发学习在基于VLM的具身代理中实现视觉后门攻击，提升后门激活精度至39%。
Comments ICLR 2026. Project Page: https://zqs1943.github.io/BEAT/
面向角色的语言模型：用于组织中的安全且上下文化的访问控制
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； Nazarbayev University（纳扎尔拜耶夫大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； New York University Abu Dhabi（纽约大学阿布扎克分校）
AI总结 本文提出面向角色的语言模型，通过三种策略实现基于组织角色的安全访问控制，并通过实验验证其在不同组织结构下的性能和鲁棒性。
Comments AACL 2025 - Main
要训练一个好的模型，需要一个好的模型：通用高斯先验用于优化的大型语言模型
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； 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） ； Computer Science, New York University Shanghai（纽约大学上海分校计算机科学系）
AI总结 本文提出基于广义高斯分布的初始化和训练方法，通过减少冗余和通信开销，提升大型语言模型的训练效率和性能。
SAGE: 适用于具身人工智能的可扩展代理3D场景生成
机构 * NVIDIA ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Cornell University（康奈尔大学） ； Stanford University（斯坦福大学）
AI总结 SAGE通过代理框架生成可扩展的3D环境，用于具身人工智能的策略训练和泛化能力提升。
Comments Project Page: https://research.nvidia.com/labs/dir/sage/
信息论视角下的未测量混杂因素下的因果界限
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出了一种信息论框架，通过数据驱动的方法在未测量混杂因素下实现因果效应的精确识别，无需外部参数或假设。
通过社交媒体的纵向和信息环境信号检测早期和隐性自杀念头
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Columbia Irving Medical Center（哥伦比亚大学伊万尼兹医疗中心） ； New York State Psychiatric Institute（纽约州精神医学研究所）
AI总结 通过分析社交媒体用户的纵向发帖和同伴互动，利用DeBERTa-v3模型提升早期隐性自杀念头检测性能。
Journal ref Proceedings of the 18th ACM Conference on Web Science (WebSci), 2026
跟随你的形状：通过轨迹引导的区域控制实现形状感知图像编辑
机构 * HKUST（香港科技大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 Follow-Your-Shape通过轨迹引导的区域控制实现精准形状编辑，无需训练和掩码，提升大规模形状变换任务的编辑性和视觉保真度。
Comments Accepted to ICLR 2026. Project webpage is available at https://follow-your-shape.github.io/
超图作为加权有向自环图：谱性质、聚类、切比雪夫不等式
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta
AI总结 本文提出了一种基于随机游走的超图谱聚类算法HyperClus-G，解决了EDVW超图的谱理论、聚类和切比雪夫不等式问题。
Comments Accepted by TMLR. 28 pages
面向 omnidirectional 倾转旋翼的几何反推控制：结合伺服旋翼动力学以提高对突发干扰的鲁棒性
机构 * Department of Aerospace Engineering, Seoul National University (SNU)（航空航天工程系，首尔国立大学） ； Robotics Institute, Carnegie Mellon University（机器人研究所，卡内基梅隆大学） ； Department of Mechanical Science and Engineering, University of Illinois Urbana-Champaign（机械科学与工程系，伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出了一种结合伺服旋翼动力学的几何反推控制器，用于提高 omnidirectional 多旋翼在突发干扰下的鲁棒性和跟踪性能。
Comments Accepted to ICRA 2026
保留影响的梯度基数据选择代理
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 Iprox通过两阶段框架直接从目标模型生成保留影响的代理，有效提升LLM微调中基于梯度的数据选择效率。
社会交互语言模型间的神经同步
机构 * Peking University（北京大学） ； Eastern Institute of Technology（东部技术研究所） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究通过分析社会交互语言模型间的神经同步，探讨其社会行为表现与神经同步的关联性，揭示了人类与语言模型社会互动的内在相似性。
Comments Accepted at ICLR 2026
结构增强的推理生成
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 结构增强的推理生成通过显式推理结构提升多跳查询的准确性和连贯性，兼容现有RAG流程，无需定制检索器或微调。
AstroMLab 4: 在天文学问答中通过700亿参数领域专用模型实现基准顶级性能
机构 * Institute of Particle ； Nuclear Studies (IPNS), High Energy Accelerator Research Organization (KEK), Tsukuba, Ibaraki 305-0801, Japan ； International Center for Quantum-field Measurement Systems for Studies of the Universe ； Particles (QUP-WPI), High Energy Accelerator Research Organization (KEK), Tsukuba, Ibaraki 305-0801, Japan ； Department of Astronomy, The Ohio State University, Columbus, OH, USA ； Center for Cosmology ； AstroParticle Physics (CCAPP), The Ohio State University, Columbus, OH, USA ； National Center for Computational Sciences, Oak Ridge National Laboratory, Oak Ridge, TN, USA ； Department of Computer ； Information Science, University of Pennsylvania, Philadelphia, PA, USA ； Center for Astrophysics, Harvard \& Smithsonian, Cambridge, MA, USA ； Siebel School of Computing ； Data Science, University of Illinois at Urbana-Champaign, Urbana-Champaign, IL, USA ； Computational Science Division, Argonne National Laboratory, Lemont, IL, USA
AI总结 AstroSage-Llama-3.1-70B通过700亿参数领域专用模型在天文学问答中实现顶级性能，优于GPT-5.2等通用模型。
面向个性化学习的教师对齐知识图谱
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 InstructKG通过自动构建教师对齐的知识图谱，捕捉课程预期的学习进程，以支持个性化学习。
ReIn：基于推理 inception 的对话错误恢复
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊公司）
AI总结 ReIn通过推理inception方法实现对话错误恢复，无需修改模型参数或提示，提升任务成功率并泛化到未见错误类型。
Comments ICLR 2026
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