高校专区
利用大语言模型实现索赔自动化
机构 * Actuarial and Risk Management Sciences, University of Illinois at Urbana-Champaign（保险与风险管理科学系，伊利诺伊大学厄巴纳-香槟分校） ； PCMI Corporation（PCMI公司）
AI总结 本文提出利用大语言模型进行索赔自动化，通过领域特定微调显著提升保险领域纠正措施建议的准确性。
Comments 46 pages, 12 figures. Code and data processing pipeline described
简单自组织映射与视觉变换器
机构 * Siebel School of Computing & Data Sciences at the 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） ； Safari AI Inc.（Safari AI公司）
AI总结 本文提出将视觉变换器与自组织映射结合，以提升小数据集上的性能，通过相互赋能实现无监督和监督任务的性能提升。
Comments 5 pages, 4 figures. Submitted to IEEE. All experiments and code work were performed by the first author, with the second author serving in a PI/mentor role, guiding the progression of the work
Journal ref IEEE Signal Processing Letters, 2025, pp. 331-335
SPARC：面向自动化C单元测试生成的场景规划与推理
机构 * Bangladesh University of Engineering and Technology（孟加拉工程科技大学） ； National Taiwan University（台湾国立大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 SPARC通过神经符号方法和场景规划，提升C语言单元测试生成的覆盖率和代码质量，显著优于传统方法。
Comments 9 pages, 6 figures, 4 tables
多跳问答的MultiCube-RAG
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Korea University（韩国大学）
AI总结 MultiCube-RAG通过多维立方体结构实现多跳问答的高效推理与检索，提升响应准确率并增强可解释性。
Comments 12 pages
通过难度目标在线数据选择和回放提升大语言模型强化微调的数据效率
机构 * UIUC（伊利诺伊大学香槟分校） ； New York University（纽约大学） ； University of Texas at Austin（得克萨斯大学奥斯汀分校） ； Microsoft（微软）
AI总结 本文提出通过难度目标在线数据选择和回放机制提升大语言模型强化微调的数据效率，实验表明可减少62%的微调时间并保持同等性能。
Comments Accepted at NeurIPS 2025
构建用于科学领域异常检测的机器学习挑战
机构 * The Ohio State University（俄亥俄州立大学） ； University of Washington（华盛顿大学） ； MIT（麻省理工学院） ； Lawrence Berkeley National Laboratory（伯克利国家实验室） ； Duke University（杜克大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Maryland Baltimore County（马里兰大学巴尔的摩县分校） ； University of Colorado, Boulder（科罗拉多大学博尔德分校） ； University of Minnesota（明尼苏达大学） ； Princeton University（普林斯顿大学） ； University of Arkansas for Medical Sciences（亚拉巴马医学科学大学） ； University of Zürich（苏黎世大学）
AI总结 本文提出三个跨学科数据集，旨在开发基于机器学习的异常检测方法，以推动科学发现。
Comments 17 pages 6 figures to be submitted to Nature Communications
使用混合空间专家进行大语言模型的参数高效微调
机构 * Yale university（耶鲁大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Hong Kong University of Science（香港科学大学） ； Xi’an Jiaotong University（西安交通大学） ； Central University of Finance（中央财经大学）
AI总结 本文提出MoSLoRA，通过混合多种几何空间提升大语言模型的参数高效微调效果，实验显示在多个基准测试中表现优于现有方法。
Comments 15 pages, 11 figures
高效高振荡算子的张量补全算法
机构 * Department of Computer Science, University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Lawrence Berkeley National Laboratory（伯克利国家实验室） ； Applied Mathematics and Computational Research Division（应用数学与计算研究部）
AI总结 本文提出高效的蝴蝶格式张量补全算法，通过低秩矩阵补全生成初始猜测，实现高振荡算子的快速准确重建。
OpenTSLM：用于多变量医学文本和时间序列数据推理的时间序列语言模型
机构 * Stanford Mussallem Center for Biodesign（斯坦福 Mussallem 生物设计中心） ； Centre for Digital Health Interventions（数字健康干预中心） ； Agentic Systems Lab（代理系统实验室） ； National University of Singapore（新加坡国立大学） ； Microsoft（微软） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Google Research（谷歌研究） ； Stanford University（斯坦福大学） ； Amazon（亚马逊） ； Division of Cardiovascular Medicine（心血管医学部） ； Division of Cardiology（心内科部） ； Pediatric Cardiology（儿童心内科） ； University of Washington（华盛顿大学）
AI总结 OpenTSLM通过整合时间序列作为原生模态，提升对多变量医学文本和时间序列数据的推理能力，其模型在多个任务中均优于基线模型。
GelSLAM：一种实时、高保真度和鲁棒的3D触觉SLAM系统
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 GelSLAM通过触觉传感实现实时高保真3D SLAM，以高精度重建物体形状并提升手部操作任务的鲁棒性。
Comments 20 pages
FGBench: 一个用于大语言模型中功能基团级分子属性推理的数据集和基准
机构 * Department of Chemical and Biomolecular Engineering, University of Illinois Urbana-Champaign（化学与生物分子工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Computer Science, University of Illinois Urbana-Champaign（计算机科学系，伊利诺伊大学厄巴纳-香槟分校）
AI总结 FGBench通过构建包含功能基团级信息的数据集，提升大语言模型在分子属性推理任务中的能力。
Comments NeurIPS 2025 (Datasets and Benchmarks Track)
基于化学领域的检索增强生成基准测试
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Siebel计算与数据科学学院） ； National Library of Medicine, National Institutes of Health（美国国立卫生研究院国家医学图书馆）
AI总结 本文提出ChemRAG-Bench和Toolkit，用于评估RAG在化学领域的有效性，并展示RAG在化学任务中比直接推理方法有17.4%的性能提升。
Comments Accepted to COLM 2025
基于上下文的量子神经网络用于股票价格预测
机构 * Department of Electrical and Computer Engineering, University of Illinois at Urbana-Champaign（电气与计算机工程系，伊利诺伊大学厄巴纳-香槟分校） ； Fujitsu Research of America（富士通美国研究）
AI总结 本文提出基于上下文的量子神经网络，利用量子批量梯度更新和多任务学习架构，提升多资产股票预测的精度和效率。
Journal ref Mourya, S., Leipold, H., & Adhikari, B. (2026). Contextual quantum neural networks for stock price prediction. Scientific Reports, 16, Article 34413
人类偏好获取的最优设计
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； AWS AI Labs（AWS人工智能实验室） ； UIUC（伊利诺伊大学香槟分校） ； Adobe Research（Adobe研究）
AI总结 本文提出了一种基于最优设计的人类偏好获取方法，通过高效算法和实验验证，提升了偏好模型学习的效率和实用性。
Comments Advances in Neural Information Processing Systems 37
通过自我进化实现Rust代码的自动证明生成
机构 * Peking University（北京大学） ； Microsoft Research（微软研究院） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Columbia University（哥伦比亚大学） ； University of California Irvine（加州大学 Irvine 分校）
AI总结 SAFE框架通过自我进化循环和自我调试机制，提升开源模型自动编写Rust代码证明的能力，准确率达52.52%
tLoRA: 一种高效的多LoRA训练方法与弹性共享超模型
机构 * 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（计算与数据科学学院）
AI总结 tLoRA通过弹性共享超模型实现多LoRA任务高效训练，提升吞吐量和GPU利用率
随机投影对影响函数的统一理论
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出了一种统一理论，探讨随机投影在保持影响函数时的条件，并提供了选择草图大小的指导。
Comments 46 pages, 4 figures
对离散扩散语言模型进行水印标记
机构 * University of Pennsylvania（宾夕法尼亚大学） ； 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 本文提出了一种针对离散扩散语言模型的水印标记方法，通过保持分布的Gumbel-max采样技巧和序列位置播种随机性，实现了可靠检测和无失真水印。
机构 * Department of Statistics, University of Illinois at Urbana Champaign（统计系，伊利诺伊大学厄巴纳-香槟分校）
AttentionRetriever: 注意力层其实是秘密的长文档检索器
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 AttentionRetriever通过结合注意力机制和实体检索，实现高效长文档检索，优于现有方法并保持高效性能。
可证明收敛的约束语言模型对齐的对偶直接偏好优化
机构 * SUTD ESD（新加坡科技设计大学电子与计算机工程系） ； UIUC ECE（伊利诺伊大学厄巴纳-香槟分校电子与计算机工程系）
AI总结 本文提出了一种可证明收敛的约束LLM对齐方法，通过改进的DPO技术减少训练模型数量和内存消耗，同时保证约束条件和优化性能。
压力测试揭示视频-语言模型中脆弱的时间与视觉基础
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） ； Qualtrics ； iManage ； NVIDIA ； Amazon Science（亚马逊科学） ； Capital One
AI总结 REVEAL{}通过五个压力测试揭示视频-语言模型在时间与视觉基础方面的脆弱性，展示其在处理视频内容、时间序列和运动方面的不足。
量子信息处理中的隐私与效用权衡
机构 * Department of Mathematics, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校数学系）
AI总结 本文研究了量子信息处理中隐私与效用的权衡，提出通过去极化机制优化隐私-效用平衡，并展示了私有学习可观测量期望值所需的样本数与隐私和准确性参数的关系。
Comments 23 pages, 2 figures
版权侦探：一种用于证据LLM闪烁版权泄露风险的取证系统
机构 * Pine AI ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Duke University（杜克大学） ； University of Michigan（密歇根大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Notre Dame（圣母大学） ； The Pennsylvania State University（宾夕法尼亚州立大学）
AI总结 Copyright Detective 是一种交互式系统，用于检测和可视化LLM输出中的版权风险，通过整合多种检测方法实现系统性审计。
从碎片到整合：探索面向人类作为单元的隐私管理的AI代理设计空间
机构 * Northeastern University（东北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文通过研究用户隐私管理挑战，提出九个AI代理概念，发现后分享管理工具在用户信任度上表现突出，展示了AI代理在整合隐私管理中的潜力。
Journal ref CHI 2026
超越语言的设计：AI健康技术中有限英语能力的社技术障碍
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文探讨了AI健康技术中有限英语能力患者的社技术障碍，通过访谈分析了人工智能在护理流程中的影响及设计考虑。
Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems
从偏好到偏见：对齐调谐在视频扩散模型中塑造社会偏见的作用
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； 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） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Microsoft（微软公司）
AI总结 本文研究了对齐调谐在视频扩散模型中如何塑造社会偏见，提出VideoBiasEval框架以评估和缓解偏见，揭示了对齐调谐使偏见更稳定且刻板化的现象。
Comments TMLR
基于图的神经动力学模型用于地形操控
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Columbia University（哥伦比亚大学）
AI总结 本文提出基于图的神经动力学模型，通过局部化粒子图实现高效地形操控，提升预测精度和计算效率。
FM SO.P: 一种具有自动评估的渐进式任务混合框架用于跨域SOP理解
机构 * Amazon（亚马逊） ； 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）
AI总结 FM SO.P提出了一种渐进式任务混合框架和自动评估系统，以提升跨领域SOP理解的准确性和泛化能力。
Gencho：通过扩散变压器从混响语音和文本生成房间脉冲响应
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） ； University of Maryland（马里兰大学） ； MIT（麻省理工学院）
AI总结 Gencho通过扩散变压器模型从混响语音和文本生成房间脉冲响应，实现了更灵活和逼真的声学模拟与生成。
Comments In Proc. of the IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) 2026. Audio examples available at https://linjac.github.io/Gencho/
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