高校专区
从可理解到不可理解的轨迹：考虑多个观察者的（不）可理解运动规划
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MMLO-LMP问题，设计DUBIOUS算法，实现对不同动机观察者的轨迹可理解性与可见性限制的平衡。
Comments 17 pages, 5 figures
FlyAOC：评估代理本体编纂的果蝇科学知识库
机构 * University of Michigan（密歇根大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学）
AI总结 FlyAOC通过FlyBench评估AI代理在从科学文献中进行端到端本体编纂的能力，发现多代理设计性能更优，但模型规模扩大效益递减。
RuleFlow : 利用LLMs生成可重用的程序优化
机构 * University of Illinois Urbana-Champaign, USA（伊利诺伊大学厄巴纳-香槟分校）
AI总结 RuleFlow通过结合LLMs与编译器技术，实现了高效的Pandas程序优化，达到新的SOTA水平。
为自己铺路：基于融合的Gromov-Wasserstein测地线的图渐进域适应
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 提出Gadget框架，通过融合Gromov-Wasserstein测地线实现非IID图数据的渐进域适应，提升图DA方法的准确率。
Comments 35 pages, 10 figures
基于交互的 contextual Markov 决策过程学习与个性化反馈
机构 * University of Iowa（爱荷华大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Southern California（南加州大学） ； Microsoft Research（微软研究院）
AI总结 本文提出了一种计算高效的算法，用于在具有个性化反馈的上下文性 Markov 决策过程中实现次线性遗憾保证，通过扩展奖励估计器构造并设计逆间隙加权算法，有效提升了多轮交互中学习个性化目标的能力。
语义感知的生成潜在数据增强用于低资源领域的学习
机构 * Siebel School of Computing（计算科学系） ； Data Science, University of Illinois Urbana-Champaign, Illinois, USA（数据科学，伊利诺伊大学厄巴纳-香槟分校，伊利诺伊州，美国）
AI总结 GeLDA通过语义感知的生成潜在数据增强方法，在低资源领域提升语音情绪识别和图像分类任务的性能。
人形机器人行为基础模型综述：下一代全身体控系统
机构 * Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系） ； LimX Dynamics ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究院、东部技术研究所） ； Department of Data and Systems Engineering, The University of Hong Kong（香港大学数据与系统工程系） ； CREATE Lab, EPFL（EPFL CREATE 实验室） ； School of System Design and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学系统设计与智能制造学院） ； ZJU-UIUC Institute, Zhejiang University（浙江大学ZJU-UIUC研究院） ； INFIFORCE Intelligent Technology Co., Ltd.（INFIFORCE智能科技有限公司）
AI总结 本文综述了人形机器人全身体控中行为基础模型的发展，探讨了其在复杂任务中的应用及未来研究方向。
Comments 19 pages, 10 figures
Journal ref IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2025
多模态数据融合用于苹果干燥中的含水率预测
机构 * Department of Mechanical Science and Engineering, University of Illinois at Urbana-Champaign, Urbana, IL 61801, USA（伊利诺伊大学厄巴纳-香槟分校机械科学与工程系） ； Department of Mechanical Engineering, University of Michigan, Ann Arbor, MI 48109, USA（密歇根大学安娜堡分校机械工程系）
AI总结 本文提出多模态数据融合框架，通过融合表格数据和图像数据提高苹果干燥含水率预测的准确性，有效降低误差并增强鲁棒性。
Comments Accepted for publication in the Proceedings of the 53rd North American Manufacturing Research Conference (NAMRC 53), to appear in Manufacturing Letters
Journal ref Manufacturing Letters Volume 44, Supplement, August 2025, Pages 1316-1325
马尔可夫链中心极限定理收敛速度研究及其在TD学习中的应用
机构 * ECE and CSL, UIUC（电子工程系和计算机科学实验室，伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文通过Stein方法和Poisson方程，研究了马尔可夫链中心极限定理的收敛速度，并将其应用于TD学习的非渐近中心极限定理证明。
Agent-Fence: 在深度研究代理中映射安全漏洞
机构 * Computer Science Department, Southern Illinois University（索尔坦大学计算机科学系） ； Computer Science Department, University of Texas（德克萨斯大学计算机科学系） ； Hanyang University（翰阳大学） ； The Grainger College of Engineering, Nuclear, Plasma & Radiological Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校格雷格尔工程学院）
AI总结 Agent-Fence通过定义14种信任边界攻击类别，评估深度代理的安全性，发现高风险类别如Denial-of-Wallet和Authorization Confusion，揭示代理在持久交互中的安全漏洞。
图同质性增强器：重新审视离散特征在异质图学习中的作用
机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 GRAPHITE通过设计图变换直接提升图同质性，有效解决异质图学习中的挑战。
Comments ICLR 2026
NeRF能否在没有摄像头的情况下看到？
机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊）
AI总结 本文提出通过重新设计NeRF来利用多路径信号推断环境，应用于从稀疏Wi-Fi测量中推断室内平面图。
CodeCircuit: 通过归因图推断LLM生成代码的正确性
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Edinburgh（爱丁堡大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； IQuest Research（IQuest研究）
AI总结 CodeCircuit通过归因图分析LLM内部结构，推断生成代码的正确性，验证内部动态信号的预测能力。
迈向材料科学的代理智能
机构 * DIRO & Institut Courtois, Université de Montréal（蒙特利尔大学DIRO与Courtois研究所） ； Mila – Quebec AI Institute（魁北克AI研究所） ； University of Waterloo（滑铁卢大学） ； Université de Sherbrooke（Sherbrooke大学） ； University of California, San Diego（加州大学圣地亚哥分校） ； The University of Tokyo, Institute of Industrial Science（东京大学工业科学研究所） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Singapore Management University（新加坡管理学院） ； The Hong Kong University of Science and Technology, Guangzhou（香港科学与技术大学（广州）） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； CIFAR AI Chair（CIFAR人工智能主席）
AI总结 本文提出以流程为中心的代理系统框架，通过整合人工智能与材料科学，推动材料发现的自主化与智能化。
Comments 81 pages
利用近端算子与哈密顿-雅可比方程之间联系的逆问题深度学习方法
机构 * Industrial and Systems Engineering, Lehigh University（工业与系统工程，莱维大学） ； Department of Mathematics, University of Illinois Urbana-Champaign（数学系，伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出利用近端算子与哈密顿-雅可比方程的联系，开发新的深度学习架构来直接学习先验，提升高维问题的求解效率。
不稳定系统的粗信息主动定位
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出了一种基于集估计器和Voronoi划分的主动定位算法，用于在粗略传感下恢复不稳定系统的初始状态并保证信息区域的稳定性。
Comments 10 pages, 4 figures, Accepted by International Conference on Hybrid Systems: Computation and Control (HSCC) 2026
M3：通过多模态、多智能体和多轮视觉推理实现高保真的文本到图像生成
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 M3通过多智能体和多轮视觉推理提升开源模型的文本到图像生成能力，超越商业系统并实现最先进的性能。
乐观训练与Q学习的收敛性——扩展版
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Florida（佛罗里达大学）
AI总结 本文研究了Q学习在不同变体下的收敛性，指出在无意识策略下PBE可能无解或有多个解，并强调收敛需要更严格的结构条件。
PackInfer: 用于批量LLM推理的计算和I/O高效注意力
机构 * Nanjing University, Nanjing, China（南京大学） ； Siebel Center for Computer Science, University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校计算机科学中心）
AI总结 PackInfer通过高效计算和I/O机制优化批量LLM推理，显著降低延迟并提升吞吐量。
InterPrior：为基于物理的人-物体交互扩展生成控制
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊）
AI总结 InterPrior通过大规模模仿预训练和强化学习微调，扩展生成控制以实现人形机器人在多样环境下泛化移动-操作技能。
Comments Webpage: https://sirui-xu.github.io/InterPrior/
DecompressionLM：从语言模型中确定性、诊断性地提取零样本概念图
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 DecompressionLM通过无状态框架实现零样本概念图提取，揭示语言模型编码内容，解决跨序列耦合、竞争解码效应和可扩展性限制问题，提升压缩模型的知识广度和事实基础评估。
连点成线：知识图谱引导的爬虫攻击对抗检索增强生成系统
机构 * MOE Key Lab of HCST (PKU), School of Computer Science, Peking University（信息与电子技术教育部重点实验室（北京大学）、计算机科学学院、北京大学） ； 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） ； Department of Electrical and Computer Engineering, University of Illinois Urbana-Champaign（电气与计算机工程系、伊利诺伊大学厄巴纳-香槟分校）
AI总结 RAGCrawler通过知识图谱引导的攻击方法，有效提升RAG系统知识库的覆盖能力，实现70%覆盖率的查询效率提升达4.03倍，并达到0.699的代理重建相似度。
形式化合成可验证的鲁棒神经Lyapunov-屏障证书
机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amherst College（阿默斯特学院）
AI总结 本研究提出了一种形式化合成鲁棒神经Lyapunov-屏障证书的方法，通过对抗训练等技术提升RL在动态扰动下的安全性和鲁棒性。
SocialVeil：在沟通障碍下探测语言代理的社会智能
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） ； Department of Psychological Sciences, Rice University（里士满大学心理学系）
AI总结 SocialVeil通过模拟沟通障碍测试语言模型的社会智能，发现障碍显著降低相互理解并增加困惑度，表明真实社交环境下的交互挑战。
Comments 10 pages
E-Globe：通过紧上界和模式感知分支实现神经网络的可扩展ε-全局验证
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 E-Globe通过紧上界和模式感知分支实现神经网络的高效ε-全局验证，显著提升验证速度和精度。
Comments 16 pages, 10 figures
SWE-Replay：面向软件工程代理的高效测试时间扩展
机构 * Siebel School of Computing（计算科学系） ； Data Science, University of Illinois Urbana-Champaign, USA（数据科学，伊利诺伊大学厄巴纳-香槟分校）
AI总结 SWE-Replay通过重用历史轨迹和动态选择探索或利用策略，实现了高效且可推广的软件工程代理测试时间扩展。
WebSTAR: 可扩展的数据合成用于计算机使用代理的步级过滤
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Microsoft（微软公司）
AI总结 WebSTAR通过步级过滤技术合成高质量数据，构建了WebSTAR和WebSCORE数据集，并训练了高效的过程奖励模型StepRM，提升计算机使用代理的训练效果和部署效率。
Comments Project website: https://yifei-he.github.io/webstar-website/
你的LLM有多危险？对话中风险的认证
机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本研究提出C$^3$LLM框架，通过统计方法认证LLMs在多轮对话中的灾难性风险，揭示前沿模型中高达70%的潜在风险，强调改进安全训练的必要性。
Comments Accepted by ICLR 2026
鲁棒答案，脆弱逻辑：在LLM推理中探究解耦假说
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究揭示LLM在面对微小输入扰动时，仍能保持正确答案但推理过程不稳定，提出MATCHA框架以探测解耦假说，发现多步骤和常识任务更易受此影响。
捕捉视觉环境结构与控制性能相关
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Toyota Research Institute（丰田研究院）
AI总结 通过分析视觉编码器对环境状态解码能力，发现其与下游控制性能强相关，为高效选择通用机器人策略提供了新方法。
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