Personalized Image Generation via Human-in-the-loop Bayesian Optimization
通过人机协作的贝叶斯优化实现个性化图像生成
机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出MultiBO方法，通过人类偏好反馈缩小生成图像与目标图像的差距，实现个性化图像生成。
高校专区
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
ZipLoRA: Any Subject in Any Style by Effectively Merging LoRAs
ZipLoRA: 通过有效融合LoRAs实现任意主体在任意风格的生成
机构 * Google Research（谷歌研究） ； UIUC（伊利诺伊大学香槟分校）
AI总结 ZipLoRA通过有效融合独立训练的风格和主体LoRAs，实现任意主体在任意风格下的生成，提升生成质量与保真度。
Comments Project page: https://ziplora.github.io
DiffVax: Optimization-Free Image Immunization Against Diffusion-Based Editing
DiffVax: 面向扩散编辑的无优化图像免疫方法
机构 * UIUC（伊利诺伊大学香槟分校） ； UT Austin（得克萨斯大学奥斯汀分校） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 DiffVax通过无优化的损失项实现高效的图像免疫，显著提升防御扩散编辑的速度和鲁棒性。
Comments Accepted into ICLR 2026. Project webpage: https://diffvax.github.io/
Rethinking the Reranker: Boundary-Aware Evidence Selection for Robust Retrieval-Augmented Generation
重新思考重排序器：面向鲁棒检索增强生成的边界感知证据选择
机构 * University of Illinois Urbana-Champaign ； Hong Kong University of Science ； Washington University in St. Louis ； Texas A\&M University
AI总结 BAR-RAG通过边界感知证据选择提升检索增强生成在噪声下的鲁棒性与性能
Comments 19 pages, 8 tables, 5 figures
Controlling Output Rankings in Generative Engines for LLM-based Search
在基于大语言模型的搜索生成引擎中控制输出排名
机构 * School of Information Sciences, University of Illinois at Urbana-Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校信息科学学院） ； Independent Researcher, Starc Institute（Starc研究所独立研究者） ； Research Scientist, Intel Labs, Santa Clara, CA, USA（英特尔实验室研究科学家）
AI总结 CORE通过优化内容生成，提升基于LLM的搜索中小企业产品的可见性，实现高推广成功率。
Comments 23 pages
Efficient Utility-Preserving Machine Unlearning with Implicit Gradient Surgery
高效实用型机器去学习与隐式梯度手术
机构 * Institute of Artificial Intelligence, Beihang University（北航人工智能研究院） ； Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, Beihang University（北京未来区块链与隐私计算先进创新中心） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Amsterdam（阿姆斯特丹大学） ； Tsinghua University（清华大学） ； YanTron Technology Co.Ltd（燕tron技术有限公司）
AI总结 本文提出了一种高效实用型机器去学习方法，通过隐式梯度手术实现去学习与实用性保持的平衡。
Comments Corresponding author: Shiji Zhou (zhoushiji25@buaa.edu.cn). Shiji Zhou and Tianbai Yu contributed equally
MedFrameQA: A Multi-Image Medical VQA Benchmark for Clinical Reasoning
MedFrameQA: 一个多图像医学视觉问答基准用于临床推理
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） ； UC Santa Cruz（加州大学圣克鲁兹分校） ； Harvard University（哈佛大学） ； UC Berkeley（加州大学伯克利分校） ； Emory University（埃默里大学） ； UC San Francisco（旧金山加州大学）
AI总结 MedFrameQA是一个多图像医学视觉问答基准，旨在评估多图像医学推理能力，揭示现有模型在处理复杂医学叙述时的不足。
Comments 27 pages, 15 Figures Benchmark data: https://huggingface.co/datasets/SuhaoYu1020/MedFrameQA
SPAR: Self-supervised Placement-Aware Representation Learning for Distributed Sensing
SPAR：用于分布式传感的自监督位置感知表示学习
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 SPAR通过信号与位置的二元性原则，提出了一种自监督位置感知表示学习框架，提升分布式传感在多种模态和任务中的鲁棒性和泛化能力。
Masked Autoencoders as Universal Speech Enhancer
基于掩码自动编码器的通用语音增强器
机构 * University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； AWS AI Labs（亚马逊人工智能实验室）
AI总结 本文提出了一种基于掩码自动编码器的通用语音增强器，通过自监督学习处理多种失真，实现去噪和去回声的高性能表现。
Real-Time Loop Closure Detection in Visual SLAM via NetVLAD and Faiss
通过NetVLAD和Faiss实现视觉SLAM中的实时回环检测
机构 * Department of Computer Science University of Illinois at Urbana-Champaign Urbana, IL, USA（计算机科学系 印第安纳大学厄巴纳-香槟分校）
AI总结 本文通过NetVLAD和Faiss实现实时回环检测，提升视觉SLAM中定位与建图的精度与鲁棒性。
Toward Cognitive Supersensing in Multimodal Large Language Model
迈向多模态大语言模型的认知超感知
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出认知超感知方法，通过整合视觉图像预测头和强化学习阶段，提升多模态大语言模型在复杂认知任务中的表现，展现其在视觉问答基准中的优越性能。
Latent Adversarial Regularization for Offline Preference Optimization
潜在对抗正则化用于离线偏好优化
机构 * Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Siebel School of Computing（塞贝尔计算学院） ； Data Science, University of Illinois at Urbana-Champaign（数据科学，伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出GANPO，通过潜在空间正则化提升语言模型的离线偏好优化性能，增强鲁棒性并减少计算开销。
Geometric-disentangelment Unlearning
几何解耦遗忘
机构 * uiuc（伊利诺伊大学厄巴纳-香槟分校）
AI总结 几何解耦遗忘通过理论保证减少LLM遗忘与保留的权衡，提升遗忘提取强度。
Comments 26 Pages
Estimating Force Interactions of Deformable Linear Objects from their Shapes
从形状估计变形线性物体的力相互作用
机构 * Nanyang Technological University, School of Mechanical and Aerospace Engineering（南洋理工大学机械与航空航天工程学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Eureka Robotics
AI总结 本文提出了一种基于线缆形状信息的力估计方法，无需额外传感器即可准确识别变形线性物体的外部力相互作用。
Comments 7 pages, 4 figures
Direct Preference Optimization with Rating Information: Practical Algorithms and Provable Gains
直接偏好优化与评分信息：实用算法和可证明的收益
机构 * EPFL（苏黎世联邦理工学院） ； Amazon AGI（亚马逊人工智能实验室） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Cornell University（康奈尔大学） ； Qualcomm AI Research（高通人工智能研究）
AI总结 本文提出利用评分间隙信息改进直接偏好优化算法，通过理论证明和实验验证，在准确评分间隙条件下实现更快的统计速率，并在多种LLM和基准上表现优异。
Mental Health Impacts of AI Companions: Triangulating Social Media Quasi-Experiments, User Perspectives, and Relational Theory
人工智能伴侣对心理健康的影响：通过社交媒体准实验、用户视角和关系理论进行三角验证
机构 * Aalto University（阿尔托大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Nanyang Technological University（南洋理工大学）
AI总结 本文通过社交媒体准实验、用户访谈和关系理论，研究人工智能伴侣对心理健康的影响，发现其在提供情感支持的同时也存在依赖风险，提出设计建议以平衡心理社会效益。
Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems
InterMimic: Towards Universal Whole-Body Control for Physics-Based Human-Object Interactions
InterMimic: 向物理基人类-物体交互的通用全身控制迈进
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Electronic Arts（电子艺名）
AI总结 InterMimic通过课程策略和强化学习微调，实现从运动捕捉数据中学习并生成高质量的人类-物体交互。
Comments CVPR 2025. Project Page: https://sirui-xu.github.io/InterMimic/
SVIP: Towards Verifiable Inference of Open-source Large Language Models
SVIP：面向开源大语言模型的可验证推理
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Hyperbolic Labs（双曲实验室）
AI总结 SVIP是一种基于秘密的可验证LLM推理协议，通过计算高效的方法确保计算提供者诚实，实现低误报率和高效验证。
Comments 21 pages
Retrospective Feature Estimation for Continual Learning
回顾性特征估计用于持续学习
机构 * VinUni-Illinois Smart Health Center（VinUni-伊利诺伊州立健康中心） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The Chinese University of Hong Kong（香港中文大学） ； Simular Research（Simular研究公司） ； University of Warwick（沃里克大学）
AI总结 本文提出回顾性特征估计方法，通过逆转特征变化来缓解持续学习中的灾难性遗忘问题。
Comments Published in Transactions on Machine Learning Research with Featured Certification
InterDreamer: Zero-Shot Text to 3D Dynamic Human-Object Interaction
InterDreamer: 零样本文本到3D动态人-物交互
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 InterDreamer通过结合预训练模型和物理模拟，实现零样本生成3D动态人-物交互。
Comments NeurIPS 2024. Project Page: https://sirui-xu.github.io/InterDreamer/
Accurate Simulation and Parameter Identification of Deformable Linear Objects using Discrete Elastic Rods in Generalized Coordinates
基于广义坐标离散弹性杆的可变形线性物体的精确模拟与参数识别
机构 * Nanyang Technological University, School of Mechanical and Aerospace Engineering（南洋理工大学机械与航空航天工程学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Eureka Robotics
AI总结 本文提出了一种基于广义坐标的离散弹性杆模型，用于提高可变形线性物体在MuJoCo中的仿真精度和参数识别效率。
Comments 7 pages, 6 figures
Journal ref Proc. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), 2025
POET: Protocol Optimization via Eligibility Tuning
通过资格调整实现协议优化：POET
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Optum ； Optum AI
AI总结 POET通过引入可解释的语义轴，为临床试验设计提供了一种实用且可解释的AI辅助生成资格标准的方法。
CAPA: Contribution-Aware Pruning and FFN Approximation for Efficient Large Vision-Language Models
CAPA：面向高效大视觉-语言模型的贡献感知剪枝与FFN近似
机构 * Indian Institute of Technology (ISM) Dhanbad, India（印度理工学院（ISM）达翰巴德分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 CAPA通过贡献感知剪枝和FFN近似，提升大视觉-语言模型的效率与鲁棒性。
Predicting Mortgage Default with Machine Learning: AutoML, Class Imbalance, and Leakage Control
利用机器学习预测抵押贷款违约：AutoML、类别不平衡与泄漏控制
机构 * Amazon Web Services, Inc.（亚马逊网络服务公司） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Connecticut（康涅狄格大学） ； University at Buffalo, SUNY（布法罗大学）
AI总结 本文利用AutoML方法解决抵押贷款违约预测中的类别不平衡和信息泄漏问题，通过严格的时间分割和特征选择提升模型性能。
Comments 12 pages, 4 figures. An extended and pedagogical version will appear as a book chapter
Now You Hear Me: Audio Narrative Attacks Against Large Audio-Language Models
现在你能听见我：对抗大型音频-语言模型的音频叙述攻击
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Boise State University（博伊西州立大学）
AI总结 研究提出了一种音频叙述攻击，通过在叙述式音频流中嵌入非法指令，成功绕过大型音频-语言模型的安全机制，验证了语音接口安全性的关键挑战。
Comments to be published at EACL 2026 main conference
Generative quantum machine learning via denoising diffusion probabilistic models
通过去噪扩散概率模型实现生成量子机器学习
机构 * Department of Physics and Astronomy, University of Southern California, Los Angeles, California 90089, USA（物理与天文学系，南加州大学） ； Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California, Los Angeles, California 90089, USA（明斯赫电气与计算机工程系，南加州大学） ； Department of Statistics, University of Illinois at Urbana-Champaign, Champaign, Illinois 61820, USA（统计系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Mathematics, University of Southern California, Los Angeles, California 90089, USA（数学系，南加州大学）
AI总结 本文提出量子去噪扩散概率模型（QuDDPM），通过引入中间训练任务和多层电路结构，实现高效训练的量子数据生成学习，适用于相关量子噪声模型、量子多体相和拓扑结构学习。
Comments 5+10 pages, 16 figures. PRL accepted version. Code available at: https://github.com/francis-hsu/quantgenmdl
Journal ref Phys. Rev. Lett. 132, 100602 (2024)
Scalable Batch Correction for Cell Painting via Batch-Dependent Kernels and Adaptive Sampling
通过批次依赖核和自适应采样实现细胞染色的可扩展批校正
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 BALANS通过局部亲和力和自适应采样实现细胞染色数据的高效批次校正，提升大规模数据处理效率并保持校正质量。
Comments 40 pages, many figures
BibAgent: An Agentic Framework for Traceable Miscitation Detection in Scientific Literature
BibAgent: 一种用于科学文献中可追溯的误引检测代理框架
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Worcester Polytechnic Institute（沃斯特理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 BibAgent是一种用于科学文献中可追溯误引检测的代理框架，通过整合检索、推理和自适应证据聚合，实现高效且透明的引文验证。
Zero-Shot Open-Schema Entity Structure Discovery
零样本开放模式实体结构发现
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） ； IBM Research（IBM研究院） ； IBM Research Europe（IBM欧洲研究院）
AI总结 本文提出零样本开放模式实体结构发现方法，通过充实、细化和统一机制提升大语言模型提取完整实体结构的能力。
Comments EACL 2026 camera-ready
Studying the Soupability of Documents in State Space Models
研究状态空间模型中文档的可合并性
机构 * Department of Computer Science, University of California San Diego, San Diego, CA, USA（加州大学圣地亚哥分校计算机科学系） ； University of Illinois Urbana-Champaign, Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出文档融合方法，通过模块化编码提升状态空间模型在多跳问答、稀疏检索等任务中的性能，实现高效推理。
