高校专区
病变聚焦对基于AI的黑色素瘤分类性能的影响
机构 * 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 本研究探讨了病变聚焦对AI黑色素瘤分类性能的影响，通过分析模型对病变区域的关注程度，揭示了可解释AI在医疗诊断中的应用潜力。
超越完美API：对LLM代理在现实API复杂性下的全面评估
机构 * Amazon（亚马逊公司） ； KAIST（韩国科学技术院） ； University of Pittsburgh（匹兹堡大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出WildAGTEval基准测试，用于评估LLM代理在现实API复杂性下的功能调用能力，发现无关信息复杂性显著降低强LLM性能并影响用户满意度。
Comments 26 pages
组合创造力：一般化能力的新前沿
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） ； Spiral Works ； AI Innovation Institute（人工智能创新研究所） ； Stony Brook University（石溪大学） ； Simons Institute for the Theory of Computing, Berkeley（伯克利理论计算研究所）
AI总结 本文提出组合创造力的概念，通过理论框架和算法任务评估LLMs的创造力，并发现最优模型参数和新颖性-实用性权衡对提升创造力的重要性。
Comments Preprint. The first two authors contributed equally
基于大语言模型的体感任务完成代理的计划验证
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出基于自然语言提示的体感任务代理计划验证框架，通过迭代修正提升动作序列质量，实现高召回率和精确度。
一种自适应的、解耦的表示方法用于多维MRI重建
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出了一种自适应解耦的多维MRI重建方法，通过学习特征表示和潜在扩散模型，实现无需任务特定训练的高效重建。
SoundnessBench: 一种用于神经网络验证器的声学基准
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Georgia Institute of Technology（佐治亚理工学院） ； 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 California, Riverside（加州大学河滨分校）
AI总结 SoundnessBench通过构建包含隐藏反例的基准，用于评估神经网络验证器的正确性。
Comments TMLR (December 2025)
MM-SpuBench：迈向更好地理解多模态大语言模型中伪偏差的深入研究
机构 * University of Virginia（弗吉尼亚大学） ； Purdue University（普渡大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Georgia Institute of Technology（佐治亚理工学院）
AI总结 MM-SpuBench通过分析多模态大语言模型中的伪偏差，揭示其存在与缓解的挑战，提供公开基准以促进相关技术发展。
Comments Accepted at KDD 2026 (Dataset and Benchmark Track)
为LLM代理强制执行时间约束
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Illinois at Urbana-Champaign, USA（伊利诺伊大学厄巴纳-香槟分校，美国） ； Meta
AI总结 Agent-C通过运行时保证确保LLM代理遵守时间安全属性，提高任务实用性并实现完美安全性。
ClinDEF: 一种用于大语言模型临床推理的动态评估框架
机构 * ZJU-Hangzhou Global Scientific and Technological Innovation Center, Zhejiang University（浙江大学杭州全球科技创新中心） ； ZJU-UIUC Institute, Zhejiang University（浙江大学UIUC研究院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； The Polytechnic Institute, Zhejiang University（浙江大学 polytechnic 院） ； AntGroup（蚂蚁集团）
AI总结 ClinDEF通过模拟诊断对话评估大语言模型的临床推理能力，利用疾病知识图谱生成病例并进行多轮交互，提供细粒度效率分析和诊断质量评估，揭示LLM在临床推理中的关键不足。
Comments 23 pages, 4 figures, under review
基于动态图的表格日志调试
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GraphLogDebugger框架，利用动态图模型高效调试表格日志，优于大型语言模型。
LidarDM: 生成世界中的生成激光雷达模拟
机构 * UIUC（伊利诺伊大学香槟分校） ； NVIDIA（英伟达）
AI总结 LidarDM通过集成4D世界生成框架，实现了基于驾驶场景的4D激光雷达点云生成，提升自动驾驶模拟的逼真度与时间一致性。
RAVEL：通过图驱动的关系引导进行罕见概念生成与编辑
机构 * Virginia Tech（弗吉尼亚理工大学） ； UIUC（伊利诺伊大学香槟分校）
AI总结 RAVEL通过图驱动的关系引导方法，提升罕见概念生成与编辑的可控性和可解释性，适用于长尾领域。
Comments Project Page: https://ravel-diffusion.github.io/
S$^2$Edit: 基于文本引导的图像编辑与精确语义和空间控制
机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； ModiFace Inc.（ModiFace公司） ； 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）
AI总结 S$^2$Edit通过精确语义和空间控制实现文本引导的图像编辑，解决了身份信息丢失和无关区域修改的问题。
EEG基础模型：对当前进展和未来方向的批判性回顾
机构 * Department of Computer Science & Engineering, University of Minnesota Twin Cities（计算机科学与工程系，明尼苏达大学双城分校） ； Department of Bioengineering, University of Illinois at Urbana-Champaign（生物工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Neurology, Mayo Clinic（神经病学系，梅奥诊所） ； Department of Neurology, University of Minnesota Twin Cities（神经病学系，明尼苏达大学双城分校）
AI总结 本文回顾了EEG基础模型的当前进展，分析了其在自监督建模中的方法和评估策略，指出未来需加强可扩展性和可信度以提升实际应用价值。
Comments 22 pages (main), 5 figures (main), 4 tables (main + supplement)
SweRank+: 多语言、多轮次代码排名用于软件问题定位
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Salesforce AI Research（Salesforce AI研究院） ； KAIST AI（韩国科学技术院AI研究中心）
AI总结 SweRank+结合跨语言代码排名工具和代理搜索设置，实现多轮次的代码库推理，提升多语言软件问题定位的准确性和效率。
视频基础模型编码多少三维信息？
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Impossible, Inc（Impossible公司）
AI总结 本文研究了视频基础模型对3D世界的理解程度，提出了一种模型无关的框架来评估不同模型的3D意识，并发现最先进的视频生成模型在无3D训练数据的情况下也能表现出超越专门3D任务模型的理解能力。
Comments Project Page: https://vidfm-3d-probe.github.io
注意力距离：一种用于大型语言模型定向模糊测试的新度量
机构 * Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（广东超高清沉浸媒体技术省重点实验室，北京大学深圳研究生院） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； China Mobile Internet CO（中国移动互联网公司）
AI总结 本文提出注意力距离度量，利用大型语言模型分析代码元素间的注意力分数，提升定向模糊测试效率，实验显示在38个漏洞复现实验中测试效率提升3.43倍，优于DAFL和WindRanger。
Comments Accepted to ICSE 2026 Research Track
SACTOR：基于大语言模型的C到Rust翻译工具，结合静态分析和FFI验证
机构 * 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） ； Google（谷歌）
AI总结 SACTOR通过结合静态分析和FFI验证，利用大语言模型实现C到Rust的正确且习惯性翻译，提升了代码安全性和效率
Comments 35 pages, 15 figures Previously named as "LLM-Driven Multi-step Translation from C to Rust using Static Analysis"
空中联邦学习中的及时参数更新
机构 * ZJU-UIUC Institute, Zhejiang University（浙江大学之江学院-伊利诺伊大学联合学院） ； School of Information Science and Engineering, Southeast University（东南大学信息科学与工程学院）
AI总结 FAIR-k算法通过平衡参数更新的及时性和重要性，提升空中联邦学习的收敛速度和通信效率。
工具增强的混合集成推理与蒸馏用于双语数学问题求解
机构 * Boston University（波士顿大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Northwestern University（西北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 HERALD通过结合自适应学习、工具强化学习和知识蒸馏，提升双语数学问题求解的准确性和稳定性。
一种用于管理偏差的决策理论方法
机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Georgia Institute of Technology（佐治亚理工学院） ； University of California, Berkeley（加州大学伯克利分校） ； Amrita Vishwa Vidyapeetham（阿米特拉维瓦大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文提出了一种决策理论框架，用于在不确定情况下评估人工智能代理的偏差是否足够，以决定是否委托决策。
Comments Second Conference of the International Association for Safe and Ethical Artificial Intelligence (IASEAI '26)
JITServe: 带有服务级别目标的LLM服务系统
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 JITServe通过即时调度和优化资源分配，提升LLM服务吞吐量并实现资源节省。
GUIDEd Agents: 通过在定位受限环境中任务特定的不确定性抽象增强导航策略
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Providence College（普罗维登斯学院） ； Florida International University（佛罗里达国际大学）
AI总结 GUIDE通过任务特定不确定性抽象提升机器人在定位受限环境中的导航策略，实现任务完成与不确定性管理的平衡。
Comments Accepted for publication at RAL (Robotics and automation letters). Updated with the final version
对图神经网络公平性的认证防御
机构 * Florida State University（佛罗里达州立大学） ； University of Virginia（弗吉尼亚大学） ； 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ELEGANT框架，通过理论分析实现对图神经网络公平性的认证防御，无需假设结构或重新训练，适用于各种优化后的GNN部署。
Comments Accepted at SIGKDD'26 for publication
SoK：理解（新的）AI4Code使用案例中的安全问题
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文通过调查AI4Code在三个核心应用中的安全问题，指出基准测试偏见、数据泄露和对抗鲁棒性不足等挑战，并提出安全默认实践、全面检测基准和翻译增强语言等改进方向。
Comments 39 pages, 19 figures
GeoSense-AI：从危机推文快速推断位置
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 GeoSense-AI通过领域调优的NLP和知识基础，从危机推文快速推断位置，提升应急响应效率。
当推理遇见其定律
机构 * 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） ； University of Pennsylvania（宾夕法尼亚大学） ； New York University（纽约大学）
AI总结 本文提出推理定律（LoRe）框架，通过单调性和组合性属性评估推理模型，开发微调方法提升推理性能。
分布鲁棒模仿学习：用于可验证自主性的分层控制架构
机构 * 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） ； Department of Electrical and Systems Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学） ； Mechanical and Civil Engineering, Control and Dynamical Systems, California Institute of Technology（机械与土木工程、控制与动态系统，加州理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Advanced Technology Labs, Lockheed Martin（洛克希德·马丁高级技术实验室）
AI总结 本文提出分布鲁棒模仿策略架构，通过整合泰勒级数模仿学习和ℓ₁-分布鲁棒自适应控制，解决分布偏移问题，实现可验证的自主性。
Comments 18 pages, 5 figures
从f(x)和g(x)到f(g(x))：通过组合已有技能，LLMs在强化学习中学习新技能
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Peking University（北京大学）
AI总结 本研究通过强化学习使LLMs组合已有技能学习新能力，揭示强化学习在提升模型复杂任务处理能力中的关键作用。
非线性强数据处理用于量子曲棍球发散度
机构 * Department of Mathematics and Illinois Quantum Information Science and Technology (IQUIST) Center, University of Illinois Urbana-Champaign（数学系和伊利诺伊大学量子信息科学与技术中心，伊利诺伊大学厄巴纳-香槟分校） ； Centre for Quantum Technologies, National University of Singapore（新加坡国立大学量子技术中心） ； Institute for Information Processing (tnt/L3S), Leibniz Universität Hannover（汉诺威莱布尼茨信息处理研究所（tnt/L3S））
AI总结 本文提出非线性强数据处理不等式，用于改进量子曲棍球发散度的隐私保障，通过更紧的有限混合时间提升隐私保护效果。
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