高校专区
通过表示锚定和语言-动作对齐实现可泛化的视觉语言动作微调
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Texas A&M University（德州农工大学） ； University of California, Irvine（加州大学欧文分校）
AI总结 研究针对VLA策略微调中存在的问题提出Anchor-Align方法，通过视觉语言锚定和语言-动作对齐两个目标增强BC，在物理机器人和模拟测试中均有效果提升，表明保留预训练表示与有效动作学习可兼顾。
Comments Code: https://github.com/dwipddalal/Anchor-Align
FixItFlow：从云事件中自动生成故障排除指南
机构 * Microsoft Research（微软研究院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Inception
AI总结 针对云事件手动创建故障排除指南的问题，提出FixItFlow系统，利用大语言模型从历史事件数据生成指南，能提取诊断模式、合成结构化指南并严格验证，经评估可提升事件响应，减轻团队文档负担。
AvAtar: 通过主动最优输运学习对齐
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） ； Arizona State University（亚利桑那州立大学）
AI总结 提出AvAtar框架，利用主动学习策略通过熵正则化最优输运的梯度影响量化候选点信息量，并采用伴随状态法高效求解，以提升对齐性能。
Comments Published as a conference paper at ICML 2026
过于礼貌而不反驳：理解多智能体系统中的趋炎附势传播
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究探讨多智能体系统中趋炎附势行为的影响，通过实验发现提供趋炎附势先验信息可减少影响、缓解错误连锁反应并提升讨论准确性。
Journal ref Proceedings of the 27th Annual Meeting of the Special Interest Group on Discourse and Dialogue (SIGDIAL 2026), pages 795-814, Association for Computational Linguistics
RegHead：通过前馈配准生成非拟人头部混合形状
机构 * UCSC（加州大学圣克鲁兹分校） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； KAUST（阿卜杜拉国王科技大学） ； Snap Inc.（Snap公司）
AI总结 针对非拟人头部头像构建语义混合形状集成本高的问题，提出含大规模数据集、特定运动表示及快速前馈配准模型的RegHead框架，实验表明其生成表情网格保真度高、速度快，还能实现实时重定向。
用于网络对齐的可扩展最优传输算法
机构 * Texas A&M University（德克萨斯农工大学） ； Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究网络对齐问题，提出FastAlign框架，它通过保留最优传输公式，结合稀疏感知图计算与特定领域内核融合，在不降低对齐精度的情况下，大幅提升了计算效率，减少了端到端运行时间。
Comments 10 pages, 7 figures. Code available at https://github.com/elawh1/FastAlign
面向语音用户界面的隐喻灵活对话设计
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） ； University College Dublin（都柏林大学）
AI总结 研究针对语音用户界面现有隐喻设计不足，提出隐喻灵活设计方法，通过动态调整隐喻表示适应不同情境。经实验对比默认VUI，该方法提升了用户相关感受，但因个体差异需个性化，挑战了传统设计范式，展现新方法潜力。
Comments Accepted at ACM CUI'26
通过虚拟人机交互进行全身社交触觉感知的需求驱动设计
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Case Western Reserve University（凯斯西储大学）
AI总结 该研究针对社交物理人机交互中触觉传感的硬件驱动局限，提出需求驱动框架，利用VR平台收集数据，识别社交触摸手势并构建数据集，分析得出定量基线，其方法可转移，能为特定形态机器人得出传感需求。
Comments 8 pages, 6 figures, accepted to IROS 2026
SVR-R1：在强化学习中通过自我验证引导多模态推理
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta
AI总结 SVR-R1是一个多轮强化学习框架，将模型自身验证转化为学习信号。通过GRPO和异步多轮展开框架实现，无需外部监督。在视觉语言推理基准上评估，大幅提高准确率，弥合推理时自我优化与强化学习训练交叉点，还将开源以促研究。
Comments Under submission
用于大语言模型强化学习的预测性散度掩码
机构 * Tencent Hunyuan（腾讯混元） ； UIUC（伊利诺伊大学厄巴纳 - 香槟分校） ； NUS（新加坡国立大学）
AI总结 研究大语言模型强化学习中PPO方向标准不足，提出预测性散度掩码，通过判断策略梯度步骤对散度的影响改进训练，针对离散softmax策略推导预测并开发轻量级估计器，提升不同模型规模和精度设置下的强化学习训练效果。
基于可部署情境触发协方差调度的水下航位推算
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； U.S. Army Engineer Research and Development Center, Construction Engineering Research Laboratory（美国陆军工程师研究与发展中心建筑工程研究实验室）
AI总结 研究水下航位推算问题，提出情境触发校准自适应鲁棒扩展卡尔曼滤波器，利用机载概率触发器识别运动情境，通过离线校准和验证集选择调度策略，改进了无视觉航位推算，降低误差且方位误差不变。
Comments 16 pages, 9 figures. Submitted to IEEE Journal of Oceanic Engineering
AgentAbstain：基于大语言模型的智能体知道何时不行动吗？
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究基于大语言模型的智能体何时应弃权的问题，提出AgentAbstain评估框架及AbstainGen全自动管道，通过配对任务基准测试多种前沿LLMs，发现弃权能力与任务解决能力无关，并识别出失败模式，代码和数据集开源。
Comments 56 pages, 13 figures
这些暴力的愉悦会有暴力的结局吗？衡量代理代码合并后的命运
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； George Washington University（乔治华盛顿大学）
AI总结 研究代理代码合并后的命运，通过对182个仓库实证分析，发现其虽与人工维护率相似，但需更高纠正性维护率，还引入更多问题，且维护负担与仓库特征有关，强调评估设计代理工具要兼顾安全性与可维护性。
AeroMELD：用于诊断和潜在动力学的气溶胶群体线性嵌入
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） ； Sandia National Laboratories（桑迪亚国家实验室）
AI总结 研究旨在准确表示大气气溶胶群体，提出AeroMELD框架构建低维潜在变量以保留其数学结构，通过尺度-形状分解等实现，能准确重建多种分布及行为，为在潜在空间学习气溶胶过程演化奠定基础。
Comments 34 pages, 12 figures
在固有校准扰动下椎体数字重建射线照片的投影域敏感性分析
机构 * Department of Mathematics, Tulane University（特伦特大学数学系） ； 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） ； EOS, EOS Imaging Inc.（EOS公司） ； Department of Electrical and Computer Engineering, Vanderbilt University（范德比大学电气与计算机工程系） ； Department of Computer Science, Vanderbilt University（范德比大学计算机科学系）
AI总结 研究固有校准扰动对椎体荧光透视投影及下游配准性能的影响，利用CT衍生模型等生成DRR，通过多种指标量化投影域变化，发现其受视图影响大，会降低配准精度，为评估校准鲁棒性提供框架以提高脊柱成像可靠性。
FARS：一个大规模部署的全自动研究系统
机构 * Analemma ； National University of Singapore（新加坡国立大学） ； Fudan University（复旦大学） ； University College Dublin（都柏林大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； The Hong Kong University of Science and Technology（香港科技大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； ByteDance（字节跳动） ； ShanghaiTech University（上海科技大学） ； University of Warwick（华威大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； East China Normal University（华东师范大学） ； Stanford University（斯坦福大学） ； Tencent（腾讯） ； The University of Hong Kong（香港大学） ； Shanghai Innovation Institute（上海创新研究院） ； Nex-AGI Team（Nex-AGI团队）
AI总结 提出FARS系统，通过分阶段智能体协作自动生成研究项目，在67个AI/ML主题上产出166篇论文，经282份评审验证其可产出有价值成果，同时暴露实验范围窄、方法局限和诚信问题。
递归多智能体系统
机构 * UIUC（伊利诺伊大学香槟分校） ； Stanford University（斯坦福大学） ； NVIDIA（英伟达） ； MIT（麻省理工学院）
AI总结 本文提出递归多智能体框架RecursiveMAS，通过递归计算提升多智能体协作效率，实验证明其在多个基准测试中准确率提升8.3%，推理速度提升1.2-2.4倍，token使用减少34.6%-75.6%。
Comments Project Website: https://recursivemas.github.io
重新思考高斯轨迹预测器：为安全规划校准不确定性
机构 * Department of 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） ； Department of Mathematical and Computational Sciences, University of Toronto（多伦多大学数学与计算科学系）
AI总结 本文提出了一种新的损失函数，通过核密度估计校准高斯轨迹预测器的不确定性，以提高安全规划性能。
TagSpeech：基于细粒度时间定位的端到端多说话人自动语音识别与说话人分离
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究提出TagSpeech框架，利用时间锚点定位技术联合多说话人ASR与说话人分离。通过关键设计解决细粒度对齐挑战，端到端建模“谁在何时说了什么”。实验显示其在DER上优于基线，采用参数高效训练范式，低计算成本获强性能。
Comments Accepted to ACL2026 Main Oral; v2: added overlap analysis in Section 5.2
深度模型预测控制的算法设计与实现考虑
机构 * Department of Artificial Intelligence at Indian Institute of Technology, Kharagpur, India（印度理工学院德里分校人工智能系） ； University of Illinois at Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 本文研究深度MPC中控制权分配算法的设计与实现，通过数值实验探讨控制权分配不当对性能的影响。
关于有效类遗忘中输出分布重新加权的必要性
机构 * UIUC（伊利诺伊大学）
AI总结 研究揭示类遗忘评估忽视类几何结构致信息泄露问题，提出CMIA检测未学习样本。发现现有方法易受攻击，进而提出新微调目标，通过估计类间相似度构建TREW分布，在多基准测试中表现良好，缩小与重新训练模型差距。
具有交互式数据收集的分布鲁棒强化学习：基本难度与近最优算法
机构 * Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系） ； Center for Data Science, Peking University（北京大学数据科学中心） ； 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 针对强化学习中模拟与现实的差距，提出分布鲁棒强化学习，通过交互式数据收集应对挑战。因支持转移难题，引入消失最小值假设，给出近最优算法，扩展到新公式和博弈，应用于库存控制。
KV-PRM：通过KV缓存转移实现高效的过程奖励建模以进行多智能体测试时扩展
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Imperial College London（伦敦帝国理工学院） ； City University of Hong Kong（香港城市大学）
AI总结 研究针对现有基于文本的过程奖励模型在长多智能体展开中评分成本高的问题，提出KV-PRM，通过读取KV缓存降低评分成本，经理论证明和实验验证，该模型在多基准测试及多种TTS方法下表现优异，大幅减少计算资源消耗。
ContactMimic：通过接触控制实现人形机器人与物体交互
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 研究针对人形机器人物体交互任务，提出CONTACTMIMIC学习框架，通过接触跟随奖励和轨迹增强方案，使策略解耦接触行为与关键点几何，实现接触可控性，仿真与现实实验验证其有效性及优于仅关键点跟踪器。
Comments Project page: https://lixinyao11.github.io/contactmimic-page
AdaPlanBench: 在世界约束和用户约束下评估大语言模型智能体的自适应规划能力
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对现有基准未充分探索渐进揭示的双重约束下的自适应规划问题，提出动态交互基准AdaPlanBench，通过307个家务任务和可扩展的约束构建流程，评估LLM智能体在交互中根据反馈迭代调整计划的能力。
Comments COLM 2026
数据更少，收敛更快：面向多模态指令微调的目标驱动数据优化
机构 * Peking University（北京大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出目标驱动数据优化框架GDO，通过优化训练样本实现更快收敛和更高精度，适用于多模态指令微调任务。
Comments Accepted to ECCV 2026
迈向智能体人工智能治理：初步评估
机构 * School of Information Sciences, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校信息科学学院）
AI总结 本文针对智能体人工智能快速发展带来的新挑战，对其治理新兴文献做系统综述，分析其与传统系统不同的特征及治理需求，综合治理重点、机制和利益相关者角色，为制定指导智能体人工智能治理的路线图奠定基础。
Comments International Conference on the AI Revolution: Research, Ethics, and Society (AIR-RES 2026)
科学机器学习中的物理审核智能发现
机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） ； National Center for Supercomputing Applications, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校国家超级计算应用中心）
AI总结 研究针对智能科学机器学习中替代模型选择问题，提出物理审核智能SciML工作流程，先确定评分评估器，推导物理要求并检查候选者输出，搜索违规情况。通过数值示例验证，该方法能选到满足物理条件的替代模型，区别于仅靠综合分数的方法。
AnyPoC：用于可扩展LLM基于Bug检测的通用证明-概念测试生成
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 AnyPoC通过多代理框架生成可执行的证明-概念测试，以验证候选Bug报告，提升自动化Bug检测的实用性。
VTC: 基于虚拟张量的DNN编译以消除数据移动
机构 * 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） ； Microsoft（微软）
AI总结 VTC通过引入虚拟张量概念，首次实现消除所有不必要的数据移动，提升DNN编译效率，减少内存占用。
Comments Accepted to OSDI'26
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