高校专区
带预测和选定顺序的秘书问题
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 本文提出了一种结合预测与到达顺序控制的随机算法，改进了随机顺序和选定顺序秘书问题的竞争比。
Comments Accepted to the International Conference on Innovations in Theoretical Computer Science (ITCS 2026)
辅导对话中的模拟学生：实质还是幻象？
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Eedi
AI总结 本文定义了学生模拟任务，提出涵盖语言、行为和认知的评估指标，并通过实验表明模拟学生的方法存在局限性，需进一步研究。
是谁的故事？通过推断作者风格实现个性化故事生成
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 本文提出通过推断作者风格实现个性化故事生成，利用作者写作表和定制规则提升生成故事的风格相似性，实验表明其在捕捉作者风格和相似性方面优于基线方法。
Comments Accepted to IJCNLP-AACL 2025 (Main)
ULTra: 在基于变换器的理解与分割中揭示潜在令牌可解释性
机构 * Sharif University of Technology（谢里夫理工大学） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校）
AI总结 ULTra通过自监督学习提升无监督语义分割性能，并揭示变换器中潜在令牌的语义模式。
Journal ref Transactions on Machine Learning Research (TMLR), 2026
从情绪分类到情绪推理：提升大语言模型情感智能
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 本文通过合成情绪链式思维数据提升大语言模型的情感推理能力，实验表明微调后模型在情绪理解与意识评估上显著提升。
Comments 10 pages, 1 figure
通过Bandit优化发现层次化软件工程代理：BOAD
机构 * Massachusetts Institute of Technology（麻省理工学院） ； MIT-IBM Watson AI Lab（MIT-IBM Watson AI实验室） ； Stanford（斯坦福大学） ； UMass Amherst（马萨诸塞大学阿姆赫斯特分校）
AI总结 BOAD通过多臂老虎机问题自动发现层次化多代理结构，提升软件工程任务的泛化能力。
通过循环消息传递块增强时空图中的拓扑依赖性
机构 * AI Aided Engineering（AI辅助工程） ； Max Planck Institute for Mathematics（马克斯·普朗克数学研究所） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校）
AI总结 本文提出Cy2Mixer，一种基于拓扑非平凡不变量的时空GNN，通过循环消息传递模块增强拓扑依赖性，实验证明其在时空基准数据集上的优越性能。
Comments Proceedings of the Third Learning on Graphs Conference (LoG 2024)
带宽高效自适应混合专家 via 低秩补偿
机构 * Rensselaer Polytechnic Institute（罗切斯特理工学院） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； George Washington University（乔治·华盛顿大学）
AI总结 本文提出了一种带宽高效自适应混合专家方法，通过低秩补偿实现精度恢复，提升带宽-准确性权衡和吞吐量。
XLM：一种用于非自回归语言模型的Python包
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 XLM是一个Python包，旨在加速非自回归语言模型的实现，并提供预训练模型供研究社区使用。
Comments Code available at https://github.com/dhruvdcoder/xlm-core
WildFit：面向资源受限物联网系统的自主现场模型适应
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 WildFit通过自主现场适应框架，利用背景变化更频繁的特性，在资源受限的物联网系统中实现更高效的模型适应。
Comments Accepted by ACM SenSys 2026
隐私保护的环境音频传感用于健康室内空间
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 本研究利用环境音频传感技术，开发隐私保护的室内空气质量监测系统，用于实时评估空气传播风险因素。
RapVerse: 从文本歌词生成连贯的唱声与全身动作
机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； Wuhan University（武汉大学） ； UC San Diego（加州大学圣地亚哥分校） ； Tsinghua University（清华大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； Dolby Laboratories（杜比实验室）
AI总结 RapVerse通过统一生成框架，从文本歌词生成连贯唱声与全身动作，实现多模态统一建模，提升生成效果与基准性能。
Comments ICCV 2025, Project website: https://jiabenchen.github.io/RapVerse/
CreativeVR: 一种基于扩散先验的结构与运动修复方法用于生成视频和真实视频
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Adobe（Adobe公司）
AI总结 CreativeVR通过扩散先验引导方法，有效修复AI生成和真实视频中的结构与运动伪影，实现高质量视频修复。
Comments The first two authors contributed equally
ShapeWords: 基于3D形状感知提示的文本到图像合成
机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； CYENS CoE（CYENS联合学院） ； University of Cyprus（塞浦路斯大学） ； TU Crete（希腊技术大学）
AI总结 ShapeWords通过融合3D形状信息与文本提示，提升文本到图像合成的准确性与3D结构感知能力。
Comments Project webpage: https://lodurality.github.io/shapewords/ (CVPR 2025 paper), this Author Accepted Manuscript version is made available under the Creative Commons Attribution 4.0 International License (CC BY 4.0) in accordance with the ERC / Horizon Europe open-access mandate
DELTAv2：加速密集三维跟踪
机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； Snap Inc.（Snap公司） ； University of Toronto（多伦多大学） ； TU Crete（希腊技术大学） ； KAUST（王国科学院）
AI总结 DELTAv2通过粗到细策略和优化相关特征计算，实现密集三维跟踪的加速，提升效率的同时保持高精度。
Comments Project page: https://snap-research.github.io/DELTAv2/
你可能可以自由发言：通过答案提取提升多模态大语言模型的细粒度视觉识别能力
机构 * University of Massachusetts, Amherst（马萨诸塞大学阿姆赫斯特分校） ； Brown University（布朗大学）
AI总结 本文提出nlg2choice方法，通过两阶段策略提升多模态大语言模型在细粒度视觉识别任务中的表现，通过开放性问题和受限解码提高检索效率。
Comments Accepted to WACV26. 12 pages, 8 tables, 5 figures
RaX-Crash：一种资源高效且可解释的小模型流水线及其在城市规模伤害严重性预测中的应用
机构 * 1 Department of Computer Science ； Engineering, Santa Clara University, Santa Clara, USA Email ； 2 Manning College of Information \& Computer Sciences, University of Massachusetts Amherst, Amherst, MA, USA Email ； 3 Department of Electrical ； Computer Engineering, Carnegie Mellon University, Pittsburgh, USA Email ； 4 University of Pennsylvania, Philadelphia, USA Email
AI总结 RaX-Crash通过高效小模型和可解释性方法，在城市规模伤害严重性预测中实现优于小语言模型的性能，同时通过SHAP分析揭示关键影响因素。
TIDE：基于引导先验解耦的两阶段逆退化估计用于水下图像恢复
机构 * Mohamed bin Zayed University of AI（莫扎德·本·泽亚德人工智能大学） ； University of Amsterdam（阿姆斯特丹大学） ； University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校） ； Nagasaki University（长崎大学）
AI总结 TIDE通过引导先验解耦的两阶段逆退化估计方法，有效处理水下图像中的多种退化因素，提升恢复效果和感知质量。
Comments 21 pages, 11 figures, 5 tables
在多任务学习中使用对抗示例同时攻击所有任务
机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Amazon（亚马逊） ； University of Rhode Island（罗德岛大学） ； University of Minnesota - Twin Cities（明尼苏达大学双城分校）
AI总结 本文提出动态梯度平衡攻击方法，用于同时攻击多任务学习中的所有任务，并揭示了参数共享对模型鲁棒性的影响。
Comments Accpeted by Neurocomputing at 10 September 2025
数据特征对GNN评估在检测假新闻中的影响
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 研究发现现有基准数据集不充分测试GNN对结构特征的建模能力，建议开发更丰富的图拓扑数据集。
Comments Preprint. Approximately 15 pages, 5 figures, 3 tables
GPU-GLMB：评估GPU加速多假设跟踪的可扩展性
机构 * Manning College of Information and Computer Sciences, University of Massachusetts Amherst（信息与计算机科学学院，马萨诸塞大学阿默斯特分校） ； U.S. Army Combat Capabilities Development Command, Army Research Laboratory（美国陆军作战能力发展指挥部，陆军研究实验室）
AI总结 本文提出GPU-GLMB方法，通过改进GLMB滤波器的多检测能力，提升GPU加速多目标跟踪的并行可扩展性与效率。
GuideNav: 为盲人旅行者开发的基于视觉的机器人导航助手的用户导向开发
机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； University of Maine（缅因大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 GuideNav是一款基于视觉的导航系统，通过教然后重复的方式帮助盲人旅行者导航，无需依赖昂贵传感器，实现了千米级路径跟随。
基于上下文的混合专家推理在支持CXL的GPU-NDP系统中
机构 * Rensselaer Polytechnic Institute（罗切斯特理工学院） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； IBM Research Europe（IBM欧洲研究院） ； IBM T. J. Watson Research Center（IBM托马斯·贾诺斯·沃森研究中心）
AI总结 本文提出一种基于上下文的混合专家推理系统，利用CXL-NDP减少内存传输成本，提升解码吞吐量8.7倍，精度仅下降0.13%。
测试学习中成员查询的局限性
机构 * MIT（麻省理工学院） ； UMass Amherst（马萨诸塞大学阿姆赫斯特分校）
AI总结 该研究揭示了在测试学习模型中，成员查询无法进一步降低时间复杂度，并证明了基于统计查询的算法无法实现测试学习。
Comments Conference: ITCS 2026
主动且抗噪声的战略感知机
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 本文提出了一种在战略环境下主动学习线性分离器的算法，通过减少标签查询数量实现高效分类，即使在数据不一致的情况下也能保持性能。
FMTK：用于可组合时间序列基础模型流水线的模块化工具包
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of California Los Angeles（加州大学洛杉矶分校）
AI总结 FMTK提供了一个模块化工具包，用于构建和微调时间序列基础模型流水线，通过标准化的主干和组件抽象实现灵活组合和高效性能。
从公交CCTV恢复起止点流量：内罗毕和基加利的早期结果
机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校）
AI总结 利用公交CCTV和多种算法恢复OD流量，验证了在拥挤和复杂环境下系统性能的稳定性与改进需求。
LORE: 基于拉格朗日优化的视觉编码器鲁棒嵌入
机构 * Stanford University（斯坦福大学） ； Aktus AI ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Apple（苹果公司）
AI总结 LORE通过约束优化方法提升视觉编码器的对抗鲁棒性，同时保持清洁数据性能，有效平衡鲁棒性与准确性。
利用污水RNA监控预测新冠流行病：一种带有时间特征信任的半监督学习方法
机构 * Mount Holyoke College（马修斯学院） ； Groton School（格罗顿学校） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
AI总结 本文提出一种半监督学习方法，利用污水RNA监控数据预测新冠流行病，解决时间特征可靠性问题。
Comments 22 pages, 13 figures. Submitted to SIURO
PROMPTMINER: 通过强化学习和模糊优化对文本到图像生成模型进行黑盒提示窃取
机构 * University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校） ； Dolby Laboratories（杜比实验室）
AI总结 PROMPTMINER通过强化学习和模糊优化实现文本到图像生成模型的黑盒提示窃取，有效恢复图像生成提示。
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