University of Pennsylvania（宾夕法尼亚大学）

Tree-based Dialogue Reinforced Policy Optimization for Red-Teaming Attacks

基于树结构的对话强化策略优化用于红队攻击

Ruohao Guo, Afshin Oroojlooy, Roshan Sridhar, Miguel Ballesteros, Alan Ritter, Dan Roth

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Oracle AI ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出DialTree框架，通过树搜索和强化学习发现多轮攻击策略，提升对抗攻击的成功率

Comments Accepted at ICLR 2026

POIROT: Investigating Direct Tangible vs. Digitally Mediated Interaction and Attitude Moderation in Multi-party Murder Mystery Games

POIROT：探讨多党谋杀谜游戏中的直接实体交互与数字中介交互及态度调节

Wen Chen, Rongxi Chen, Shankai Chen, Huiyang Gong, Minghui Guo, Yingri Xu, Xintong Wu, Xinyi Fu

机构 * Tsinghua University（清华大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Syracuse University（Syracuse大学） ； National University of Singapore（新加坡国立大学） ； Royal College of Art（皇家艺术学院） 纠错

AI总结 POIROT研究通过实验揭示，用户对机器人的负面态度影响其在多党谋杀谜游戏中的沉浸体验，表明交互方式需根据用户倾向进行适应性调整。

Comments 16 pages, 7 figures. Accepted to the 21st ACM/IEEE International Conference on Human-Robot Interaction (HRI 2026)

Right Move, Right Time: Multi-Sport Space Evaluation Platform for Ultimate Frisbee, Basketball, and Soccer

正确移动，正确时机：多运动空间评估平台用于极限飞盘、篮球和足球

Shunsuke Iwashita, Titouan Jeannot, Braden Eberhard, Jacob Miller, Rikako Kono, Calvin Yeung, Keisuke Fujii

机构 * Nagoya University（名古屋大学） ； Aix-Marseille Université（阿维尼翁-马赛大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Shown Space ； Australian National University（澳大利亚国立大学） 纠错

AI总结 本文提出一个多运动空间评估平台，通过标准化输入和时间感知评估，实现极限飞盘、篮球和足球之间的空间度量比较，为不同运动的评估一致性提供实用解决方案。

Comments 23 pages, 6 figures

Hybrid Diffusion Policies with Projective Geometric Algebra for Efficient Robot Manipulation Learning

混合扩散策略与投影几何代数用于高效机器人操作学习

Xiatao Sun, Yuxuan Wang, Shuo Yang, Yinxing Chen, Daniel Rakita

机构 * Department of Computer Science, Yale University（计算机科学系，耶鲁大学） ； Department of Computer and Information Science, University of Pennsylvania（计算机与信息科学系，宾夕法尼亚大学） ； Department of Electrical and Systems Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学） 纠错

AI总结 本文提出hPGA-DP混合扩散策略，利用投影几何代数提升机器人操作学习的效率和性能

Comments Accepted to ICRA 2026

Estimating Treatment Effects under Algorithmic Interference: A Structured Neural Networks Approach

在算法干扰下估计治疗效应：一种结构化神经网络方法

Ruohan Zhan, Shichao Han, Yuchen Hu, Zhenling Jiang

机构 * University College London（伦敦大学学院） ； Tencent Inc.（腾讯公司） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 本文提出了一种结构化神经网络方法，用于在算法干扰下准确估计治疗效应，通过建模竞争分配机制和观众反应，克服传统估计器的偏倚问题。