University of Pennsylvania（宾夕法尼亚大学）

STAR: Skeletal Token Alignment and Rearrangement for Interaction Recognition

STAR：用于交互识别的骨骼令牌对齐与重排

Yuhang Wen, Mengyuan Liu, Zixuan Tang, Junsong Yuan, Sirui Li, Beichen Ding

机构 * State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School（北京大学深圳研究生院通用人工智能国家重点实验室） ； University at Buffalo SUNY（纽约州立大学布法罗分校） ； Department of Computer and Information Science, University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系） 纠错

AI总结 针对人机和人与人交互识别，提出STAR方法，通过骨骼令牌对齐与重排，利用实体重排、交互式时空令牌及视觉交互编码等组件，结合骨骼与RGB视频数据学习特征，经对比学习对齐表示，实验验证其性能优于现有方法。

Comments Accepted for publication in IEEE Transactions on Multimedia (IEEE TMM)

Journal ref IEEE Transactions on Multimedia, vol. 28, pp. 4652-4665, 2026

Learning from Synthetic Data without Model Collapse in Iterative Instruction Tuning

在迭代指令微调中从合成数据学习而不发生模型崩溃

Xiaonan Luo, Yue Huang, Kehan Guo, Ping He, Chuan Zou, Ting Hua, Xiangliang Zhang

机构 * University of Notre Dame（圣母大学） ； Vanderbilt University（范德堡大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 研究在合成数据用于指令微调时避免模型崩溃的问题，提出KITE两阶段框架，结合失败引导数据生成与边界感知不确定性整理，实验表明该框架比合成数据基线能更稳定地提升模型性能。

One-step lowest-variance selection in a Gaussian random-field model motivated by masked diffusion: Total correlation and a square root collision threshold

由掩码扩散驱动的高斯随机场模型中的一步最低方差选择：总相关性和平方根碰撞阈值

Linjun Li

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 受掩码离散扩散启发，研究高斯随机场模型单步选择，用局部相关非负分数场表示不确定性，通过距离相关高斯模型衡量所选位置相关性，建立两个互补结果，为理解相关因素对掩码离散扩散中基于置信度一步选择的影响提供基线。

Comments 27 pages; welcome comments

Robust Spectral Watermark for Synthetic Tabular Data

稳健的频域水印用于合成表格数据

Yizhou Zhao, Xiang Li, Peter Song, Qi Long, Weijie Su

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学） 纠错

AI总结 本文提出TAB-DRW水印方案，通过频域嵌入和秩基伪随机生成提升合成表格数据的鲁棒性和效率，实验显示其在抗后处理攻击和保持数据保真度方面表现优异。

Comments Accepted to Statistical Learning and Data Science

Journal ref Statistical Learning and Data Science (2026), Article 100001