高校专区
基于弱监督的主动学习在手术视频高效标注中的应用
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 针对腹腔镜视频标注难题，提出人在回路知识获取框架，结合主动学习与双损失优化，利用基础模型及互补训练目标生成CAMs，迭代提出伪掩码引导标注，减少标注工作量50%，实现模型开发可扩展性及高效知识获取。
Comments Accepted to IPCAI 2026
用于实时紧密四旋翼编队飞行的保平坦度残差学习
机构 * GRASP Laboratory, University of Pennsylvania（宾夕法尼亚大学GRASP实验室）
AI总结 针对紧密编队飞行四旋翼受空气动力学相互作用影响问题，提出基于物理的残差动力学学习框架，设计高效反馈线性化控制器，经硬件实验验证其能降低跟踪误差，在低计算量下达到NMPC跟踪性能，且短训练数据和低循环速率可实现稳定编队飞行。
Comments Accepted at IROS 26'
EFLUX：基于智能语言模型的弹性多机器人编队导航与自适应
机构 * GRASP Lab, University of Pennsylvania（宾夕法尼亚大学GRASP实验室） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系）
AI总结 针对多机器人在受限环境中编队导航问题，提出EFLUX框架，基于几何和大语言模型，对变形与重新配置动作联合推理，经闭环管道转化为航点，实验证明其能实现安全弹性导航，减少死锁与导航失败。
本杰明尼-霍奇伯格程序在相关双边高斯检验中可能无法控制错误发现率
机构 * Department of Statistics and Data Science, University of Pennsylvania（统计与数据科学系，宾夕法尼亚大学）
AI总结 研究表明本杰明尼-霍奇伯格程序在相关双边高斯检验中可能无法控制FDR，构建因子模型证明在α = 0.01时FDR > 0.0104，反驳了一个二十年的猜想，蒙特卡罗实验与理论相符，证明由GPT - 5.6 Pro获得并经作者检查。
ECG-LDC：一种用于心电图心律失常分类的硬件高效低维计算框架
机构 * University of Pennsylvania（宾夕法尼亚大学） ； VinUniversity（文大学） ； VinUni–Illinois Smart Health Center（文大学-伊利诺伊智能健康中心）
AI总结 针对可穿戴设备中心电图心律失常分类需求，提出软硬件协同设计框架ECG-LDC，采用双编码器架构及低维计算，经数据预处理、模型训练和硬件加速器架构原型实现，准确率高且内存占用低，适合资源受限可穿戴平台实时检测心律失常。
Comments 10 pages, 5 figures, 6 tables
Pix2Act：具有等变增强的图像空间操纵策略
机构 * Northeastern University（东北大学） ； Stanford University（斯坦福大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Brown University（布朗大学） ； Texas A&M University（德州农工大学）
AI总结 研究针对将操纵动作表示为相机平面二维轨迹带来的挑战，提出Pix2Act模仿学习方法，通过生成图像空间关键点轨迹及三角测量恢复末端执行器姿态，将三维控制转为二维预测问题，提升泛化能力与性能，优于现有基线且抗相机扰动。
Comments Project Website: https://haojhuang.github.io/pix2act_page/
利用器官分层报告知识学习基于解剖学的CT视觉语言表征
机构 * Department of Radiology, Perelman School of Medicine, University of Pennsylvania（放射科，佩尔曼医学院，宾夕法尼亚大学）
AI总结 研究利用CT图像与放射学报告进行医学视觉语言预训练，提出OKA-CT框架，通过转化报告为器官条件知识，分阶段学习，在数据集上实现零样本异常诊断高AUROC，优于基线，提升报告-图像对齐。
Comments 9 pages, 6 figures, 4 tables
学习用于最近邻搜索的划分树
机构 * NYU（纽约大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 从数据驱动算法设计角度研究最近邻搜索，专注平衡半空间树。在类似高斯边际条件下给出算法，能学习到\(o(nd)\)查询时间的树。核心是平衡半空间切割问题，设计非恰当学习算法规避NP难，输出特定平衡多项式阈值函数。
EgoSteer：一个用于从第一人称视角视频实现可控灵巧操作的全栈系统
机构 * Institute for AI, PKU（北京大学人工智能研究院） ； PKU-PsiBot Joint Lab（北大-灵犀机器人联合实验室） ； UPenn（宾夕法尼亚大学）
AI总结 针对灵巧手系统因缺乏数据而无可控性的问题，提出全栈系统EgoSteer，集成EgoSmith数据管道等，通过人类数据预训练赋予语言引导操作先验，经机器人后训练强化，能执行多样任务，还开源相关内容。
WSqD：一种用于大模型训练的与训练轮次无关的学习率调度方法
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 研究提出WSqD学习率调度方法，受随机凸优化启发，用移位反平方根基础取代WSD恒定稳定阶段，保留最终线性冷却，其基础学习率调度与训练轮次无关且收敛速率最优，实验显示在语言模型预训练中表现良好。
眼见无需耗能，言语却要代价：揭示边缘视觉语言模型推理中的真正能量瓶颈
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Jinan University（暨南大学）
AI总结 研究边缘VLM推理的能量瓶颈，通过系统能量分析发现平均推理功率恒定，输出令牌耗时多是关键，图像复杂度因输出长度影响能量，揭示视觉令牌修剪局限，控制输出长度能大幅节能。
Comments Accepted to ACM MM 2026. 10 pages, 5 figures
SplatCtrl：通过高斯场景表示和反应式机器人控制实现感知-动作耦合
机构 * Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 针对机器人在非结构化动态环境控制难题，提出SplatCtrl框架。基于3D高斯溅射，引入混合滤波和重定位策略用于场景重建，还提出从高斯推导距离函数的方法，纳入控制障碍函数，实现感知-动作耦合，经实验验证有效。
Comments Published in 2026 International Conference on Robotics and Automation (ICRA). 8 pages, 8 figures
iLENS：用于神经影像生存分析的可解释大语言模型引导的专家混合模型
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Yale University（耶鲁大学）
AI总结 针对阿尔茨海默病前驱期转化预测问题，提出iLENS框架，基于专家混合模型，利用大语言模型合成信息指导专家路由，具备竞争力的预测性能，能为决策提供透明且基于生物学的原理。
深度强化学习中发展性奖励调度的进化发现
机构 * College of Computing at the Georgia Institute of Technology（佐治亚理工学院计算学院） ； School of Engineering and Applied Science at the University of Pennsylvania（宾夕法尼亚大学工程与应用科学学院）
AI总结 提出进化框架自动发现深度强化学习中的发展性奖励调度，通过时变权重组合代理、新奇和反应性三种动机，在稀疏奖励任务上优于手工设计基线，并发现新奇动机主导早期训练。
Comments Accepted at the 2026 IEEE International Conference on Development and Learning (ICDL)
DiPhon：基于图子上的扩散用于可扩展图生成
机构 * King Juan Carlos University（金 Juan 卡洛斯大学） ； EPFL（苏黎世联邦理工学院） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 研究如何将扩散模型扩展到大型图，通过图子提出DiPhon框架，制定连续扩散过程并推导逆时间过程，证明其与连续图子过程的矩匹配，实验展示了在小图训练后生成大图的可扩展性。
随机图信号的生成扩散模型
机构 * University of Pennsylvania（宾夕法尼亚大学） ； King Juan Carlos University（胡安·卡洛斯国王大学）
AI总结 研究图上随机信号采样问题，提出用去噪扩散框架统一解决，核心方法是由图神经网络参数化反向扩散过程，通过U-GNN架构实现，在股票价格预测和无线资源分配任务中取得广泛数值结果。
Comments Submitted to and under review by IEEE Transactions on Signal Processing
图卷积注意力：图去噪与扩散的谱视角
机构 * University of Pennsylvania（宾夕法尼亚大学） ； King Juan Carlos University（胡安·卡洛斯国王大学） ； Stanford University（斯坦福大学）
AI总结 研究图去噪问题，提出图卷积注意力（GCA）方法，通过利用输入图谱实现谱去噪，在随机块模型中与理想机制匹配，实验证明其能提升图去噪和扩散性能，在 DiGress 中表现良好且推理更快。
EgoPolice：用于高风险警察随身摄像机视频中自我中心视频理解的基准
机构 * Princeton University（普林斯顿大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 研究旨在为高风险警察随身摄像机视频中的自我中心视频理解创建基准EgoPolice，通过精心挑选标注数据，设置分类和问答任务，对模型测试发现即使优秀模型预测高风险行动也有困难，该基准为开发相关模型及下游人工审查奠定基础。
18.7万条ChatGPT对话记录中的抑郁症状与关系模式
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 研究有抑郁症状者如何使用ChatGPT，通过分析766名参与者的18.7万条对话，比较不同症状程度人群的使用模式、语言特点等，发现基于语言预测筛查效果不佳，认为这些记录可作大语言模型成非正式支持设施的证据。
Journal ref CSCW Companion '26: Companion Publication of the 2026 Conference on Computer-Supported Cooperative Work and Social Computing
策略学习问题的层级体系
机构 * Wharton School, University of Pennsylvania（宾夕法尼亚大学沃顿商学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Graduate Group in Applied Mathematics and Computational Science, University of Pennsylvania（宾夕法尼亚大学应用数学与计算科学联合组）
AI总结 该研究提出策略学习问题的数学框架，定义最优策略、改进策略、策略存在三类问题，证明三者样本复杂度依次降低，即便无法找到改进策略也可判断其是否存在。
SeeMe：通过有效的视觉令牌工程减轻大型视觉语言模型中的幻觉
机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理国家重点实验室） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； De Artificial Intelligence Lab（德人工智能实验室）
AI总结 研究大型视觉语言模型易产生幻觉问题，提出无训练框架SeeMe，引入传统机器学习特征工程概念，经三阶段令牌工程重组视觉令牌抑制幻觉源，实验证明其能减轻幻觉并提高输出一致性。
Comments 12 pages, 4 figures, 6 tables
通过工作流归纳实现多轮智能科学文献搜索
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Together AI ； University of Pennsylvania（宾夕法尼亚大学） ； Stanford University（斯坦福大学）
AI总结 提出PaperPilot，通过构建可执行DAG工作流进行多轮文献搜索，利用用户反馈优化查询和工作流，显著提升搜索性能并消除执行错误。
Comments 17 pages, 12 figures
COMFYCLAW：面向图像生成工作流的自进化技能工具包
机构 * University of Maryland（马里兰大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Nvidia（英伟达） ； Lehigh University（里海大学）
AI总结 提出COMFYCLAW框架，通过类型化图编辑、区域级VLM验证器和渐进式技能库进化，提升ComfyUI工作流构建的代理可靠性和性能，在多个基准上取得最佳平均评分。
反事实决策的预测集：覆盖性、最优性与共形预测
机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Department of Statistics and Data Science, University of Pennsylvania（宾夕法尼亚大学统计与数据科学系）
AI总结 提出决策理论框架，通过策略耦合覆盖性将不确定性量化与反事实决策最优结合，并开发两阶段共形预测方法PC-RACP，在保证覆盖的同时提升效用。
基于部分单目观测的生成式重建鲁棒3D对齐
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与技术学院） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院） ； School of Engineering and Applied Science, University of Pennsylvania（宾夕法尼亚大学工程与应用科学学院） ； School of Tech Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） ； Independent Researcher（独立研究员） ； School of Electronic Engineering and Information Science, University of Science and Technology of China（中国科学技术大学电子工程与信息科学学院） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； School of Robotics, Wuhan University（武汉大学机器人学院） ； Xiaomi EV（小米汽车）
AI总结 针对生成式3D重建与部分单目观测对齐的挑战，提出无训练可解释几何对齐框架，通过Sim(3)变换恢复度量尺度与位姿，引入幻觉滤波抑制异常，在基准测试中显著优于传统和学习方法。
可解释编码器与学习型编码器在高基数欺诈检测中的对比
机构 * Goizueta Business School Emory University Atlanta, GA, USA（埃默里大学戈伊苏埃塔商学院） ； Computer Sciences University of California, Berkeley Kirkland, WA（加州大学伯克利分校计算机科学系） ； Stern School of Business New York University New York, NY, USA（纽约大学斯特恩商学院） ； School of Data Science University of Pennsylvania Philadelphia, PA, USA（宾夕法尼亚大学数据科学学院） ； Pratt School of Engineering Duke University Durham, NC, USA（达特茅斯大学普拉特工程学院）
AI总结 在IEEE-CIS欺诈数据集上比较7种分类编码方法，实体嵌入在AUC-ROC上最优（0.9612），与CatBoost（0.9602）无显著差异，优于其他编码器；CatBoost在AUC-PR上领先（0.822 vs 0.793），无编码器同时主导两个指标。
自然语言解释中的判断质量测量：来自预测锦标赛的证据
机构 * Forecasting Research Institute（预测研究所） ； Good Judgment Inc（Good Judgment公司） ； University of Toronto（多伦多大学） ； Vector Institute for Artificial Intelligence（向量人工智能研究所） ； Stanford University（斯坦福大学） ； School of Arts and Sciences & Wharton, University of Pennsylvania（宾夕法尼亚大学文理学院与沃顿商学院） ； Federal Reserve Bank of Chicago（芝加哥联邦储备银行） ； Federal Reserve System（联邦储备系统）
AI总结 提出解释质量标记（EQMs），用大语言模型评分60种理论驱动的推理模式，在超过55,000个预测-理由对中预测准确性，优于传统方法。
稳定性边缘的SGD：大学习率的随机稳定化
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 研究随机梯度下降（SGD）在大学习率下的收敛性，发现SGD通过自稳定机制在曲率驱动振荡和稳定下降之间交替，确保迭代在固定步数内恢复稳定并收敛。
场景与人类共处一世界：前馈式重建
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 提出SHOW框架，通过统一度量空间中的前馈3D场景重建与人体网格恢复，利用人体语义和尺度先验实现尺度感知的场景重建，并利用场景几何约束优化人体定位，解决动态单目视频中的人-场景对齐和遮挡问题。
面向心理健康药物信息检索的知识增强型智能体AI
机构 * Department of Medicine and Therapeutics, The Chinese University of Hong Kong（香港中文大学内科及药物治疗学系） ； Department of Psychiatry, The Chinese University of Hong Kong（香港中文大学精神科学系） ； School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） ； College of Information Science, University of Arizona（亚利桑那大学信息科学学院） ； Department of Medicine, Stanford University School of Medicine, Stanford University（斯坦福大学医学院医学系） ； Perelman School of Medicine, The University of Pennsylvania（宾夕法尼亚大学佩雷尔曼医学院） ； Department of Biostatistics, Vanderbilt University（范德堡大学生物统计学系） ； Li Ka Shing Institute of Health Sciences, Faculty of Medicine, The Chinese University of Hong Kong（香港中文大学医学院李嘉诚健康科学研究所）
AI总结 提出一种基于知识图谱的多智能体框架，整合Reddit、WebMD和FDA不良事件报告，通过来源感知集成实现可审计的精神科药物信息检索。
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