高校专区
无极小值、无碰撞：结合调制与控制屏障函数策略以实现可行的动态避障
机构 * Department of Mechanical Engineering and Applied Mechanics, University of Pennsylvania（机械工程与应用力学系，宾夕法尼亚大学）
AI总结 本文提出调制CBF-QP框架，结合调制与控制屏障函数策略，有效减少动态避障中的虚假平衡点，提升安全性和效率。
MultiRisk: 多风险控制 via 迭代分数阈值
机构 * University of Pennsylvania（宾夕法尼亚大学） ； New Jersey Institute of Technology（新泽西理工学院）
AI总结 MultiRisk通过迭代分数阈值控制多个风险约束，利用动态规划算法实现对大型语言模型在安全约束下的有效控制。
LLMs如何泛化：从认知行为到低级模式的细粒度分析
机构 * University of Wisconsin, Madison（威斯康星大学麦迪逊分校） ； University of California, Berkeley（加州大学伯克利分校） ； University of Pennsylvania（宾夕法尼亚大学） ； California Institute of Technology（加州理工学院）
AI总结 本文通过细粒度分析揭示LLMs在SFT和RL微调下的泛化差异，提出基于核心技能的基准测试，揭示RL模型在推理稳定性上的优势。
Dolphin：一种可编程的可扩展神经符号学习框架
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Cornell University（康奈尔大学）
AI总结 DOLPHIN是一种可编程框架，通过在CPU和GPU上分别执行符号推理和概率计算，实现神经符号学习的高效扩展，优于现有方法在复杂基准上的性能。
Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:45461-45483, 2025
机构 * Princeton University（普林斯顿大学） ； University of California（加州大学） ； University of Pennsylvania（宾夕法尼亚大学）
Comments Project Page: https://github.com/Princeton-AI2-Lab/Web-World-Models
语义与动态3D高斯散射的下一最佳视角选择
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出基于Fisher信息的主动学习算法，用于语义与动态3D高斯散射的视角选择，提升渲染质量和语义分割性能。
通过受控视觉输入实现无偏视觉推理
机构 * Arizona State University（亚利桑那州立大学） ； University of Southern California（南加州大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of California, Davis（加州大学戴维斯分校）
AI总结 VISTA通过解耦感知与推理，利用受控接口和强化学习训练，提升了视觉推理的鲁棒性和中立性。
基于视频的计算机化运动模仿评估用于区分自闭症（CAMI-2DNet）
机构 * Center for Innovation in Data Engineering and Science at the University of Pennsylvania（宾夕法尼亚大学创新数据工程与科学中心） ； Department of Biomedical Engineering at Johns Hopkins University（约翰霍普金斯大学生物医学工程系） ； Center for Neurodevelopmental and Imaging Research at the Kennedy Krieger Institute（肯尼迪-克里格尔研究所神经发育与成像研究中心） ； Department of Neurology and the Department of Psychiatry and Behavioral Sciences at the Johns Hopkins University School of Medicine（约翰霍普金斯大学医学院神经学系和精神病学与行为科学系） ； Department of Psychology at the Nottingham Trent University（诺丁汉特伦特大学心理学系）
AI总结 CAMI-2DNet是一种基于深度学习的视频运动模仿评估方法，通过解耦干扰因素实现对自闭症与神经正常个体的高效区分。
Comments This work has been accepted for publication in IEEE Transactions on Biomedical Engineering
从视频中进行零样本场景物体操作重建
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Oxford（牛津大学）
AI总结 本文提出了一种基于数据驱动模型的零样本方法，用于从视频中重建场景中的物体操作，通过两阶段优化实现手-物体运动的准确重建。
MapTrace: 用于地图路线追踪的可扩展数据生成
机构 * Google XR（谷歌XR） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 MapTrace通过合成数据生成提升地图路线追踪性能，微调模型使成功率提升6.4个百分点，减少路径追踪误差。
工具增强的混合集成推理与蒸馏用于双语数学问题求解
机构 * Boston University（波士顿大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Northwestern University（西北大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 HERALD通过结合自适应学习、工具强化学习和知识蒸馏，提升双语数学问题求解的准确性和稳定性。
LLM中隐藏的专家混合物
机构 * Wharton School of Statistics and Data Science at the University of Pennsylvania（宾夕法尼亚大学沃顿统计与数据科学学院）
AI总结 本文提出LLM中MLP层可能通过稀疏计算近似MoE结构，并通过实验验证激活分布对结果的影响，揭示了MLP和MoE的有效性原理。
Comments 8 pages in main text; 23 pages total
迈向引导下降：大规模训练神经网络的优化算法
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文探讨了大规模神经网络训练中优化算法的改进，通过分析传统方法的局限性，提出基于曲率信息的先进技术，以提升训练效率和可解释性。
Comments Master's Thesis at the University of Pennsylvania
在良好的GRACE中：为知识蒸馏选择原则性教师
机构 * Princeton Language and Intelligence（普林斯顿语言与智能研究所） ； Kempner Institute, Harvard（哈佛凯普纳研究所） ； Microsoft Research, New York（微软研究院（纽约）） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 GRACE通过量化教师有效性，为知识蒸馏提供原则性教师选择和蒸馏指导，提升学生模型性能。
当推理遇见其定律
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； New York University（纽约大学）
AI总结 本文提出推理定律（LoRe）框架，通过单调性和组合性属性评估推理模型，开发微调方法提升推理性能。
分布鲁棒模仿学习：用于可验证自主性的分层控制架构
机构 * Department of Mechanical Science and Engineering, University of Illinois Urbana-Champaign（机械科学与工程系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Electrical and Systems Engineering, University of Pennsylvania（电气与系统工程系，宾夕法尼亚大学） ； Mechanical and Civil Engineering, Control and Dynamical Systems, California Institute of Technology（机械与土木工程、控制与动态系统，加州理工学院） ； Massachusetts Institute of Technology（麻省理工学院） ； Advanced Technology Labs, Lockheed Martin（洛克希德·马丁高级技术实验室）
AI总结 本文提出分布鲁棒模仿策略架构，通过整合泰勒级数模仿学习和ℓ₁-分布鲁棒自适应控制，解决分布偏移问题，实现可验证的自主性。
Comments 18 pages, 5 figures
Bitbox：用于从视频中进行行为计算分析的行为成像工具箱
机构 * Center for Autism Research（自闭症研究中心） ； The Children’s Hospital of Philadelphia（费城儿童医院） ； Department of Psychiatry（精神病学系） ； University of Pennsylvania（宾夕法尼亚大学） ； Department of Computer and Information Science（计算机与信息科学系） ； University of Pittsburgh（匹兹堡大学） ； Department of Psychology（心理学系） ； Department of Pediatrics（儿科学系） ； Department of Biomedical and Health Informatics（生物医学与健康信息学系） ； Center for Biomedical Image Computing and Analytics (CBICA)（生物医学影像计算与分析中心）
AI总结 Bitbox是一个开源工具包，旨在通过提供标准化接口和模块化设计，使行为科学家和临床研究人员能够轻松使用高级计算分析进行行为研究。
ResearchQA: 在75个领域中大规模评估学术问答
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 ResearchQA通过整合75个领域的调研文章，生成21K问题和160K评分项，用于大规模评估LLM系统，发现多数系统在覆盖评分项方面表现不足。
Comments 12 pages main, 40 pages total, 15 figures
针对变量重要性的学习
机构 * Department of Statistics and Data Science（统计与数据科学系） ； Cornell University（康奈尔大学） ； Department of Biostatistics（生物统计学系） ； University of California, Berkeley（加州大学伯克利分校） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出基于目标学习框架的方法，以提高变量重要性度量的稳健性，尤其在有限样本情况下表现更优。
Comments Published in UAI '25
LUMirage：在LUMIR挑战中对零样本性能的独立评估
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文对LUMIR挑战中的零样本性能进行了独立评估，发现深度学习方法在分布内表现良好但对分布外数据和高分辨率数据存在显著局限，需谨慎对待零样本优越性断言。
利用人工智能辅助解决数学统计学中的研究问题
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 利用GPT-5辅助解决数学统计学中稳健密度估计的未解决问题，推导出最小最大最优误差率。
Comments added references
通过 vibe 空间创造性连接和表达视觉概念
机构 * UPenn（宾夕法尼亚大学） ； CUNY（纽约大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 Vibe Space 通过学习低维测地线实现视觉概念的创造性连接与表达，生成更具创造性和连贯性的混合体。
Comments Project page: https://huzeyann.github.io/VibeSpace-webpage/
神经符号学习中的不平衡问题：特征化与缓解策略
机构 * Huawei Labs（华为实验室） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 本文提出了一种缓解神经符号学习中学习不平衡问题的方法，通过估计隐藏标签的边际并将其作为约束，提升模型性能达14%。
基于模式的扩散模型
机构 * PRECISE Center, University of Pennsylvania（PRECISE中心，宾夕法尼亚大学）
AI总结 基于模式的扩散模型通过利用时间序列中的固有模式进行预测，提升了模型在视网膜电图和运动捕捉任务中的预测精度和不确定性量化能力。
Comments Under review
OXE-AugE: 一种大规模机器人增强的OXE以实现跨躯体政策学习的扩展
机构 * Department of EECS, UC Berkeley（电子工程与计算机科学系，加州大学伯克利分校） ； GRASP Laboratory, University of Pennsylvania（格拉斯实验室，宾夕法尼亚大学） ； Department of CS, UT Austin（计算机科学系，得克萨斯大学奥斯汀分校）
AI总结 OXE-AugE通过引入9种不同机器人躯体增强OXE数据集，提升跨躯体政策学习的泛化能力和性能。
Hot Hém: 胡志明市中的不平等热区 -- 胡志明市
机构 * Stuart Weitzman School of Design University of Pennsylvania（斯图尔特·韦茨曼设计学院宾夕法尼亚大学）
AI总结 Hot Hém通过GeoAI工作流程，利用GSV影像和遥感技术，在胡志明市部署XGBoost模型，以估算和实现行人热暴露，从而实现热感知路由。
Comments Completed as a requirement in MUSA 6950-001
InterAgent：基于物理的多智能体命令执行通过交互图上的扩散
机构 * ShanghaiTech University（上海科技大学） ； University of Pennsylvania（宾夕法尼亚大学） ； ByteDance（字节跳动） ； Stanford University（斯坦福大学） ； InstAdapt
AI总结 InterAgent通过交互图上的扩散模型实现了基于物理的多智能体协调控制，能够从文本提示中生成连贯且物理合理的多代理行为。
Comments Project page: https://binlee26.github.io/InterAgent-Page
利用智能手机构建音频-视觉数字孪生
机构 * University of Pennsylvania（宾夕法尼亚大学）
AI总结 AV-Twin通过智能手机实现可编辑的音频-视觉数字孪生，结合移动RIR捕获和视觉辅助声场模型，实现房间声学的高效重建与材料属性的动态更新。
Comments Under Mobisys 2026 review, single blind
CONCUR：连续约束和无约束路由的框架
机构 * MIT（麻省理工学院） ； Harvard University（哈佛大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 CONCUR提出了一种支持连续和无约束路由的框架，通过模块化设计和多表示学习提升路由效率与准确性。
通过贪心递增分歧最小化调整序列蒙特卡罗采样器
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 本文提出了一种通过最小化递增KL分歧来调整SMC采样器马尔可夫核的通用框架，适用于Langevin Monte Carlo等内核，并展示了其在调节动能LMC中的应用。
Comments Accepted to ICML'25; v4, v5: fixed typos; v6: fixed missing log in display after Eq (8)
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