高校专区
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
机构 * University of Pennsylvania（宾夕法尼亚大学）
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
稳健的频域水印用于合成表格数据
机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学）
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
Dysco：动态子空间增强以减轻联邦学习中的LoRA干扰
机构 * University of Michigan（密歇根大学） ； Cornell University（康奈尔大学） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 研究针对联邦学习中异构客户端使LoRA聚合不稳定的问题，提出动态子空间增强方法Dysco，通过联邦动态分配特定客户端LoRA子空间，经实验验证其能减少干扰、降低训练损失、提升算法性能且开销小。
Comments 33 pages, 10 figures, 11 tables
超越地表温度：可解释的空间机器学习揭示城市形态对以人类为中心的热压力的影响
机构 * Department of Architecture, National University of Singapore, Singapore 117566, Singapore ； Cambridge Centre for Advanced Research ； Sustainable Design Group, Department of Architecture, University of Cambridge, Cambridge, United Kingdom ； Department of City ； Regional Planning, University of Pennsylvania, Philadelphia, PA 19104, USA ； Urban Analytics Subject Group, Urban Studies \& Social Policy Division, University of Glasgow ； Laboratory for Earth Surface Processes, Ministry of Education, College of Urban ； Environmental Sciences, Peking University, Beijing 100871, China
AI总结 本文通过比较地表温度与通用热气候指数，揭示城市形态对人类热压力的影响，采用可解释的机器学习方法分析两者在空间分布和机制上的差异。
Comments Accepted manuscript. The final published version is available at https://doi.org/10.1016/j.scs.2026.107659
部分观测结构因果模型
机构 * University of Tübingen（图宾根大学） ； MPI for Biological Cybernetics（生物控制研究所） ； University of Pennsylvania（宾夕法尼亚大学） ； TU Darmstadt（图恩大学）
AI总结 研究将结构因果模型扩展为部分观测结构因果模型，用于特定因果系统。通过分离节点机制定义边干预，给出可识别性理论，在两个模拟器中实证验证，为因果系统提供面向干预框架，处理上下文等共同生成且部分观测的情况。
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
连接多模型数据：俄罗斯国内与对外政策演讲
机构 * University of Delaware, Department of Political Science & International Relations（德克萨斯大学，政治科学与国际关系系） ； University of Delaware, Masters of Science in Data Science Program（德克萨斯大学，数据科学硕士项目） ； University of Delaware, Department of Computer & Information Sciences（德克萨斯大学，计算机与信息科学系） ； University of Pennsylvania, Department of Political Science（宾夕法尼亚大学，政治科学系）
AI总结 本文介绍了一个连接多模态政治通讯的数据集，涵盖俄罗斯政府多个 decades 的官方演讲，提供俄语和英语文本、图像及注释，并通过 transformer 多模态模型进行主题标注，支持政治通讯的多模态分析。
赋能低资源环境下的医疗设备可持续性：一个由AI驱动的诊断与支持平台，用于生物医学技术人员
机构 * Carnegie Mellon University Africa（卡内基梅隆大学非洲分校） ； Medical Artificial Intelligence Laboratory（医学人工智能实验室） ； University of Pennsylvania（宾夕法尼亚大学） ； McGill University（麦吉尔大学）
AI总结 本研究提出一个AI驱动的平台，帮助生物医学技术人员实时诊断和修复医疗设备，通过集成大语言模型和用户友好的界面，提高低资源环境下的医疗设备可持续性。
Comments Accepted at the MIRASOL Workshop at MICCAI 2025. To appear in Lecture Notes in Computer Science (LNCS)
Journal ref In: Anazodo U. et al. (eds) Medical Image Computing in Resource Constrained Settings. MIRASOL 2025. LNCS, Springer, Cham, pp. 217-230
何处触碰，如何接触：面向几何感知的长时间灵巧操作的分层RL-MPC框架
机构 * Arizona State University（亚利桑那州立大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） ； University of Pennsylvania（宾夕法尼亚大学）
AI总结 提出分层RL-MPC框架，高层RL策略预测接触意图（接触位置和子目标位姿），低层接触隐式MPC优化局部接触模式并实时重规划，实现几何泛化的非抓取操作，数据效率提升10倍且零样本迁移到真实环境。
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。
超越Logit调整：一种用于长尾重排的残差分解框架
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Children’s Hospital of Philadelphia（费城儿童医院）
AI总结 本文提出残差分解框架，用于解决长尾分类中频繁类与稀有类的排序问题，通过分析残差分解的类内和类间组件，提出REPAIR方法以提升重排性能。
Comments Accepted into COLM 2026
Journal ref CONFERENCE ON LANGUAGE MODELING CONFERENCE ON LANGUAGE MODELING Third Conference on Language Modeling (COLM 2026)
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)
从交叉验证到SURE：调节估计器的渐近风险
机构 * Department of Economics, University of Pennsylvania（宾夕法尼亚大学经济学系） ； Department of Economics, University of Oxford（牛津大学经济学系） ； Department of Electrical Engineering and Computer Science, MIT（麻省理工学院电气工程与计算机科学系）
AI总结 本文推导了通过n折交叉验证调节的正则化经验风险最小化估计器的渐近风险函数，展示了其在正常均值模型中的预测性能。
NeuroStrata：利用神经符号范式提升自主 CPS 的设计、可测试性和可验证性
机构 * Macquarie University（麦考瑞大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Florida（佛罗里达大学） ； Yale University（耶鲁大学） ； Duke University（杜克大学）
AI总结 NeuroStrata通过神经符号范式提升自主CPS的设计、测试和验证能力，解决不确定性带来的信任和安全认证问题。
Journal ref FSE Companion '25: Companion Proceedings of the 33rd ACM International Conference on the Foundations of Software Engineering, Trondheim, Norway, June 2025
利用大语言模型预测金属有机框架合成的可扩展性
机构 * Department of Chemistry, Washington University（华盛顿大学化学系） ； Fudan University（复旦大学） ； 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） ； College of Chemistry and Materials Science, Fujian Normal University（福建师范大学化学与材料科学学院） ； Institute of Materials Science & Engineering, Washington University（华盛顿大学材料科学与工程学院）
AI总结 本文提出ESU-MOF数据集和正例未标记学习策略，通过大语言模型预测MOF合成的可扩展性，准确率达91.4%，助力工业级MOF发现。
多分布鲁棒共形预测
机构 * Mathematics Department, The Hong Kong University of Science（香港科学与技术大学数学系） ； Department of Statistics and Data Science, University of Pennsylvania（宾夕法尼亚大学统计与数据科学系） ； Data Science, University of Pennsylvania, Philadelphia, PA, USA（宾夕法尼亚大学数据科学）
AI总结 研究在多源分布下构建一致有效的共形预测集问题，提出最大\(p\)聚合方案，证明其最优性并给出学习一致性分数算法，实验表明该方法能在多分布上提供有效覆盖率且减小集合大小。
Comments ICML 2026
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
跨无结构临床笔记的健康系统规模语义搜索
机构 * Department of Biomedical and Health Informatics, Children’s Hospital of Philadelphia（儿童医院哲学学院生物医学与健康信息学系） ； Google Cloud（谷歌云） ； Department of Pediatrics, University of Pennsylvania（宾夕法尼亚大学儿科系） ； Division of Neonatology, Children’s Hospital of Philadelphia（儿童医院哲学学院新生儿科） ； Division of Human Genetics, Children’s Hospital of Philadelphia（儿童医院哲学学院人类遗传学部）
AI总结 本文提出了一种在大规模健康系统中实现语义搜索的解决方案，通过优化嵌入模型和分块策略，实现了亚秒级查询延迟和高准确率的临床问答任务，同时展示了在临床实用性评估中减少任务完成时间的效果。
Comments For associated code, see https://github.com/Ian-Campbell-Lab/clinical-semantic-search
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