Adaptive Collaboration with Humans: Metacognitive Policy Optimization for Multi-Agent LLMs with Continual Learning
适应性协作与人类：多智能体大语言模型的元认知策略优化与持续学习
机构 * University of Southern California（南加州大学）
AI总结 HILA框架通过元认知策略优化与持续学习，实现多智能体与人类的协同协作，提升复杂任务处理能力。
高校专区
University of Southern California（南加州大学）
Preference-Conditioned Reinforcement Learning for Space-Time Efficient Online 3D Bin Packing
基于偏好条件的强化学习用于空间时间高效的在线3D装箱
机构 * Viterbi School of Engineering, University of Southern California（美国南加州大学维特比工程学院） ； Amazon Robotics（亚马逊机器人）
AI总结 STEP方法通过偏好条件强化学习，在保持装箱密度的同时将操作时间减少44%。
Comments 8 pages, 5 figures. Accepted to IEEE International Conference on Robotics and Automation 2026. Project Website: https://step-packing.github.io
Inverse Resistive Force Theory (I-RFT): Learning granular properties through robot-terrain physical interactions
逆电阻力理论（I-RFT）：通过机器人与地形的物理互动学习颗粒特性
机构 * University of Southern California, Los Angeles, CA 90089, USA（美国南加州大学）
AI总结 I-RFT通过机器人与地形的物理互动学习颗粒特性，结合颗粒电阻力理论与高斯过程，实现对地形属性的准确估计与不确定性量化，提升自主探索效率。
Learning-free L2-Accented Speech Generation using Phonological Rules
无需学习的L2口音语音生成：基于语音学规则
机构 * Signal Analysis and Interpretation Lab, University of Southern California, USA（信号分析与解读实验室，美国南加州大学） ； Department of Linguistics, University of Southern California（语言学系，美国南加州大学）
AI总结 本文提出无需学习的L2口音语音生成方法，通过语音学规则与多语言TTS模型结合，在无需带口音数据的情况下实现音素级口音操控。
Comments Submitted to Interspeech2026
Accent Vector: Controllable Accent Manipulation for Multilingual TTS Without Accented Data
Accent Vector: 多语言TTS中无需带 accents数据的可控 accent操控
机构 * Signal Analysis and Interpretation Lab, University of Southern California, USA（信号分析与解释实验室，南加州大学） ； Thomas Lord Department of Computer Science, University of Southern California, USA（托马斯·劳德计算机科学系，南加州大学） ； Department of Linguistics, University of Southern California（语言学系，南加州大学）
AI总结 本文提出Accent Vector，一种无需带口音数据的多语言TTS可控口音操控方法，通过微调和向量操作实现精细口音控制。
Comments Submitted to Interspeech2026
"Better Ask for Forgiveness than Permission": Practices and Policies of AI Disclosure in Freelance Work
更好的请求宽恕而非许可：自由职业工作中AI披露的实践与政策
机构 * University of Southern California（南加州大学） ； Emory University（埃默里大学） ； IBM Research（IBM研究院）
AI总结 本文探讨了自由职业工作中AI披露的实践与政策，揭示了工人与客户在披露期望上的差异及政策不明确带来的问题，提出需要更清晰的指导以促进信任和责任。
IMPACT: Intelligent Motion Planning with Acceptable Contact Trajectories via Vision-Language Models
IMPACT: 通过视觉-语言模型实现可接受接触轨迹的智能运动规划
机构 * Thomas Lord Department of Computer Science, Viterbi School of Engineering, University of Southern California（托马斯·劳德计算机科学系，维特里比工程学院，南加州大学）
AI总结 IMPACT通过视觉-语言模型实现高效的接触丰富运动规划，在杂乱环境中优于其他方法。
Feasibility Restoration under Conflicting STL Specifications with Pareto-Optimal Refinement
在冲突的STL规范下进行可行性恢复的帕累托最优细化
机构 * Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Computer Science and Engineering, Texas A&M University（德克萨斯农工大学计算机科学与工程系）
AI总结 本文提出了一种两阶段框架，在冲突的STL规范下通过最小松弛恢复可行性，并通过多目标优化实现可解释的决策。
"Dark Triad" Model Organisms of Misalignment: Narrow Fine-Tuning Mirrors Human Antisocial Behavior
黑暗三联征模型生物：对齐偏差：狭窄微调映射人类反社会行为
机构 * Brain & Creativity Institute, University of Southern California（大脑与创造力研究所，南加州大学） ； Department of Psychology, University of Southern California（心理学系，南加州大学） ； Interchange Forum for Reflecting on Intelligent Systems, University of Stuttgart（智能系统反思交流论坛，斯图加特大学）
AI总结 本文通过黑暗三联征框架，研究LLM中的对齐偏差问题，通过微调诱导反社会行为，揭示LLM中潜在的人格结构。
Comments 38 pages, 17 figures
FuzzingRL: Reinforcement Fuzz-Testing for Revealing VLM Failures
FuzzingRL: 用于揭示视觉语言模型故障的强化模糊测试
机构 * University of Southern California（南加州大学） ； Toyota Research Institute（丰田研究机构）
AI总结 FuzzingRL通过强化模糊测试生成挑战性问题，揭示视觉语言模型的故障点并降低其准确性。
Comments 18 pages, 4 figures. † These authors jointly supervised this work: Jiageng Mao and Yue Wang
VISTA: Vision-Language Inference for Training-Free Stock Time-Series Analysis
VISTA：面向无训练股票时间序列分析的视觉-语言推理
机构 * University of Southern California（南加州大学）
AI总结 VISTA通过结合文本和视觉信息，利用无训练的视觉-语言模型实现股票时间序列预测，实验结果显示其在预测精度上显著优于传统方法。
Comments Accepted to the CVPR 2025 Workshop on Transformers for Vision (T4V): accepted-papers" target="_blank" rel="noopener">https://sites.google.com/view/t4v-cvpr25/accepted-papers
