University of Southern California（南加州大学）

MM-Zero: Self-Evolving Multi-Model Vision Language Models From Zero Data

MM-Zero: 从零数据自我进化多模型视觉语言模型

Zongxia Li, Hongyang Du, Chengsong Huang, Xiyang Wu, Lantao Yu, Yicheng He, Jing Xie, Xiaomin Wu, Zhichao Liu, Jiarui Zhang, Fuxiao Liu

机构 * University of Maryland（马里兰大学） ； Brown University（布朗大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Adobe ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Southern California（南加州大学） ； NVIDIA 纠错

AI总结 MM-Zero通过多角色框架实现VLM零数据自我进化，提升多模态推理性能。

JULI: Jailbreak Large Language Models by Self-Introspection

通过自我反思 jailbreak 大型语言模型：JULI

Jesson Wang, Zhanhao Hu, David Wagner

机构 * University of Southern California（南加州大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

AI总结 JULI 通过操纵令牌日志概率，利用微小插件块 BiasNet 实现对 API 调用 LLMs 的 jailbreak，无需模型权重或生成过程权限，且在黑盒环境下有效。

Comments Accepted to ICLR 2026

Trade-offs Between Capacity and Robustness in Neural Audio Codecs for Adversarially Robust Speech Recognition

神经音频编解码器中容量与鲁棒性之间的权衡

Jordan Prescott, Thanathai Lertpetchpun, Shrikanth Narayanan

机构 * Signal Analysis and Interpretation Laboratory, University of Southern California, USA（南加州大学信号分析与解释实验室） 纠错

AI总结 本文研究了神经音频编解码器中容量与鲁棒性之间的权衡，发现中间深度量化能平衡对抗扰动与语音内容质量，从而最小化转录错误。

Comments Submitted to Interspeech 2026

Improving through Interaction: Searching Behavioral Representation Spaces with CMA-ES-IG

通过交互改进：利用CMA-ES-IG搜索行为表示空间

Nathaniel Dennler, Zhonghao Shi, Yiran Tao, Andreea Bobu, Stefanos Nikolaidis, Maja Matarić

机构 * CSAIL/AeroAstro, Massachusetts Institute of Technology（CSAIL/AeroAstro，麻省理工学院） ； Department of Computer Science, University of Southern California（计算机科学系，南加州大学） 纠错

AI总结 本文提出CMA-ES-IG算法，通过整合用户体验考虑，提升机器人行为偏好学习的效率和鲁棒性。

Comments Under submission to IJRR

VoxEmo: Benchmarking Speech Emotion Recognition with Speech LLMs

VoxEmo：基于语音大语言模型的语音情感识别基准测试

Hezhao Zhang, Huang-Cheng Chou, Shrikanth Narayanan, Thomas Hain

机构 * Department of Computer Science, University of Sheffield, United Kingdom（英国谢菲尔德大学计算机科学系） ； Signal Analysis and Interpretation Laboratory (SAIL), Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California, Los Angeles, CA 90089, USA（美国南加州大学电气与计算机工程系信号分析与解释实验室（SAIL）） 纠错

AI总结 VoxEmo是一个基于语音大语言模型的语音情感识别基准测试，通过提供多样化的提示复杂度和分布感知的软标签协议，评估模型在真实世界中的情感识别能力。

Comments submitted to Interspeech 2026