University of Southern California（南加州大学）

DreamPlan: Efficient Reinforcement Fine-Tuning of Vision-Language Planners via Video World Models

DreamPlan: 通过视频世界模型高效强化微调视觉语言规划器

Emily Yue-Ting Jia, Weiduo Yuan, Tianheng Shi, Vitor Guizilini, Jiageng Mao, Yue Wang

机构 * USC Physical Superintelligence Lab（USC物理超智能实验室） ； Toyota Research Institute（丰田研究院） 纠错

AI总结 DreamPlan通过视频世界模型高效强化微调视觉语言规划器，利用零样本VLM生成探索数据训练动作条件视频生成模型，再通过ORPO在虚拟环境中微调VLM，提升物体 manipulation 成功率。

Toward Better Temporal Structures for Geopolitical Events Forecasting

迈向更优的地缘政治事件预测时间结构

Kian Ahrabian, Eric Boxer, Jay Pujara

机构 * University of Southern California（南加州大学） ； Information Sciences Institute（信息科学研究所） 纠错

AI总结 本文提出超关系时间知识泛化超图（HTKGHs）以提升地缘政治事件预测，构建htkgh-polecat数据集并分析LLMs在复杂预测任务中的表现。

Comments 18 pages, 15 figures, 3 tables

High-dimensional estimation with missing data: Statistical and computational limits

高维数据缺失下的估计：统计与计算限制

Kabir Aladin Verchand, Ankit Pensia, Saminul Haque, Rohith Kuditipudi

机构 * Department of Data Sciences and Operations, University of Southern California（数据科学与运营系，南加州大学） ； Department of Statistics and Data Science, Carnegie Mellon University（统计与数据科学系，卡内基梅隆大学） ； Department of Computer Science, Stanford University（计算机科学系，斯坦福大学） 纠错

AI总结 研究在数据缺失情况下高维参数估计的统计与计算限制，证明在均值估计中需大量样本才能达到误差要求，而计算高效算法难以达到此下限，但在线性回归中则可近似达到信息论下限。

ReFORM: Review-aggregated Profile Generation via LLM with Multi-Factor Attention for Restaurant Recommendation

ReFORM：基于LLM与多因素注意力的评论聚合资料生成用于餐厅推荐

Moonsoo Park, Seulbeen Je, Donghyeon Park

机构 * University of Southern California, USA（美国南加州大学） ； Sejong University, South Korea（韩国世宗大学） 纠错

AI总结 本文提出ReFORM框架，利用LLM和多因素注意力机制从评论中生成用户和物品资料，提升餐厅推荐的鲁棒性和性能。

Learning to Recall with Transformers Beyond Orthogonal Embeddings

基于非正交嵌入的Transformer学习回忆

Nuri Mert Vural, Alberto Bietti, Mahdi Soltanolkotabi, Denny Wu

机构 * University of Toronto and Vector Institute（多伦多大学和向量研究所） ； Flatiron Institute（Flatiron研究所） ； University of Southern California（南加州大学） ； New York University and Flatiron Institute（纽约大学和Flatiron研究所） 纠错

AI总结 本文研究了在非正交嵌入条件下，单层Transformer在简单token检索任务中的存储容量，揭示了样本量、嵌入维度和序列长度之间的乘积关系。

Comments ICLR 2026

Beyond the Embedding Bottleneck: Adaptive Retrieval-Augmented 3D CT Report Generation

突破嵌入瓶颈：适应性检索增强的3D CT报告生成

Renjie Liang, Yiling Ma, Yang Xing, Zhengkang Fan, Jinqian Pan, Chengkun Sun, Li Li, Kuang Gong, Jie Xu

机构 * University of Florida（佛罗里达大学） ； Yale University（耶鲁大学） ； University of Southern California（南加州大学） 纠错

AI总结 本文提出AdaRAG-CT框架，通过引入补充文本信息缓解3D CT视觉表示瓶颈，提升CT-RATE基准的临床效果。

A federated learning framework with knowledge graph and temporal transformer for early sepsis prediction in multi-center ICUs

一种融合知识图谱和时间变换器的联邦学习框架用于多中心ICU早期脓毒症预测

Yue Chang, Guangsen Lin, Jyun Jie Chuang, Shunqi Liu, Xinkui Li, Yaozheng Li

机构 * Chengdu Medical College（成都医学院） ； Kunming Medical University（昆明医科大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学） ； University of Southern California（南加州大学） ； Yanshan University（燕山大学） 纠错

AI总结 本文提出融合知识图谱和时间变换器的联邦学习框架，用于多中心ICU早期脓毒症预测，通过隐私保护的协同训练提升预测性能，实验表明其AUC达到0.956，优于传统集中模型和标准联邦学习。

SAC-NeRF: Adaptive Ray Sampling for Neural Radiance Fields via Soft Actor-Critic Reinforcement Learning

SAC-NeRF：通过软演员-评论员强化学习实现神经辐射场的自适应射线采样

Chenyu Ge

机构 * University of Southern California（南加州大学） 纠错

AI总结 本文提出SAC-NeRF，通过强化学习框架学习自适应采样策略，减少采样点35-48%，保持渲染质量与密集采样基线相近。