高校专区
EVIDENT: 通过实体锚定的视觉证据路由MLLM适配用于跨域视频时间定位
机构 * Kyung Hee University（庆尚大学） ； University of Southern California（南加州大学） ； Seoul National University（首尔国立大学）
AI总结 针对视频时间定位中域迁移导致性能下降的问题，提出EVIDENT框架，通过实体瓶颈适配器、实体绑定蒸馏损失和实体到证据门控机制，利用预训练MLLM的实体注意力实现参数高效的跨域鲁棒时间定位。
过马路前左右看：从2D视觉先验中提取交叉场
机构 * University of Chicago（芝加哥大学） ； University of Southern California（南加州大学） ； University of Edinburgh（爱丁堡大学）
AI总结 提出CrossLift方法，利用文本到图像先验从2D图像中提取方向信号，通过两次平滑插值将其反投影到网格表面，生成语义对齐的交叉场和四边形网格。
Comments Project page at: https://crosslift.github.io/
用于评估手术反馈质量的多智能体LLM框架
机构 * Computing + Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系） ； Department of Urology, Cedars-Sinai（塞斯医疗中心泌尿科） ； Keck School of Medicine, University of Southern California（美国南加州大学凯克医学院）
AI总结 提出一个两阶段LLM框架，通过多智能体提示和手术领域知识注入发现可解释的反馈质量标准，并利用LLM作为评判者自动评分，在预测反馈有效性上优于先前方法。
Comments 25 pages, 3 figures
Second Guess: 通过弃权和答案稳定性检测小型语言模型的不确定性
机构 * University of Southern California（南加州大学） ； Information Sciences Institute（信息科学研究所）
AI总结 提出一种轻量级、无参数的提示技术Second Guess，通过添加“我不知道”选项并观察答案稳定性，在多项选择问答中实现弃权，有效检测小型语言模型的不确定性。
可解释且无需反向传播的绿色学习用于高效多任务超声心动图分割与分类
机构 * Harvard Medical School and Massachusetts General Hospital（哈佛医学院和麻省总医院） ； Graduate Institute of Biomedical Electronics and Bioinformatics（生物医学电子与生物信息学研究生院） ； University of Southern California（南加州大学）
AI总结 提出一种无需反向传播的多任务绿色学习框架，通过无监督VoxelHop编码器与多级回归解码器及XG-Boost分类器，在EchoNet-Dynamic数据集上实现左心室分割与射血分数分类，以极低参数量达到高精度。
Comments Accepted for publication in APSIPA Transactions on Signal and Information Processing. Jyun-Ping Kao and Jiaxing Yang contributed equally to this work. C.-C. Jay Kuo and Jonghye Woo are the senior authors
AgentIR：面向长期对话记忆的工作负载自适应级联检索基座
机构 * University of Southern California（南加州大学）
AI总结 针对长期对话记忆中索引动态增长、查询类型变化和亚10毫秒延迟预算的挑战，提出一种基于置信度触发的级联路由策略，通过自适应选择融合方法和是否运行稠密通道，在保持准确率的同时显著降低延迟并提升并发能力。
Comments 29 pages, 9 figures, 12 tables. Main paper 9 pages + comprehensive appendix (proof, GPU kernels, full per-dataset BEIR/LongMemEval/LoCoMo tables, cascade router C++ API, 6 robustness experiments, FAQ, failure-case catalog)
基于随机裁剪的高效DP-SGD用于大语言模型
机构 * Meta Platforms Inc（Meta平台公司） ； University of Southern California（南加州大学）
AI总结 提出DP-SGD-RC算法，利用随机迹估计（Hutchinson和Hutch++）降低每样本梯度范数估计的内存开销，在保持隐私保证的同时减少内存和计算复杂度。
Comments Accepted at ICML 2026
Fishbone: 从一个3D资产到百万可控编辑
机构 * UCLA（加州大学洛杉矶分校） ； USC（南加州大学） ； UC Berkeley（加州大学伯克利分校） ； TRI（技术研究院） ； Stanford（斯坦福大学） ； Utah（犹他大学）
AI总结 提出一种统一的脊-肋表示方法Fishbone，支持通用网格的可控参数化变形、降阶动力学和动画，并构建了Fishbone-136K数据集，应用于可控3D生成、机器人学习数据增强等任务。
Comments 20 pages, 19 figures
HCL-FF：用于前向-前向算法的分层对比学习
机构 * University of Southern California（南加州大学）
AI总结 针对前向-前向算法缺乏分层协调和特征语义模糊的问题，提出HCL-FF框架，通过粗到细的分层学习策略和监督对比学习目标，在CIFAR-10等数据集上取得FF方法最佳性能。
Comments Accepted by CVPR 2026. Code: https://github.com/JNNNNYao/HCL-FF
DRInQ: 通过受控上下文变化评估会话含义
机构 * University of Southern California（南加州大学）
AI总结 提出DRInQ基准，通过半自动化管道生成系统变化的问答上下文实例，评估大语言模型在会话含义中的语用推理能力，发现模型在生成与推理之间存在不对称性。
Comments To be presented at ACL 2026
大型语言模型中的置信度校准
机构 * U.C. Berkeley（伯克利大学） ； University of Southern California（南加州大学）
AI总结 通过预注册研究，发现大型语言模型（LLMs）的置信度普遍高于准确率，且存在显著的难易效应：困难测试中过度自信，简单测试中信心不足，并提出了LifeEval测试用于评估不同难度下的模型校准。
OASES：面向智能搜索的结果对齐搜索-评估协同训练
机构 * Renmin University of China（中国人民大学） ； Xiaohongshu Inc.（小红书公司） ； University of Southern California（南加州大学）
AI总结 提出OASES框架，通过结果对齐的过程奖励和搜索-评估协同训练，解决智能搜索中奖励稀疏和过程监督不可靠的问题，在多跳问答基准上优于强强化学习基线。
结构抽象作为非平稳语言模型训练的归纳偏置
机构 * University of Southern California（南加州大学）
AI总结 提出抽象增强训练（AAT）方法，通过联合优化具体实例及其结构抽象，减少灾难性干扰并提升关系泛化能力，在非平稳语言模型训练中验证了结构抽象作为稳定学习信号的有效性。
RecGOAT: 用于LLM增强多模态推荐的图最优自适应传输与双语义对齐
机构 * Fudan University（复旦大学） ； University of Southern California（南加州大学）
AI总结 针对生成式语言模型表示与ID协同信号之间的语义异质性，提出基于图神经网络和最优传输理论的双粒度语义对齐框架RecGOAT，通过实例级和分布级对齐实现统一特征空间，理论证明其表示误差更低，实验达到最优性能。
Comments Under Review
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