高校专区
非完美压缩下的预测：近似最小描述长度理论
机构 * Shenzhen Research Institute of Big Data（深圳大数据研究院） ； University of Southern California（南加州大学）
AI总结 本文研究了在近似优化下，最小描述长度（MDL）原则仍能保证可靠序列预测的条件，证明了加性松弛下的鲁棒性并刻画了正则化的必要性。
Comments 26 pages
Token排名是不可伪造的语言模型签名
机构 * University of Southern California（南加州大学） ； University of Edinburgh（爱丁堡大学）
AI总结 本文发现语言模型的token排名（按概率排序）构成唯一且不可伪造的签名，并研究了在限制API下如何平衡签名展示与参数泄露。
从符号到几何：在大语言模型中实现空间推理
机构 * University of Southern California（南加州大学） ； Emory University（埃默里大学） ； Novateur Research Solutions（Novateur研究解决方案）
AI总结 提出空间语言模型（SLM），通过将位置信息作为一等模态并学习空间表示，在推理过程中实现几何空间推理，显著优于基于符号推理的现有方法。
3D视觉食谱：数据、学习范式与应用
机构 * Brown University（布朗大学） ； University of Maryland, College Park（马里兰大学学院公园分校） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Southern California（南加州大学） ； New York University（纽约大学） ； The University of Sydney（悉尼大学） ； Stability AI
AI总结 本文提出一种以数据为中心的3D视觉分类法，通过分析点云、网格、体素和3D高斯等几何表示及其获取流程，以及数据集设计、基准构建和监督机制，统一了表示、学习范式与下游任务（重建、生成、视频建模）之间的关系。
Comments Accepted to the CVPR 2026 OpenSUN3D Workshop. Official version available at CVF Open Access. https://openaccess.thecvf.com/content/CVPR2026W/OpenSUN3D/html/Du_A_Cookbook_of_3D_Vision_Data_Learning_Paradigms_and_Application_CVPRW_2026_paper.html
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026
MaskForge：用于越狱扩散大语言模型的结构感知自适应攻击
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Southern California（南加州大学） ； Responsible AI Research (RAIR) Centre, The University of Adelaide（阿德莱德大学负责任人工智能研究中心）
AI总结 提出MaskForge，一种全黑盒自适应攻击方法，通过优化结构模式库实现扩散大语言模型的红队测试，平均攻击成功率达79.3%。
Comments 28 pages, 7 figures, 11 tables. Preprint
拓扑结构至关重要：多智能体大语言模型中的内存泄漏测量
机构 * Arizona State University（亚利桑那州立大学） ； University of Southern California（南加州大学） ； Florida State University（佛罗里达州立大学）
AI总结 提出MAMA框架，通过控制图拓扑结构评估多智能体LLM系统中的内存泄漏，发现密集连接、短攻击距离和高中心性增加泄漏，并给出稀疏或层次化拓扑的设计建议。
Comments Accepted to Findings of the Association for Computational Linguistics: ACL 2026. Camera-ready version
从片段到场景：自动驾驶中基于视觉语言模型的时间理解
机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） ； ETH Zurich（苏黎世联邦理工学院） ； University of Washington（华盛顿大学） ； University of Southern California（南加州大学）
AI总结 提出自动驾驶时间理解基准TAD，通过场景思维链和轨迹认知图两种无训练方法提升视觉语言模型的时间推理能力。
关于测量不确定性在接触相互作用最优控制中的影响
机构 * Max-Planck Institute for Intelligent Systems, Tuebingen-Germany（图灵智能研究所，图宾根-德国） ； University of Southern California, Los Angeles-USA（南加州大学，洛杉矶-美国）
AI总结 本文研究了在机器人应用中，接触相互作用的不确定性不仅来自过程模型的噪声，还来自对世界知识的不精确，提出了一种基于风险敏感控制的SOC算法，通过引入观测器动态来显式依赖当前测量不确定性，仿真结果显示测量不确定性导致低阻尼行为，与过程噪声导致的刚性行为形成对比。
Comments 17 pages, 5 figures - this version is the one published at WAFR 2016 to fulfill the open access requirements of the EU commission, please refer to the previous version for the complete derivation of the algorithm
一种用于非光滑凸复合优化的二阶对偶方法
机构 * Numerica Corporation（Numerica公司） ； University of Southern California（南加州大学）
AI总结 本文提出了一种二阶对偶方法，用于求解目标函数为强凸二次可微项与可能非可微凸正则化项之和的优化问题。通过引入辅助变量，利用非光滑正则化项的近似算子将增强拉格朗日函数转换为一次但非二次连续可微的函数，其鞍点对应于原始优化问题的解。进一步开发了全局收敛的定制算法，利用对偶增强拉格朗日函数作为 merit 函数，并证明了搜索方向可高效计算且具有二次/超线性渐近收敛性。
Comments 32 pages, 8 figures
交互式可微分模拟
机构 * University of Southern California（南加州大学）
AI总结 本文提出交互式可微分模拟（IDS），一种能够高效准确推断刚体系统物理属性的可微分物理引擎，通过视觉输入实现系统识别，从而建立具有物理意义的世界模型，并在非线性动态系统中实现自动任务机器人设计和参数估计，显著提升了非线性控制领域的样本效率。
大规模统计建模和传感器/执行器选择的近端算法
机构 * Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California（南加州大学明希赫电子与计算机工程系） ； Numerica Corporation（Numerica公司）
AI总结 本文提出了一种统一的近端算法框架，用于解决大规模系统建模与控制中的正则化半定规划问题，通过近端方法实现了对统计建模和传感器/执行器选择的高效处理，展示了算法的线性收敛性和有效性。
Comments To appear in IEEE Trans. Automat. Control
机器人无线传感器网络
机构 * University of Southern California（南加州大学） ； Università degli studi "Roma Tre"（罗马三大学） ； Swinburne University of Technology（斯winburne技术大学）
AI总结 本文综述了机器人与无线传感器网络交叉领域的新兴研究领域，探讨了多机器人系统在满足通信性能要求的同时实现传感目标的协同控制、学习和适应方法，并指出现有文献中存在的一些研究空白和未来研究方向。
Hop：异质性感知的去中心化训练
机构 * University of Southern California（南加州大学） ； Tsinghua University（清华大学）
AI总结 本文提出Hop，首个考虑异质性的去中心化训练协议，通过引入迭代间隙这一独特特性，提出基于队列的同步机制以实现备份工作者和有限滞后，同时通过跳过迭代来缓解确定性延迟，实验表明在异质环境中相比标准去中心化训练有显著加速。
Satyam: 机器视觉领域地面真实数据的民主化
机构 * University of Southern California（南加州大学） ； Microsoft Research（微软研究院）
AI总结 本文提出Satyam系统，通过简化流程使非专业人员能够高效收集机器视觉的地面真实数据，从而提升自动驾驶、交通监控和视频监控系统的性能。
使用深度学习的主动顺序假设检验政策设计
机构 * USC Information Sciences Institute（美国南加州大学信息科学研究所）
AI总结 本文研究了如何利用深度学习设计更有效的主动顺序假设检验策略，通过比较新提出的启发式方法与现有方法，展示了在某些场景下性能的显著提升。
Comments Accepted at 56th Annual Allerton Conference on Communication, Control, and Computing
关于自主机电系统中学习组件安全性的推理
机构 * Toyota Research Institute of North America（丰田北美研究院） ； University of Southern California（南加州大学）
AI总结 本文提出基于模拟的方法生成屏障证书函数，用于验证包含神经网络控制器的机电系统安全性。通过线性规划求解器从随机初始状态获得的模拟轨迹中找到候选生成函数，并利用SMT求解器验证其安全性。
Comments Invited paper in conference: Design Automation Conference (DAC) 2018
基于滤波信号的图学习：图系统与扩散核识别
机构 * Department of Electrical Engineering, University of Southern California（电气工程系，南加州大学）
AI总结 本文提出一种新的图信号处理框架，用于从滤波信号类中构建图模型。通过将图建模问题转化为图系统识别问题，学习加权图（图拉普拉斯矩阵）和图滤波器（图拉普拉斯矩阵函数）。算法能从多信号观测中联合识别图和图滤波器，适用于学习扩散核，并在真实气候数据集上验证了其有效性。
Comments Submitted to IEEE Trans. on Signal and Information Processing over Networks (13 pages)
通过加速投影共识解决大规模线性系统
机构 * California Institute of Technology（加州理工学院） ； University of Southern California（南加州大学）
AI总结 本文提出加速分布式共识算法，用于解决大规模线性系统，通过在每个迭代中更新解决方案并结合动量平均，优于梯度下降、Nesterov加速梯度下降、重力球方法和ADMM等方法。
电力电网的智能故障分析
机构 * Department of Computer Science University of Southern California（计算机科学系 美国南加州大学） ； Adobe Systems Incorporated（Adobe系统公司）
AI总结 本文提出利用人工智能技术，通过形式化模型和机器学习方法检测电网健康状况，提升电网稳定性与安全性。
Comments In proceedings of the 29th IEEE International Conference on Tools with Artificial Intelligence (ICTAI) 2017 (full paper); 6 pages; 13 figures
用于无线网络的机器人信息中继：基于粗粒度背压控制
机构 * Dept. of Electrical Engineering, University of Southern California, Los Angeles, CA（电气工程系，南加州大学，洛杉矶，CA）
AI总结 本文研究了机器人在无线网络中中继信息的容量区域，提出粗粒度背压中继算法，通过优化匹配实现稳定传输，证明在可控移动下可实现常数容量并保证有限延迟。
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