Analytic Torsion and Spectral Gap Capture Persistent-Laplacian Performance
解析挠率和谱间隙捕捉持久拉普拉斯算子的性能
机构 * University of Southern California（南加州大学）
AI总结 提出用贝蒂数、谱间隙和解析挠率三个不变量的紧凑谱表示替代全谱，在多个数据集上实现同等或更优性能，显著降低计算开销并避免高频噪声。
Comments 13 pages
高校专区
University of Southern California（南加州大学）
Privacy from Symmetry: Orthogonally Equivariant Transformers for LLM Inference
对称性带来的隐私：用于大语言模型推理的正交等变Transformer
机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； University of Southern California（南加州大学）
AI总结 针对拆分推理中隐藏表示易被近邻搜索恢复的问题，提出正交混淆方法，并设计ConjFormer架构实现O(d)-等变性，在不加噪声或重加密下将令牌恢复率从35%降至1.3%，困惑度仅增0.4%。
Variance Reduction for Non-Log-Concave Sampling with Applications to Inverse Problems
非对数凹采样的方差缩减及其在逆问题中的应用
机构 * School of Electrical and Computer Engineering, Purdue University（普渡大学电气与计算机工程学院） ； School of Electrical and Computer Engineering, University of Southern California（南加州大学电气与计算机工程学院） ； School of Biomedical Engineering, Purdue University（普渡大学生物医学工程学院）
AI总结 针对非对数凹分布采样中随机梯度高方差问题，提出统一分析动量、STORM和PAGE等方差缩减方法，证明其在相对Fisher信息和非平方总变差距离下的改进收敛率，并扩展至基于得分的生成先验逆问题求解。
Comments Accepted to Uncertainty in Artificial Intelligence (UAI) 2026
IBAD: Interpretable Behavioral Anomaly Detection on Human Mobility Data
IBAD：人类移动数据上的可解释行为异常检测
机构 * University of Southern California（南加州大学）
AI总结 提出IBAD框架，利用LDA学习可解释的日常移动模板，通过层次自监督模型检测个体行为异常，在真实和合成数据集上验证了模板的可迁移性和鲁棒性。
Bridging Geographic Bias in Urban Streetscape Inference via Lifelong Learning with Visual-Semantic Pivoting
通过视觉-语义枢轴终身学习弥合城市街景推理中的地理偏差
机构 * University of Southern California（南加州大学）
AI总结 提出HVSP-LL终身学习框架，通过分层视觉-语义枢轴模块和公平感知重放机制，在跨城市街景推理中减少地理偏差，实现城市间感知差距缩小38%。
Audited Conformal Prediction for Classification under Unknown Distribution Shift
未知分布漂移下分类问题的审计共形预测
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） ； AI Foundations, Capital One（Capital One人工智能基础） ； Department of Data Sciences and Operations, Thomas Lord Department of Computer Science, University of Southern California（数据科学与运营系，托马斯·劳德计算机科学系，南加州大学）
AI总结 提出审计共形预测方法，利用目标群体小标注数据训练审计模型识别旧模型可能失败的输入，结合共形预测框架在保证边际覆盖的同时提高条件覆盖，并提供理论保证。
VigilFormer: Deformable Attention for Video Anomaly Detection with Causal Risk Inference
VigilFormer: 用于视频异常检测的可变形注意力与因果风险推理
机构 * University of Southern California（南加州大学）
AI总结 提出VigilFormer框架，结合可变形时空注意力与因果时序建模，通过稀疏注意力、对比多实例学习和自适应帧跳过，在保持高精度的同时实现实时异常检测。
Act on What You See: Unlocking Safe Social Navigation in Vision-Language-Action Models
Act on What You See: 在视觉-语言-动作模型中解锁安全社交导航
机构 * University of Maryland（马里兰大学） ； University of Southern California（南加州大学）
AI总结 提出SALSA框架，通过两阶段无标注后训练（社交行为对齐和时间安全对齐），使预训练VLA模型利用已有表征实现安全社交导航，减少86.4%的近距离碰撞。
DOG-DPO:Dynamic Optimization in Geometry for Safety Alignment
DOG-DPO：几何中的动态优化用于安全对齐
机构 * University of Southern California（南加州大学） ； Iowa State University（爱荷华州立大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； UT Austin（德克萨斯大学奥斯汀分校） ； Independent Researcher（独立研究员） ； University of Notre Dame（圣母大学）
AI总结 提出DOG-DPO框架，将偏好对表示为模型表示空间中的方向，通过几何分解和多样性覆盖选择子集，仅用11%数据即可恢复大部分安全增益。
Pantheon360: Taming Digital Twin Generation via 3D-Aware 360° Video Diffusion
Pantheon360: 通过3D感知的360°视频扩散驯服数字孪生生成
机构 * University of Southern California（南加州大学） ； National Yang Ming Chiao Tung University（国家阳明交通大学） ； Cornell University（康奈尔大学） ； Bosch Research（博世研究）
AI总结 提出Pantheon360框架，利用显式3D缓存从稀疏360°输入生成高保真视频，实现全局几何一致性和可控相机路径，解决传统透视视频生成器视野受限导致的跨视图不一致和时间漂移问题。
Comments Accepted to CVPR 2026. Project page: https://koi953215.github.io/pantheon360_page/
FORTIS: Benchmarking Over-Privilege in Agent Skills
FORTIS：评估代理技能中的过度特权
机构 * University of Southern California（南加州大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Adobe Research（Adobe研究） ； Arizona State University（亚利桑那州立大学） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 研究发现，当前代理技能层普遍存在过度特权问题，模型在选择和执行技能时常超出任务需求，导致性能不佳。
SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks
SkillsBench: 基准测试智能体技能在不同任务中的有效性
机构 * BenchFlow ； OSU ； Amazon ； UC Berkeley ； UC Santa Cruz ； UC Davis ； Dartmouth ； RLWRLD ； Independent ； Princeton University ； Oxford University ； Stanford University ； USC ； CMU ； Foxconn ； Zenity ； UNSW ； UT Austin ； MSU ； Duke University ； ByteDance ； UT Dallas ； UC San Diego ； Columbia University ； University of Rochester ； Cornell Tech ； Georgia Tech ； Cornell University ； NEU ； UCLA ； Snap Inc. ； Fanshawe College ； University of Science and Technology of China ； HKUST(GZ) ； Anyscale
AI总结 提出SkillsBench基准，包含8领域87个任务，通过配对评估证明技能提升平均通过率16.6个百分点，小模型配备技能可匹敌大模型。
A New k-Space Model for Non-Cartesian Fourier Imaging
一种用于非笛卡尔傅里叶成像的新k空间模型
机构 * USC Center for Advanced Research Computing（USC高级研究计算中心） ； Signal and Image Processing Institute（信号与图像处理研究所）
AI总结 针对传统基于体素的傅里叶成像模型计算成本高、收敛慢且易产生伪影的问题，提出一种基于傅里叶域基展开的新模型，在非笛卡尔MRI重建中实现更优图像质量和更低计算复杂度。
