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。
