University of Southern California（南加州大学）

DSSCNet: A Transfer Learning Framework for Cross-Corpus Dysarthric Speech Severity Classification

DSSCNet：一种用于跨语料库构音障碍语音严重程度分类的迁移学习框架

Arnab Kumar Roy, Hemant Kumar Kathania, Paban Sapkota, Sudarsana Reddy Kadiri, Shrikanth Narayanan

机构 * Department of Computer Science and Engineering, Sikkim Manipal Institute of Technology, India（计算机科学与工程系，西基姆曼普尔理工学院，印度） ； Department of Electronics and Communication Engineering, National Institute of Technology Sikkim, India（电子与通信工程系，西基姆国家理工学院，印度） ； Signal Analysis and Interpretation Laboratory (SAIL), University of Southern California, Los Angeles, USA（信号分析与解释实验室（SAIL），南加州大学，美国洛杉矶） 纠错

AI总结 提出DSSCNet深度学习模型，利用迁移学习和多语料库学习，在TORGO和UA-Speech数据集上分别达到75.80%和68.25%的准确率，优于现有模型。

How Well Do Self-Supervised Speech Models Encode Age and Gender in Children's Speech? A Layer-Wise Analysis Across Multiple Architectures

自监督语音模型在儿童语音中编码年龄和性别的效果如何？跨多种架构的逐层分析

Abhijit Sinha, Hemant Kumar Kathania, Mohit Joshi, Harishankar Kumar, Shrikanth Narayanan, Sudarsana Reddy Kadiri

机构 * National Institute of Technology Sikkim（锡金国立技术学院） ； Signal Analysis and Interpretation Lab (SAIL), University of Southern California（信号分析与解读实验室（SAIL），南加州大学） 纠错

AI总结 本研究分析了四种自监督语音模型（Wav2Vec2、HuBERT、Data2Vec、WavLM）在儿童语音中编码年龄和性别的能力，通过逐层特征提取和轻量级CNN分类，发现早期到中间层编码最强副语言线索，HuBERT在年龄分类上表现最佳，且结果对数据不平衡和领域不匹配具有鲁棒性。

Speaker Identity in Non-Verbal Vocalizations: Conditional Distillation and Mixture of Experts Approach

非语言发声中的说话人身份：条件蒸馏与专家混合方法

Tzu-Chieh Wei, Yi-Cheng Lin, Huang-Cheng Chou, Kuan-Yu Chen, Hsin-Yen Sung, Shrikanth Narayanan, Hung-yi Lee

机构 * University of Michigan（密歇根大学） ； National Taiwan University（国立台湾大学） ； Signal Analysis and Interpretation Laboratory (SAIL)（信号分析与解释实验室） ； University of Southern California（南加州大学） ； National Taiwan University Artificial Intelligence Center of Research Excellence（国立台湾大学人工智能研究中心） 纠错

AI总结 针对非语言发声的说话人验证难题，提出结合冻结Data2Vec自监督特征、ECAPA-TDNN和专家混合模块的框架，通过条件蒸馏和对比损失，将等错误率从38.93%降至22.66%。

Comments Accepted by INTERSPEECH 2026

RaMem: Contextual Reinstatement for Long-term Agentic Memory

RaMem: 面向长期智能体记忆的上下文重建

Wei Yang, Bryce Kan, Shixuan Li, Li Li, Yuehan Qin, Jiate Li, Paul Bogdan, Jesse Thomason

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

AI总结 针对长期记忆中的上下文坍塌问题，提出RaMem框架，通过证据锚定、回忆条件归纳、有效性感知检索和上下文保留合成四个阶段，将检索到的记忆片段转化为可验证的上下文证据，在多个基准上平均F1提升超10%。

GRADE: Graph Representation of LLM Agent Dependency and Execution

GRADE: LLM智能体依赖与执行的图表示

Yue Zhao

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

AI总结 提出GRADE，将LLM智能体的运行建模为具有执行边和依赖边的图，依赖边通过分级推断，在多个数据集上优于运行规模指标，并可用于故障定位。

Comments 18 pages, 5 figures, 8 tables. Code: https://github.com/yzhao062/grade

AgentLens: Interpretable Safety Steering via Mechanistic Subspaces for Multi-Turn Coding Agent

AgentLens: 通过机制子空间实现多轮编码代理的可解释安全引导

Weidi Luo, Qiming Zhang, Yihao Quan, Mingyu Jin, Jie Cai, Chaowei Xiao, Jingcheng Niu, Zhen Xiang

机构 * University of Georgia（佐治亚大学） ； University of South Florida（南佛罗里达大学） ； Rutgers University（罗格斯大学） ； University of Southern California（南加州大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 提出AgentLens框架，从内部表示层检测和缓解多轮编码代理的安全风险，通过单层10维子空间干预实现运行时安全控制，并在MAS基准上验证有效性。

Line Drawings using LightBenders: Authoring and Illuminating

使用LightBender绘制线条图：创作与照明

Hamed Alimohammadzadeh, Shahram Ghandeharizadeh

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

AI总结 提出一种由无人机和LED灯带构成的LightBender系统，用于在空中照明线条图和字母，通过算法优化编队、Blender插件和SVG导入实现创作与部署，实验表明10.1毫米偏差在感知上可接受。

Enhancing Road Safety: An IoT-Based Accident Detection and Prevention Mechanism

增强道路安全：基于物联网的交通事故检测与预防机制

Prabhu Pugalenthi, Pramod Krishnaa Dhanbalan

机构 * University of Southern California（美国南加州大学） ； Coimbatore Institute of Technology（科伊巴托尔理工学院） 纠错

AI总结 提出一种基于物联网的交通事故预防与检测系统（APDS），通过多层级架构实现实时遥测监控、主动报警和自动紧急通信，以降低事故风险并优化应急响应。

Comments 4 pages, 4 figures, 1 table

When Compression Helps and When It Hurts: Condition-Aware Analysis of Chain-of-Thought Distillation

何时压缩有益，何时有害：链式思维蒸馏的条件感知分析

Siyang Lyu, Zhijing Sun, Xinghao Chen, Tong Liu, Dawei Zhu, Xiaoyu Shen

机构 * Ningbo Institute of Digital Twin, Eastern Institute of Technology, Ningbo（宁波数字孪生研究院，东方理工高等研究院，宁波） ； Viterbi School of Engineering, University of Southern California（南加州大学维特比工程学院） ； The Hong Kong Polytechnic University（香港理工大学） ； LMU Munich（慕尼黑大学） ； Saarland University（萨尔大学） 纠错

AI总结 通过系统实验揭示链式思维蒸馏中压缩方法的关键因素：重要性准则的粒度、重构级别和压缩预算在不同领域和模式下的影响，并给出条件感知的部署指南。

AI Alignment From Social Choice Perspectives

从社会选择视角看AI对齐

Daniel Halpern, Evi Micha, Ariel D. Procaccia, Benjamin Schiffer, Itai Shapira, Shirley Zhang

机构 * Google Research（谷歌研究院） ； University of Southern California（南加州大学） ； Harvard University（哈佛大学） 纠错

AI总结 本文从社会选择理论视角审视人类反馈对齐中的偏好聚合问题，识别失败模式并揭示处理分歧的广阔设计空间。

Comments Accepted for publication in ACM SIGecom Exchanges

Duet: Dual-Robot Understanding via Efficient Teaching

Duet: 通过高效教学实现双机器人理解

Yiqi Zhao, Ruohai Ge, Celina Shiyu Wang, Junjie Ye, Muchen Xu, Minhao Li, Sergey Zakharov, Basile Van Hoorick, Vitor Campagnolo Guizilini, Leonidas Guibas, Gaurav S. Sukhatme, Jyotirmoy V. Deshmukh, Yue Wang

机构 * University of Southern California（南加州大学） ； Toyota Research Institute（丰田研究所） ； Stanford University（斯坦福大学） 纠错

AI总结 提出DUET框架，利用VR遥操作和人类协作先验，通过预训练与微调结合，实现双机器人移动操作的高效学习，显著降低数据采集成本。

TaigiSpeech: A Low-Resource Real-World Speech Intent Dataset and Preliminary Results with Scalable Data Mining In-the-Wild

TaigiSpeech: 一个低资源真实世界语音意图数据集及基于可扩展野外数据挖掘的初步结果

Kai-Wei Chang, Yi-Cheng Lin, Huang-Cheng Chou, Wenze Ren, Yu-Han Huang, Yun-Shao Tsai, Chien-Cheng Chen, Yu Tsao, Yuan-Fu Liao, Shrikanth Narayanan, James Glass, Hung-yi Lee

机构 * Massachusetts Institute of Technology, USA（麻省理工学院） ； National Taiwan University, Taipei, Taiwan（国立台湾大学） ； National Taiwan University Artificial Intelligence Center of Research Excellence, Taipei, Taiwan（国立台湾大学人工智能研究中心） ； Academia Sinica, Taiwan（台湾“中央”研究院） ； National Yang Ming Chiao Tung University, Taiwan（阳明交通大学） ； Signal Analysis and Interpretation Laboratory (SAIL), University of Southern California, USA（信号分析与解释实验室（SAIL），南加州大学） 纠错

AI总结 针对低资源台语，构建包含21位老年人3000条话语的语音意图数据集，并探索关键词匹配与LLM伪标注、音视频框架两种数据挖掘策略，以解决标注数据稀缺问题。

Comments Interspeech 2026 long paper

DamageArbiter: A Multimodal Arbitration Framework for Disaster Damage Assessment from Street-View Imagery

DamageArbiter：一种基于街景图像进行灾害损伤评估的多模态仲裁框架

Yifan Yang, Lei Zou, Wenjing Gong, Kani Fu, Zongrong Li, Siqin Wang, Bing Zhou, Heng Cai, Hao Tian

机构 * organization= Department of Geography, Texas A\&M University , city= College Station , country= USA ； organization= Department of Landscape Architecture \& Urban Planning, Texas A\&M University , city= College Station , country= USA ； organization= Department of Industrial ； Systems Engineering, University of Florida , city= Gainesville , country= USA ； organization= Spatial Sciences Institute, University of Southern California , city= Los Angeles , country= USA ； organization= Department of Geography ； Sustainability, University of Tennessee , city= Knoxville , country= USA 纠错

AI总结 提出DamageArbiter多模态仲裁框架，通过轻量级逻辑回归元分类器仲裁单模态与多模态模型预测分歧，在2556张街景图像上将准确率提升至75.85%，MCC达0.6188，并将过度自信误差从70.58%降至16.45%。

Disentangling Geometry, Performance, and Training in Language Models

解耦语言模型中的几何、性能与训练

Atharva Kulkarni, Jacob Mitchell Springer, Arjun Subramonian, Swabha Swayamdipta

机构 * University of Southern California（南加州大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

AI总结 系统研究Transformer权重几何（尤其是解嵌入矩阵有效秩）与下游性能的关系，发现有效秩主要反映训练超参数而非性能，不能可靠预测模型表现。

Efficient Reinforcement Finetuning via Adaptive Curriculum Learning

通过自适应课程学习的高效强化微调

Taiwei Shi, Yiyang Wu, Linxin Song, Tianyi Zhou, Jieyu Zhao

机构 * University of Southern California（南加州大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

AI总结 提出AdaRFT方法，通过自适应课程学习动态调整训练问题难度，提升强化微调效率，在数学推理任务上训练时间减半。

Comments Published in Transactions on Machine Learning Research (TMLR). 30 pages, 8 figures, 7 tables

The Chameleon Nature of LLMs: Quantifying Multi-Turn Stance Instability in Search-Enabled Language Models

LLM的变色龙本质：量化搜索增强语言模型中的多轮立场不稳定性

Shivam Ratnakar, Sanjay Raghavendra

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

AI总结 提出变色龙基准数据集和两个度量指标，揭示搜索增强LLM在多轮对话中因知识多样性不足而严重依赖查询框架，导致立场频繁摇摆。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: MTI-LLM @ NeurIPS 2025

Evaluating Evaluation Metrics -- The Mirage of Hallucination Detection

评估评估指标——幻觉检测的幻象

Atharva Kulkarni, Yuan Zhang, Joel Ruben Antony Moniz, Xiou Ge, Bo-Hsiang Tseng, Dhivya Piraviperumal, Swabha Swayamdipta, Hong Yu

机构 * University of Southern California（南加州大学） ； Apple Inc.（苹果公司） 纠错

AI总结 本文评估了6种幻觉检测指标在4个数据集、37个语言模型和5种解码方法上的表现，发现现有指标与人类判断不一致，且参数规模影响不一致，LLM评估和模式寻求解码方法能有效减少幻觉。

Comments Accepted at EMNLP 2025 Findings (Short)

Hyperlocal disaster damage assessment using bi-temporal street-view imagery and pre-trained vision models

利用双时相街景图像和预训练视觉模型进行超局部灾害损害评估

Yifan Yang, Lei Zou, Bing Zhou, Daoyang Li, Binbin Lin, Joynal Abedin, Mingzheng Yang

机构 * Department of Geography, Texas A&M University（地理系，德克萨斯A&M大学） ； Department of Geography, Pennsylvania State University（地理系，宾夕法尼亚州立大学） ； Department of Geography and Sustainability, University of Tennessee（地理与可持续发展系，田纳西大学） ； Spatial Sciences Institute, University of Southern California（空间科学研究所，南加州大学） 纠错

AI总结 本文研究利用双时相街景图像和预训练视觉模型，通过引入预灾图像作为无损类别，提升模型在损害分级中的性能，并设计双通道算法评估超局部灾害损害，实验表明双通道特征融合模型准确率提升显著。

Comments 27 pages,9 figures

Journal ref Computers, Environment and Urban Systems, 121, 102335 (2025)

GeoLocator: a location-integrated large multimodal model for inferring geo-privacy

GeoLocator：一种集成位置的大型多模态模型，用于推断地理隐私

Yifan Yang, Siqin Wang, Daoyang Li, Yixian Zhang, Shuju Sun, Junzhou He

机构 * Spatial Sciences Institute, University of Southern California（南加州大学空间科学研究所） ； Evolutionary Assets（进化资产） ； Viterbi school of engineering, University of Southern California（南加州大学维特比工程学院） 纠错

AI总结 本文提出GeoLocator模型，用于推断输入影像和社会媒体中的地理位置信息，揭示了模型在地理隐私保护中的潜在风险。

Comments 16pages, 2 figures

Journal ref Appl. Sci. 14(16), 7091 (2024)

Still Not Quite There! Evaluating Large Language Models for Comorbid Mental Health Diagnosis

仍未完全到位！评估大型语言模型用于共病心理健康诊断

Amey Hengle, Atharva Kulkarni, Shantanu Patankar, Madhumitha Chandrasekaran, Sneha D'Silva, Jemima Jacob, Rashmi Gupta

机构 * University of Southern California（美国南加州大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Sion Hospital（Sion医院） ； Clinical Psychotherapist（临床心理治疗师） ； Sophia College for Women（Sophia女子学院） ； Indian Institute of Technology Bombay（印度班加罗尔理工学院） 纠错

AI总结 本文提出ANGLES基准，用于从社交媒体帖子中分类抑郁症和焦虑共病，通过多标签分类提升诊断准确性，评估了从Mental-BERT到GPT-4等多种模型的性能，发现GPT-4表现最佳但F1分数仍低于72%。

Comments 24 Pages

Are LLMs Effective Negotiators? Systematic Evaluation of the Multifaceted Capabilities of LLMs in Negotiation Dialogues

LLMs 是有效的谈判者吗？LLMs 在谈判对话中多方面能力的系统评估

Deuksin Kwon, Emily Weiss, Tara Kulshrestha, Kushal Chawla, Gale M. Lucas, Jonathan Gratch

机构 * University of Southern California（南加州大学） ； University of California, Berkeley（加州大学伯克利分校） ； Capital One 纠错

AI总结 系统评估大型语言模型在谈判中的多方面能力，发现 GPT-4 表现优异，但在主观评估和生成策略性响应方面存在挑战。

Comments Accepted to Findings of EMNLP 2024

Nonconvex-Nonconcave Min-Max Optimization with a Small Maximization Domain

小最大化域的非凸非凹极小极大优化

Dmitrii M. Ostrovskii, Babak Barazandeh, Meisam Razaviyayn

机构 * School of Mathematics & Industrial & Systems Engineering (ISyE), Atlanta, USA（数学与工业与系统工程学院（ISyE），美国亚特兰大） ； Viterbi School of Engineering, University of Southern California, Los Angeles, USA（维特比工程学院，美国南加州大学，洛杉矶） 纠错

AI总结 针对非凸非凹极小极大问题，提出利用泰勒近似替代原函数，当最大化域直径足够小时，近似问题的稳定点保持原问题的近似稳定点，并给出算法收敛保证。

Comments 50 pages