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。