University of Southern California（南加州大学）

Geometric Deviation as an Unsupervised Pre-Generation Reliability Signal: Probing LLM Representations for Answerability

几何偏差作为一种无监督预生成可靠性信号：探测大语言模型表示的可回答性

Yucheng Du

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

AI总结 研究能否通过测量隐藏状态与可回答参考集的偏差，利用表示几何提供预生成信号。在三个模型和三种提示形式上实验，发现几何主要编码任务形式，数学提示中有可区分性，代码提示有部分泛化，该信号在早期层出现。

Comments Accepted to TrustNLP 2026 (ACL Workshop). 11 pages, 3 figures, 3 tables

Journal ref In Proceedings of the 6th Workshop on Trustworthy NLP (TrustNLP 2026), pp. 353-363, 2026

Motion Estimation Techniques for Volumetric Video Attribute Compression

面向体积视频属性压缩的运动估计技术

Haoran Hong, Eduardo Pavez, Antonio Ortega, Ryosuke Watanabe, Keisuke Nonaka

机构 * University of Southern California（南加州大学） ； KDDI Research, Inc.（KDDI研究所） 纠错

AI总结 针对点云属性时域冗余难消除的问题，提出三类运动估计编码方案，在有损几何条件下较现有标准最高可实现55.3%的平均码率节省。

Rating the Pitch, Not the Product: User Evaluations of LLMs Reflect Expectations More Than Performance

评价的是宣传话术，而非产品本身：用户对大语言模型的评估更多反映期望而非性能

Robert Morabito, Tyler McDonald, Charitra Viswanath, Angel Hsing-Chi Hwang, Susanne Gaube, Jad Kabbara, Ali Emami

机构 * Brock University（布鲁克大学） ； Emory University（埃默里大学） ； University of Southern California（南加州大学） ； University College London（伦敦大学学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 研究通过控制实验，让参与者使用不同宣传话术下的六种大语言模型完成任务，发现宣传话术影响用户评价和交互行为，任务表现未变，用户评价更多反映期望管理。

Can Conversational Temporal Dynamics Improve Depression Detection in Dyads? A Preliminary Investigation in Multi-Modality Perspectives

对话时间动态能否改善二元组中的抑郁症检测？多模态视角的初步调查

Hanie Kang, Huang-Cheng Chou, Sudarsana Reddy Kadiri, Shrikanth Narayanan

机构 * Thomas Lord Department of Computer Science, University of Southern California, USA（汤姆斯·劳德计算机科学系，南加州大学，美国） ； 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，美国） 纠错

AI总结 研究从临床访谈自动检测抑郁症，将对话时间动态（二元轮流配对时间）与自监督编码器融合，在DAIC-WOZ数据集上评估，时间模块单模态性能最佳，融合策略提升整体性能，对话时间可作二元抑郁症筛查补充。

Comments Submitted to SLT 2026

On the Convergence of Adam, Revisited

再谈Adam算法的收敛性

Steven Heilman, Sampad Mohanty

机构 * Department of Mathematics, University of Southern California（南加州大学数学系） 纠错

AI总结 研究在线优化中投影Adam算法，通过特定线性函数序列证明任意时刻衰减参数下平均遗憾值有界非零，结果扩展到多种Adam变体及相关序列。

Comments 26 pages

DiPS: Dialogue Policy Selection for High-Stakes Persuasion Agents

DiPS：高风险说服代理的对话策略选择

Tianyi Zhang, Mousumi Das, Abrar Anwar, Jesse Thomason, David Traum

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

AI总结 针对高风险场景中说服策略需个性化的问题，提出DiPS框架，基于Q-learning动态选择说服策略，在火灾疏散模拟和真实人机交互中提升成功率。

Comments Proceedings of the 27th Annual Meeting of the Special Interest Group on Discourse and Dialogue (SIGDIAL 2026)

Three-Step Nav: A Hierarchical Global-Local Planner for Zero-Shot Vision-and-Language Navigation

三步导航：一种用于零样本视觉-语言导航的分层全局-局部规划器

Wanrong Zheng, Yunhao Ge, Laurent Itti

机构 * University of Southern California（南加州大学） ； NVIDIA Research（NVIDIA研究） 纠错

AI总结 本文提出三步导航方法，通过全局-局部分层规划解决零样本视觉-语言导航中的漂移和低成功率问题，无需梯度更新或微调，实现最先进的性能。

Comments Accepted to AISTATS 2026. Code: https://github.com/ZoeyZheng0/3-step-Nav

Journal ref Proceedings of the 29th International Conference on Artificial Intelligence and Statistics (AISTATS), 2026

Efficient Cross-Validation for Sparse Linear Regression

稀疏线性回归的高效交叉验证

Ryan Cory-Wright, Andrés Gómez

机构 * Department of Analytics, Marketing and Operations, Imperial Business School, London, UK（分析、营销与运营系，帝国商务学院，伦敦，英国） ； Department of Industrial and Systems Engineering, Viterbi School of Engineering, University of Southern California, CA（工业与系统工程系，维特比工程学院，美国南加州大学，CA） 纠错

AI总结 针对高维协变量矩阵和响应向量的稀疏线性回归，为选超参数常用k折交叉验证，但计算成本高。本文推导k折交叉验证损失的易处理松弛形式，减少计算量，结果表明其与成熟软件包有竞争力。

Comments Updated manuscript for revision

AnchorDream: Repurposing Video Diffusion for Embodiment-Aware Robot Data Synthesis

AnchorDream：将视频扩散用于具身感知机器人数据合成

Junjie Ye, Rong Xue, Basile Van Hoorick, Pavel Tokmakov, Muhammad Zubair Irshad, Yue Wang, Vitor Guizilini

机构 * Toyota Research Institute（丰田研究院） ； USC Physical Superintelligence (PSI) Lab（USC物理超智能（PSI）实验室） 纠错

AI总结 针对机器人示范数据收集瓶颈，AnchorDream利用预训练视频扩散模型，通过机器人运动渲染来合成数据，无需环境建模，从少量示范生成多样高质量数据集，提升下游策略学习。

Comments Project page: https://jay-ye.github.io/AnchorDream/

Humanoid Everyday: A Comprehensive Robotic Dataset for Open-World Humanoid Manipulation

Humanoid Everyday：面向开放世界人形机器人操作的综合机器人数据集

Zhenyu Zhao, Hongyi Jing, Xiawei Liu, Jiageng Mao, Abha Jha, Hanwen Yang, Rong Xue, Sergey Zakharov, Vitor Guizilini, Yue Wang

机构 * University of Southern California（南加州大学） ； Toyota Research Institute（丰田研究院） 纠错

AI总结 提出Humanoid Everyday数据集，包含10.3k轨迹、260个任务的多模态数据，用于人形机器人灵巧操作、人机交互和移动操作研究，并配套云评估平台。

Accuracy, Uncertainty, and Adaptability of Automatic Myocardial ASL Segmentation using Deep CNN

自动心脏灌注成像中深度CNN的准确性、不确定性和适应性研究

Hung P. Do, Yi Guo, Andrew J. Yoon, Krishna S. Nayak

机构 * Ming Hsieh Department of Electrical and Computer Engineering, Viterbi School of Engineering, University of Southern California（明希德电气与计算机工程系，维特比工程学院，南加州大学） ； Long Beach Memorial Medical Center, University of California Irvine（长滩纪念医疗中心，加州大学伊万尼耶分校） 纠错

AI总结 本文研究了深度CNN在自动心脏灌注成像分割中的准确性、不确定性和适应性，提出两种不确定性评估方法，并通过调整参数实现对假阳性和假阴性率的适应。