高校专区
神经编码器能否泛化？跨未见语言和非语音任务的受控研究
机构 * University of Southern California（南加州大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Meta
AI总结 本文研究了神经音频编码器在未见语言和非语音任务上的泛化能力，发现预训练中引入非语音数据能提升非语音任务性能，但语音预训练的NACs在非语音任务上表现较差。
EMoE：基于特征空间的专家混合架构路由
机构 * University of Southern California（南加州大学）
AI总结 EMoE通过基于学习的正交特征基的路由机制，解决混合专家架构中的负载不平衡和专家同质化问题，无需辅助损失函数。
Comments accepted by ICASSP2026
从相对熵到极小大：MDPs中覆盖的统一框架
机构 * University of California, San Diego（加州大学圣迭戈分校） ； University of Southern California（南加州大学）
AI总结 本文提出了一种统一的覆盖框架，通过加权参数化的凹目标$U_ρ$，统一了多个MDP中的覆盖目标，并开发了基于梯度的算法以主动引导探索策略。
DeAL：大型语言模型的解码时间对齐
机构 * University of Southern California（南加州大学） ； Ω WS AI Labs（Ω WS AI实验室）
AI总结 DeAL通过允许用户自定义奖励函数和实现解码时间对齐，改进了大型语言模型对齐目标的实现。
Comments ACL 2025
文本蕴含不是比标记概率更好的偏见度量标准
机构 * Information Sciences Institute University of Southern California（信息科学研究所 美国南加州大学）
AI总结 本文通过实验表明，自然语言推理（NLI）与标记概率（TP）在评估语言模型偏见时表现不同，NLI更不稳定且对刻板印象句子更敏感，因此不推荐作为TP的替代方案。
Comments 12 pages, 1 figure. Substantial revisions following October 2025 ARR Cycle. Currently under review in January 2026 ARR Cycle
评估大型语言模型以实现公平和可靠的器官分配
机构 * University of Southern California（南加州大学）
AI总结 本文评估了大型语言模型在器官分配中的公平性，发现基于暴露的指标显示公平结果，而基于概率的指标揭示了系统性的偏好排序，强调了对公平性评估和人类监督的必要性。
QuFeX：用于混合量子-经典深度神经网络的量子特征提取模块
机构 * Viterbi School of Engineering, University of Southern California, Los Angeles, California 90089, USA ； Information Sciences Institute, University of Southern California, Arlington, VA 22203, USA ； Department of Physics ； Center for Quantum Information Science \& Technology, University of Southern California, Los Angeles, California 90089, USA
AI总结 QuFeX通过在混合量子-经典深度神经网络中引入量子特征提取模块，提升了图像分割任务的性能。
Comments V2: 17 pages, 15 figures, 2 Tables; published version
Journal ref Quantum Sci. Technol. 11 015017 (2026)
通过激活驱动训练实现DNN模块化
机构 * University of Southern California（南加州大学）
AI总结 MODA通过激活驱动的模块化训练方法，减少训练时间并提升模型模块化效果，同时保持原有准确率。
Comments Accepted at International Conference on Software Engineering (ICSE) 2026 - Research Track
积分对基于反向随机微分方程学习偏微分方程的重要性
机构 * Department of Electrical and Computer Engineering, University of Southern California（电气与计算机工程系，南加州大学）
AI总结 本文提出基于斯特劳尼希的BSDE方法，通过随机海恩积分消除EM积分的偏差问题，从而在高维PDE求解中优于传统方法并达到PINNs的性能水平。
Comments NeurIPS 2025
标志式外骨骼：基于图像的机器人状态估计
机构 * USC Physical Superintelligence (PSI) Lab（USC物理超智能实验室） ； Toyota Research Institute（丰田研究院）
AI总结 标志式外骨骼通过单图像推断实现机器人状态估计，简化设置并提升校准与控制性能。
VoxCog: 通过方言知识实现端到端多语言认知障碍分类
机构 * Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California（明斯希德电气与计算机工程系，南加州大学） ； Dornsife College of Letters, Arts and Sciences, University of Southern California（多恩斯菲学院，南加州大学）
AI总结 VoxCog通过整合方言知识，实现了端到端的多语言认知障碍分类，其语音基础模型在AD和MCI检测中表现出优于多模态集成和大语言模型的性能。
多块凸优化问题中对偶-原梯度流动力学的稳定性
机构 * Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California（明希德电气与计算机工程学院，南加州大学） ； Department of Electrical Engineering (ESAT-STADIUS), KU Leuven（电气工程系（ESAT-STADIUS），鲁汶大学）
AI总结 本文提出了一种基于近端增广拉格朗日方法的多块凸优化问题稳定性分析方法，实现了全局指数收敛性，并通过实验展示了其在并行计算中的优势。
Comments 32 pages; 4 figures
基于学习的多视图立体：综述
机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系） ； Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Computer and Communication Sciences, EPFL（苏黎世联邦理工学院计算机与通信科学学院） ； Australian National University（澳大利亚国立大学） ； Microsoft, Zurich（微软（瑞士））
AI总结 本文综述了基于学习的多视图立体方法，重点介绍了基于深度图的方法，并讨论了该领域未来的研究方向。
Comments Accepted to IEEE T-PAMI 2026
大型语言模型的决策是否忠实于其语言自信度？
机构 * University of Southern California（南加州大学）
AI总结 研究发现大型语言模型在高惩罚条件下缺乏战略决策能力，其语言自信度与实际决策不一致，影响AI系统的可信度。
对抗提示攻击的防御学习表面启发式
机构 * University of Southern California（南加州大学） ； University of California, Berkeley（加州大学伯克利分校） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Amazon（亚马逊公司） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文研究了对抗提示攻击防御中表面启发式的问题，发现现有方法易受表面模式影响，提出受控数据集和系统评估以揭示监督微调的局限性。
面向自动驾驶的高效视觉问答流水线：场景区域压缩
机构 * University of Southern California（南加州大学） ； XPeng（小鹏）
AI总结 本文提出SRC-Pipeline框架，通过场景区域压缩技术，在保持性能的同时显著降低计算成本，提升自动驾驶中的实时视觉问答效率。
Comments 7 pages
SpatialNav: 利用空间场景图进行零样本视觉-语言导航
机构 * Fudan University, Shanghai, China（复旦大学） ； University of Southern California, Los Angeles, USA（南加州大学） ； Australian Institute for Machine Learning, Adelaide University, Australia（澳大利亚机器学习研究所） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院）
AI总结 SpatialNav通过构建空间场景图，利用全局空间表示提升零样本视觉-语言导航的效率与性能。
Comments 11 pages, 4 figures, 6 tables
动态成本环境下的神经非短视贝叶斯优化
机构 * Stanford University（斯坦福大学） ； National University of Singapore（新加坡国立大学） ； University of Southern California（南加州大学） ； FutureHouse, Inc.（FutureHouse公司）
AI总结 LookaHES通过整合神经策略，实现动态成本环境下的非短视贝叶斯优化，提升复杂决策空间中的长视图优化能力。
Comments 32 pages, 20 figures, 13 tables
Gecko：一种高效神经架构，能够处理任意长度的序列
机构 * University of Southern California（美国南加州大学） ； Meta AI Research（Meta人工智能研究） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California San Diego（加州大学圣地亚哥分校） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
AI总结 Gecko通过改进的神经架构实现高效长序列处理，优于现有模型在效率和长上下文扩展性上的表现。
Comments 13 pages, 5 figure and 3 tables
大规模多模态基准的判断模型
机构 * Department of Electrical and Computer Engineering, Viterbi School of Engineering, University of Southern California（电气与计算机工程系，维特比工程学院，南加州大学）
AI总结 本文提出了一种多模态判断模型，用于评估多种任务，通过聚合多模态判断并生成诊断反馈，展示了其在多模态AI研究中的应用潜力。
通过设备端知识蒸馏实现弱客户端参与的异构联邦学习
机构 * Inha University, South Korea（韩国庆熙大学） ； University of Southern California, United States（美国南加州大学）
AI总结 本文提出一种基于设备端知识蒸馏的异构联邦学习方法，利用小型辅助模型和资源强客户端提升模型准确性。
Comments Accepted by ECAI 2025
Pelican Soup框架：语言模型能力的一种理论框架
机构 * University of Southern California（南加州大学）
AI总结 Pelican Soup框架通过引入知识库和参考意义关联，探讨语言模型在预训练和上下文学习中的能力，并推导出相关理论界。
推荐系统中的成员推断攻击：综述
机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩分校） ； University of Cincinnati（辛辛那提大学） ； University of Southern California（南加州大学）
AI总结 本文首次系统综述推荐系统中成员推断攻击的设计、挑战及防御方法，揭示其隐私风险与未来研究方向。
Comments under review in ACM Survey
MoIIE：多模态专家的混合模型用于大视觉语言模型
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institut（上海创新研究院） ； University of Southern California（南加州大学） ； Huawei Technologies Co., Ltd（华为技术有限公司） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative, Institute of Digital Twin, EIT（宁波空间智能与数字衍生关键实验室，数字孪生研究院，EIT）
AI总结 本文提出MoIIE模型，通过混合内模态和跨模态专家提升大视觉语言模型的效率和性能。
AI红队测试是社会技术问题：关于价值观、劳动与危害
机构 * Microsoft Research（微软研究院） ； University of Southern California（南加州大学）
AI总结 本文探讨AI红队测试作为社会技术问题的重要性，强调需跨学科合作以理解其价值观、劳动及影响，避免重复历史错误。
Comments 10 pages
带有可解释Kolmogorov-Arnold网络的双深度Q网络的人机交互特征选择
机构 * University of Southern California（美国南加州大学） ； American International University-Bangladesh（美国国际大学-孟加拉国） ； Techno International New Town（技术国际新镇） ； Multimedia University（多媒体大学）
AI总结 本文提出一种基于Kolmogorov-Arnold网络的双深度Q网络，实现人机交互的特征选择，提升模型准确性和可解释性，同时在多个数据集上验证了其高效性和扩展性。
Journal ref IEEE Open Journal of the Computer Society (2026)
PartisanLens: 一种多语言的欧洲媒体中极偏见和阴谋论移民叙述数据集
机构 * Centro Singular de Investigación en Tecnoloxías Intelixentes da USC（乌拉特大学智能技术研究中心） ； IRLab, CITIC Research Centre, Universidade da Coruña（IR实验室，CITIC研究中心，科鲁纳大学） ； Universidade de Évora（埃夫拉大学） ； Universidad de La Rioja（里瓦达维亚大学） ； GESIS Leibniz Institute for the Social Sciences（莱比锡社会科学院）
AI总结 PartisanLens 是首个多语言数据集，用于研究欧洲媒体中的极偏见和阴谋论移民叙述，评估LLMs在分类和标注中的表现。
作者应标注自己的文档
机构 * Echo Group（Echo集团） ； University of Southern California（南加州大学）
AI总结 本文提出作者标注技术，通过作者自身标注提升数据质量，实验显示其在点击率和实用性上优于传统标注方法。
MixRx：利用大语言模型预测药物组合相互作用
机构 * University of Southern California（南加州大学）
AI总结 MixRx利用大语言模型预测药物组合相互作用，通过微调模型在标准和扰动数据集上达到81.5%的准确率，探索LLMs在生物预测任务中的应用潜力。
大语言模型对人类表达与思维的同质化效应
机构 * Department of Computer Science（计算机科学系） ； Center for Computational Language Sciences（计算语言学中心） ； Department of Psychology, University of Southern California（心理学系，南加州大学）
AI总结 大语言模型通过标准化语言和推理，加剧了人类认知多样性的同质化效应，影响集体智慧和适应性。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈