Differentially Private Knowledge Distillation via Synthetic Text Generation
通过合成文本生成实现差分隐私的知识蒸馏
机构 * University of Southern California（南加州大学）
AI总结 DistilDP通过合成文本生成实现差分隐私的知识蒸馏，提升LLMs的实用性和隐私保护性能。
高校专区
University of Southern California（南加州大学）
Dynamical modeling of nonlinear latent factors in multiscale neural activity with real-time inference
多尺度神经活动中非线性潜在因子的动力学建模
机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Southern California（南加州大学） ； Department of Computer Science（计算机科学系） ； Department of Biomedical Engineering（生物医学工程系） ； Neuroscience Graduate Program（神经科学研究生项目）
AI总结 本研究提出了一种多尺度动态框架，用于实时解码多模态神经活动，通过非线性聚合不同时间尺度和分布的数据以提升解码性能。
Comments Published at the 39th Annual Conference on Neural Information Processing Systems 2025. Code is available at https://github.com/ShanechiLab/mrine
Journal ref NeurIPS 2025
Comparator-Adaptive $Φ$-Regret: Improved Bounds, Simpler Algorithms, and Applications to Games
比较器自适应Φ遗憾：改进的界限、更简单的算法及博弈应用
机构 * University of Southern California（南加州大学） ； Shanghai University of Finance and Economics（上海财经大学） ； University of Iowa（爱荷华大学）
AI总结 本文提出更简单的算法和改进的比较器自适应Φ遗憾界，并展示了其在博弈中的应用优势。
Tau Anomaly Detection in PET Imaging via Bilateral-Guided Deterministic Diffusion Model
通过双侧引导确定性扩散模型进行PET成像中的Tau异常检测
机构 * Stevens Neuroimaging and Informatics Institute, Keck School of Medicine, University of Southern California（斯蒂文斯神经影像与信息学研究所，凯克医学院，南加州大学） ； Ming Hsieh Department of Electrical and Computer Engineering, Viterbi School of Engineering, University of Southern California（明希部门电气与计算机工程系，维特比工程学院，南加州大学） ； Alfred E. Mann Department of Biomedical Engineering, Viterbi School of Engineering, University of Southern California（阿尔弗雷德·E·曼生物医学工程系，维特比工程学院，南加州大学）
AI总结 本研究提出双侧引导确定性扩散模型，用于提高tau PET成像中局部tau病理的异常检测精度，并在前期筛查中展现应用潜力。
BaRISTA: Brain Scale Informed Spatiotemporal Representation of Human Intracranial Neural Activity
BaRISTA：人类脑内神经活动的脑尺度时空表示
机构 * University of Southern California（南加州大学）
AI总结 BaRISTA提出了一种多区域神经活动时空变换器模型及自监督任务，通过调整空间尺度提升下游解码性能。
Comments Published at the 39th Annual Conference on Neural Information Processing Systems (NeurIPS 2025). Code available at https://github.com/ShanechiLab/BaRISTA
Journal ref NeurIPS 2025
EchoVLM: Measurement-Grounded Multimodal Learning for Echocardiography
EchoVLM：基于测量的多模态学习用于超声心动图
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Siemens Healthineers（西门子医疗） ； Siemens Healthcare Limited（西门子医疗有限公司） ； Emory University（埃默里大学） ； University of Southern California（南加州大学）
AI总结 EchoVLM通过引入基于测量的多模态学习方法，实现了超声心动图的端到端解读，提升了疾病分类和视图识别的性能。
Towards Efficient and Effective Multi-Camera Encoding for End-to-End Driving
迈向高效且有效的多摄像头编码以实现端到端驾驶
机构 * USC Physical Superintelligence (PSI) Lab（USC物理超智能实验室） ； Stanford University（斯坦福大学） ； NVIDIA Research（NVIDIA研究）
AI总结 本文提出Flex，一种高效多摄像头编码方法，通过紧凑的场景令牌提升端到端驾驶性能，无需依赖3D先验。
Comments Project Page: https://jiawei-yang.github.io/Flex/
How Muon's Spectral Design Benefits Generalization: A Study on Imbalanced Data
muon的谱设计如何促进泛化：对不平衡数据的研究
机构 * University of Southern California（南加州大学） ； University of British Columbia（不列颠哥伦比亚大学）
AI总结 muon的谱设计通过促进数据潜在成分的平衡学习，提升了模型的泛化能力，尤其在不平衡数据中表现更优。
Comments 36 pages, 32 figures, 1 table
Mind the Confidence Gap: Overconfidence, Calibration, and Distractor Effects in Large Language Models
注意置信差距：大型语言模型中的过度自信、校准与干扰效应
机构 * University of Southern California（美国南加州大学）
AI总结 本研究探讨了大型语言模型中的过度自信问题，通过引入干扰项显著改善校准，提出针对性的改进策略以提升模型可靠性。
Comments Published in Transactions on Machine Learning Research (TMLR)
WARPD: World model Assisted Reactive Policy Diffusion
WARPD：世界模型辅助的反应策略扩散
机构 * University of Southern California（南加州大学） ； Google（谷歌） ； Intrinsic LLC（Intrinsic 公司）
AI总结 WARPD通过直接生成闭环策略，提高了机器人任务中长动作时间跨度和鲁棒性的性能，同时显著降低了推理成本。
Comments Outstanding Paper Award at the Embodied World Models for Decision Making Workshop at NeurIPS 2025
Better Language Model Inversion by Compactly Representing Next-Token Distributions
通过紧凑表示下一项令牌分布来改进语言模型反向工程
机构 * University of Southern California（美国南加州大学） ； Cornell University（康奈尔大学）
AI总结 本文提出了一种通过紧凑表示下一项令牌分布来改进语言模型反向工程的方法，显著提升了隐藏提示的恢复率，并展示了其在复杂任务中的良好表现。
GRAVITY: A Framework for Personalized Text Generation via Profile-Grounded Synthetic Preferences
GRAVITY: 一种通过基于个人资料的合成偏好进行个性化文本生成的框架
机构 * University of Southern California（南加州大学） ； Capital One Research（Capital One研究）
AI总结 GRAVITY通过整合多种心理学和文化框架，生成基于个人资料的合成偏好数据，提升LLM个性化生成的效率和效果。
Leveraging Machine Learning to Identify Gendered Stereotypes and Body Image Concerns on Diet and Fitness Online Forums
利用机器学习识别饮食和健身在线论坛中的性别刻板印象和身体形象担忧
机构 * Information Sciences Institute, University of Southern California, Marina del Rey, CA 90292, USA（美国南加州大学信息科学研究所） ； Department of Computer Science, University of Chile, Santiago, Chile（智利大学计算机科学系） ； Department of Psychiatry and Biobehavioral Sciences, University of California, Los Angeles, CA 90095, USA（美国加州大学洛杉矶分校精神病学与生物行为科学系）
AI总结 本文利用机器学习分析饮食和健身论坛中的性别刻板印象和身体形象问题，揭示不同社区的情感表达和互动模式，为制定支持性管理策略提供依据。
An Electrocardiogram Multi-task Benchmark with Comprehensive Evaluations and Insightful Findings
带有全面评估和深入发现的心电图多任务基准
机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； Bakar Computational Health Sciences Institute, University of California, San Francisco（加州大学旧金山分校巴卡计算健康科学研究所） ； Center for Data Science, School of Nursing, Emory University（埃默里大学护理学院数据科学中心） ； Department of Computer Science, University of Southern California（南加州大学计算机科学系）
AI总结 本研究评估了基础模型在心电图分析中的有效性，发现其在ECG分析中达到80%的高性能，揭示了基础模型在生理波形分析中的潜力和局限性。
Proper Learnability and the Role of Unlabeled Data
正确学习与未标记数据的作用
机构 * USC（USC大学）
AI总结 研究探讨了在何种假设下问题可以正确学习，并证明了在分布固定的PAC模型中，样本复杂性可大幅减少，反驳了未标记数据在PAC学习中的作用。
Comments ALT 2025, 22 pages
Descrip3D: Enhancing Large Language Model-based 3D Scene Understanding with Object-Level Text Descriptions
Descrip3D: 通过物体级文本描述增强基于大语言模型的3D场景理解
机构 * University of Southern California（南加州大学） ； DEVCOM Army Research Laboratory（国防部陆军研究实验室）
AI总结 Descrip3D通过引入物体级文本描述，提升大语言模型在3D场景理解中的关系推理能力，有效增强复杂室内场景的语义理解。
PersonaMem-v2: Towards Personalized Intelligence via Learning Implicit User Personas and Agentic Memory
PersonaMem-v2：通过学习隐式用户人设和代理记忆实现个性化智能
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Washington（华盛顿大学） ； University of California Santa Barbara（加州大学圣巴巴拉分校） ； Meta ； University of Southern California（南加州大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Microsoft Corporation（微软公司）
AI总结 PersonaMem-v2通过学习隐式用户人设和代理记忆提升LLM个性化能力，实验显示强化微调使模型在隐式个性化任务中准确率达53%。
Comments Data is available at https://huggingface.co/datasets/bowen-upenn/PersonaMem-v2
ARSS: Taming Decoder-only Autoregressive Visual Generation for View Synthesis From Single View
ARSS: 通过单视角生成视图的解码器-only 自回归视觉生成的控制
机构 * Institute for Creative Technologies（创意技术研究所） ； University of Southern California（南加州大学）
AI总结 ARSS通过单视角生成视图，利用自回归模型和相机轨迹指导提升生成质量。
RDD: Robust Feature Detector and Descriptor using Deformable Transformer
RDD: 基于变形Transformer的鲁棒特征检测与描述
机构 * Institute for Creative Technologies（创意技术研究所） ； University of Southern California（南加州大学）
AI总结 RDD通过变形Transformer实现鲁棒特征检测与描述，优于现有方法并在稀疏和半密集匹配中表现优异。
Demystifying Language Model Forgetting with Low-rank Example Associations
解开语言模型遗忘之谜：低秩示例关联
机构 * University of Southern California（南加州大学）
AI总结 本文通过低秩矩阵分析揭示语言模型微调时遗忘的机制，并提出基于矩阵补全的方法有效缓解遗忘问题。
Comments NeurIPS 2025. Updated code and data URL
Generative AI and Copyright: A Dynamic Perspective
生成式人工智能与版权：动态视角
机构 * London Business School（伦敦商学院） ； University of Southern California Gould School of Law（南加州大学法学院）
AI总结 本文从动态视角探讨生成式AI与版权问题的经济影响，分析公平使用标准和AI版权性对AI发展、企业利润、创作者收入及消费者福利的影响。
The Dynamic Prior: Understanding 3D Structures for Casual Dynamic Videos
动态先验：为随意动态视频理解3D结构
机构 * PKU（北京大学） ； NVIDIA（英伟达） ； USC（南加州大学） ； University of Michigan（密歇根大学）
AI总结 本文提出动态先验模型，利用Vision-Language Models和SAM2实现无需任务特定训练的动态物体识别，提升结构3D理解的准确性和鲁棒性。
Comments Code is available at https://github.com/wuzy2115/DYNAPO
LYNX: Learning Dynamic Exits for Confidence-Controlled Reasoning
LYNX: 为置信度控制推理学习动态退出
机构 * University of Southern California（南加州大学） ； DEVCOM ARL（美国陆军战争研究所）
AI总结 LYNX通过利用模型自身隐藏状态实现置信度控制的提前退出，提升推理效率和准确性，适用于多种任务和基准测试。
ChromouVQA: Benchmarking Vision-Language Models under Chromatic Camouflaged Images
ChromouVQA：在色度伪装图像下评估视觉-语言模型的基准测试
机构 * Amazon（亚马逊公司） ； Google（谷歌公司） ； MurcuryMind（MurcuryMind公司） ； University of Southern California（南加州大学） ； Nanyang Technological University（南洋理工大学） ； Lehigh University（莱斯大学） ； Stony Brook University（石溪大学）
AI总结 ChromouVQA通过色度伪装图像评估视觉-语言模型在复杂背景下的表现，提出对比度配方提升形状恢复能力。
Martian World Model: Controllable Video Synthesis with Physically Accurate 3D Reconstructions
火星世界模型：可控视频合成与物理准确的3D重建
机构 * BJTU（北京工业大学） ； UT Austin（德克萨斯大学奥斯汀分校） ； HKUST（香港科技大学） ； Stanford University（斯坦福大学） ； XMU（厦门大学） ； SBU（雪城大学） ； USC（南加州大学） ； NVIDIA（英伟达）
AI总结 本文提出M3arsSynth和MarsGen，通过物理准确的3D重建生成逼真的火星视频，提升任务模拟与机器人训练的可视化效果。
Comments Project Page: https://marsgenai.github.io
Mind-to-Face: Neural-Driven Photorealistic Avatar Synthesis via EEG Decoding
Mind-to-Face: 通过解码EEG信号实现神经驱动的逼真虚拟形象合成
机构 * Institute for Creative Technologies（创意技术研究所） ； University of Southern California（南加州大学）
AI总结 Mind-to-Face通过EEG解码实现神经驱动的逼真虚拟形象合成，能够精准捕捉情绪动态并生成高质量的面部表情。
Comments 16 pages, 11 figures
CoreSPECT: Enhancing Clustering Algorithms via an Interplay of Density and Geometry
CoreSPECT：通过密度与几何的相互作用增强聚类算法
机构 * University of Southern California（美国南加州大学）
AI总结 CoreSPECT通过密度与几何的相互作用提升聚类算法性能，显著提高K-Means和HDBSCAN的NMI，速度快且无需超参数调整。
CartoMapQA: A Fundamental Benchmark Dataset Evaluating Vision-Language Models on Cartographic Map Understanding
CartoMapQA: 一个评估视觉-语言模型在制图地图理解上的基础基准数据集
机构 * KDDI Research, Inc.（KDDI研究公司） ； University of Southern California（南加州大学）
AI总结 CartoMapQA通过问答任务评估视觉-语言模型在制图地图理解上的能力，揭示了模型在地图语义和地理推理方面的不足。
Comments Accepted at SIGSPATIAL 2025 (Best paper candidates), 15 pages
Plantain: Plan-Answer Interleaved Reasoning
Plantain: 计划-答案交错推理
机构 * Google DeepMind（谷歌DeepMind） ； University of Southern California（南加州大学）
AI总结 Plantain通过计划-思考-回答的交错推理方式，提升数学推理和编码任务的性能，同时减少响应时间。
Economies of Open Intelligence: Tracing Power & Participation in the Model Ecosystem
开源智能的经济效应：追踪模型生态系统中的权力与参与
机构 * MIT Data Provenance Initiative（MIT数据溯源计划） ； Data Provenance Initiative（数据溯源计划） ； ScaDS.AI Leipzig（ScaDS.AI莱比锡） ； University of Edinburgh（爱丁堡大学） ； University of Southern California（南加州大学） ； UNC at Chapel Hill（北卡罗来纳大学教堂山分校） ； Hugging Face
AI总结 研究分析了开放模型经济中权力和参与的变化，揭示了开发者中介者的作用及市场权力的重新分配。
